[发明专利]基于SVM技术的Gabor图像能量云检测方法、系统及存储介质

说明书

本发明公开了一种基于SVM技术的Gabor图像能量云检测方法、系统以及存储介质。该检测方法包括步骤：对输入的多光谱遥感伪彩色训练图像分割得到超像素子图，计算并提取云的超像素子图的光谱特征和gabor能量特征，代入支持向量机进行学习训练得到模型，对输入的多光谱遥感伪彩色测试图像分割得到超像素子图，计算并提取测试图的超像素子图的光谱特征和gabor能量特征，代入支持向量机进行识别得到云像素掩码子图。本发明公开的一种基于SVM技术的Gabor图像能量云检测方法可利用更少的资源并表现出更高的识别精度。

技术领域

本发明涉及遥感图像的云识别技术领域，特别涉及一种基于SVM技术的Gabor图像能量云检测方法，检测系统以及存储介质。

背景技术

云是可见光和红外光谱中不可回避的一种光学图像污染物,与遥感影像相关的云掩膜生成是一个重要的问题,它不仅可以为图像提供目录,还能提供云信息。传统的云检测方法主要利用云检测的关键波段，即热红外波段或水汽的吸收带(1360–1390nm)或者多时相的方法。但是，更多的光学遥感卫星输出的图像不具备特定吸收端，一般常见的多光谱遥感卫星包含四个波段的光谱信息，即(RGB NIR)。

发明内容

本发明旨在克服现有技术存在的缺陷，提供一种基于SVM技术的Gabor图像能量云检测方法、系统及存储介质，本发明采用以下技术方案：

第一个方面，本发明实施例提供了一种基于SVM技术的Gabor图像能量云检测方法，所述基于SVM技术的Gabor图像能量云检测方法包括步骤：

S1，分割伪彩色训练图像，得到第一超像素子图；

S2，利用所述第一超像素子图，计算并提取云的第一超像素子图的光谱特征和gabor能量特征；

S3，将所述云的第一超像素子图的光谱特征和gabor能量特征代入支持向量机进行学习训练得到云模型；

S4，分割伪彩色测试图像得到第二超像素子图；

S5，利用所述第二超像素子图，计算并提取第二超像素子图的光谱特征和gabor能量特征；

S6，将所述第二超像素子图的光谱特征和gabor能量特征代入所述支持向量机与所述云模型进行云识别判定；

S7，将所述支持向量机判定为正的超像素子图判定为云像素掩码子图并输出。

优选地，所述伪彩色训练图像由近红外、绿和蓝三种波段组合形成。

优选地，所述分割伪彩色训练图像的方法采用的是简单线性迭代聚类超像素分割方法。

优选地，所述分割伪彩色测试图像的方法采用的是简单线性迭代聚类超像素分割方法。

优选地，所述简单线性迭代聚类超像素分割方法的计算公式为：

其中，D是lab空间中的五维欧氏距离；

m是紧凑因子；

d_c代表颜色距离；

d_s代表空间距离

S是类内最大空间距离。

优选地，所述光谱特征包括：相对HOT指数的平均值，可见频带比率VBR的平均值以及NDWI的平均值。

在一些实施例中，所述Gabor能量特征的计算公式为：

其中，λ代表正弦因子的波长，

θ代表了Gabor函数的平行条纹的法线方向，