[发明专利]基于Landsat8含雪影像的云检测方法

说明书

本发明提供了一种基于Landsat 8含雪影像的云检测方法，包括以下步骤：步骤1，选取任一Landsat 8影像作为当前影像；步骤2，获取当前影像中圈定云范围的云阈值；步骤3，剔除通过云阈值在当前影像中圈定的云范围中的假异常，得到剔除假异常后的云影像。本发明能够有效的解决传统云检测方法产生的云雪混淆问题，适用于不同纬度地区且不受云量的限制。

技术领域

本发明属于遥感及影响处理技术领域，具体涉及一种基于Landsat8含雪影像的云检测方法。

背景技术

云和雪在可见光范围内有相似的光谱特性，这导致在常规的云检测方法中往往会产生将雪误判为云的现象。因此，选择合适的方法对含雪的影像进行准确的云检测是至关重要的。

从上世纪七十年代以来，国内不少遥感领域的科研工作者先后进行了这方面的研究。近年来基于光学遥感数据的冰雪信息提取方面取得了显著成果，例如：1977年采用近红外波段上云雪的差异来检测有冰雪覆盖区域的云层，在近红外波段下，云像素具有较高的反射率，而雪显得相对较暗，这大大减少了误判，但某些特殊类型的云和雪在近红外光谱中仍然显示出十分相似的光谱特征，因此，此法识别出的云的效果时好时坏，变动性较大。

2004年通过归一化积雪指数来识别积雪，将积雪掩膜后进行云检测从而减少积雪的误判，该方法可以明显减少由于云雪混淆而导致的云检测的误判现象，但很难确定归一化积雪指数的准确阈值，且对较薄的冰雪覆盖区域检测效果较差。

2001年采用纹理特征进行卫星影像的云雪分离，它不仅反映了图像中灰度的统计信息，而且也反映了物体空间排列的关系和结构。云区的边缘通常是模糊的，渐变的速度很慢。而冰雪覆盖的土地受到地形的影响，边缘通常是尖锐的，因此，它可以用来区分云和雪。该算法在含雪区域进行云检测时效果较好，特别是对薄卷云的检测。然而，云的类型多种多样纹理复杂且难以描述，此外，灰度共生矩阵会降低该方法的效率。因此，实现自动化和高精度仍然具有挑战性。

2014年采用F-mask算法进行云雪分离，它可以为每景影像提供云，云阴影和雪的掩膜，使用一个基于场景的阈值算法，并将相同的阈值应用于遥感影像中的所有像素，该方法可以用来识别云层、云影和雪。但由于F-mask算法将相同的阈值应用于遥感影像中的所有像素，因此无法在含特殊表面反射率地物的影像中检测云。

上述方法都不同程度的取得了一些成就，但常会受云朵类型、积雪厚度、下垫面类型等限制从而导致效果时好时坏。因此选择准确的含雪影像的云检测方法已成为当务之急。

发明内容

针对现有技术存在的不足，本发明的目的在于，提供一种基于Landsat8含雪影像的云检测方法，解决现有技术中云检测过程中受云朵类型、积雪厚度、下垫面类型等限而导致检测效果时好时坏的问题。

为了解决上述技术问题，本发明采用如下技术方案予以实现：

一种基于Landsat 8含雪影像的云检测方法，其特征在于，包括以下步骤：

步骤1，选取任一Landsat 8含雪影像作为当前影像；

步骤2，在绿波段、红外一波段和红外二波段中选取任意两个波段作为分离云雪的主成分量，基于分形求和模型求取所选取主成分量的灰度频率直方图中的云阈值，即得到当前影像中圈定云范围的阈值；

步骤3，剔除通过云阈值在当前影像中圈定的云范围中的假异常，得到剔除假异常后的云影像；

包括：

步骤31，对多个能够分离云雪的主成分量进行叠置，将多个能够分离云雪的主成分量中共有的云留下，并剔除掉每个主成分分量中独有的云；

步骤32，通过热点分析，剔除当前影像中圈定的云范围中的假异常。

进一步地，还包括: