[发明专利]基于域变换滤波多尺度分解的遥感图像云检测方法

说明书

本发明提出了一种基于域变换滤波多尺度分解的遥感图像云检测方法，解决了高分辨率遥感图像云检测中运算量大和检测结果不准确的问题。实现步骤包括：将RGB图像转至CIEXYZ色彩空间得原图明度L*；对L*二值化，得到高反射率目标二值图；用域变换归滤波器进行多尺度图像分解得到多个细节层；对各个细节层进行融合和二分类处理得到细节二值图；从高反射率目标中剔除细节二值图中的地面物体得到粗检测结果；对粗检测结果做形态学处理操作；用导向滤波对云区域边缘精细分割和最小交叉熵二值化，得到最终云检测结果。本发明先对遥感图像转换，采用域变换滤波和多尺度分解技术进行遥感图像云检测，计算量小、云检测效果显著，用于遥感图像的预处理过程。

技术领域

本发明属于图像处理技术领域，涉及一种星上遥感图像的云检测，具体是一种基于域变换滤波多尺度分解的遥感图像云检测方法，用于遥感图像的预处理过程，实现对遥感图像的剔除、分类和后续的目标识别。

背景技术

随着科技的高速发展，卫星遥感技术进入了一个能快速及时地获取对地观测信息的新阶段。根据国际卫星云气候计划ISCCP(International Satellite CloudClimatology Project)提供的全球云量数据显示，云覆盖了50％以上的地球表面。因此遥感卫星获取卫星图像，尤其是获取大范围的遥感影像时，多数情况下都会有云的存在，真正的无云晴空地面目标物体影像很难获取。遥感图像中，云的存在会遮蔽或者覆盖云层区域下面的真实的地面目标物体的信息，影响遥感图像的质量，从而降低图像的数据利用率，使得影像识别、分类难以保证精度，有时甚至无法进行。为了能够有效的从遥感图像数据中提取地面目标物体的信息，提高遥感卫星图像数据的可用性和利用率，必须对遥感图像中存在的云进行检测，采取必要的措施，以消除或降低云的干扰和影响。

传统遥感图像云检测方法较多，主要分为阈值法和模式分类法。阈值法是其中相对较成熟且易于实现的方法,主要思想是对需要进行检测的像素点利用不同通道组合的量温、量温差、反射率与所设置的阈值进行比对，判断出像素点是云像素点还是非云像素点。但此类方法强烈依赖于传感器，光学系统等参数，阈值大小会随季节与地理位置发生变化，难以实现星上较高精度的配准。模式分类法是基于图像特征的云检测方法，选择并提取云的特征，设计检测器对图像进行云检测。该方法相比阈值法取得了一定的优势，但此类方法经常需要训练样本，不但耗时且样本的数量和质量直接影响云检测结果的准确性，存在运算量大、复杂度高等问题。

近年来，随着云检测的要求越来越高，云检测的方法呈现多样化发展，出现了多算法综合使用的优化检测方法，云检测效果优于单一阈值法和模式分类法。例如，中国专利申请，授权公告号CN101799921B，名称为“一种光学遥感图像云检测方法”的发明专利中，公开了一种将三个判别特征参数以合理的次序结合起来进行遥感图像云检测的方法。该方法将遥感图像划分为基本处理单元，根据灰度阈值、纹理特征分形维数和纹理特征角二阶矩三种判别参数将基本处理单元检测为云层和地面目标物体两类。但是该方法存在的不足是，通过图像纹理特征分形维数和纹理特征角二阶矩进行检测时，需要训练样本得到参数进行对比判断，此过程运算量大，复杂度高。同时灰度阈值的选取常为经验值或者统计值，存在不确定性。

发明内容

本发明的目的在于克服上述已有技术的缺陷，提出一种计算量小，且具有较高准确性的基于域变换滤波多尺度分解的遥感图像云检测方法。

本发明是一种基于域变换滤波多尺度分解的遥感图像云检测方法，其特征在于，包括有如下步骤：

(1)转换遥感图像存储空间并获取图像的明度：将存储于RGB色彩空间的遥感图像转为存储在CIEXYZ色彩空间，得到原图在CIELAB空间中的表示明度的分量L*，用来提取遥感图像中的高反射率目标；

(2)得到遥感图像的高反射目标二值图：使用最小交叉熵阈值法计算出二值分割的分割阈值，并利用所得的分割阈值对表示明度的分量L*二值化，得到遥感图像的高反射目标二值图I_reflective；