[发明专利]一种风云卫星遥感影像云检测方法、系统及电子设备

说明书

本申请涉及一种风云卫星遥感影像云检测方法、系统及电子设备。包括：步骤a：提取风云卫星遥感影像的红外1波段和可见光波段，并利用至少两种阈值方法分别得到所述红外1波段和可见光波段的至少两种二值化阈值结果；步骤b：利用集成阈值法分别对所述红外1波段和可见光波段的至少两种二值化阈值结果进行集成，得到所述遥感影像的集成阈值云检测结果；步骤c：根据所述集成阈值云检测结果与官方提供的云检测结果共同选取随机森林的训练样本集；步骤d：通过所述训练样本集构建随机森林检测模型，通过所述随机森林检测模型进行风云卫星遥感影像云检测。本申请有效的改善了云的错检和漏检情况，并提高风云卫星遥感影像的利用率。

技术领域

本申请属于遥感影像云检测技术领域，特别涉及一种风云卫星遥感影像云检测方法、系统及电子设备。

背景技术

随着成像技术的不断发展，遥感图像获取的渠道越来越多。在风云遥感影像获取过程中，受云雾干扰等因素的影响，导致原地物光谱失真，影响遥感产品与影像判读，对信息提取造成很大的影响。正确地分离遥感图像中的有云像元和无云像元,对于天气预报、气象灾害的预防、温度反演、救援及生态环境的监控等都有重大的影响。因此，在遥感影像的使用过程中，对受云层遮挡的遥感图像进行有效的云检测是遥感数据修复过程中需解决的首要问题。

国内外利用遥感图像的光谱信息来进行云检测已有多年的历史，目前常见的云检测方法有：

1)阈值法；阈值法包括：光谱结合阈值法、频率结合阈值法。光谱结合阈值法主要利用云在可见光波段具有强反射的特性，该类算法对阈值的敏感程度较高，同一卫星数据因时间、天气等原因，检测阈值将发生巨大变化，加大了此类方法的局限性。频率结合阈值法主要利用云的低频特性，通过小波分析、傅里叶变换等方法获取影像低频数据进行云检测，但由于受地面低频信息干扰，通常采用多层小波变换排除，这大大降低了云检测效率。

2)纹理分析法；纹理分析法利用云与地面纹理特征差异，常以分块子图为单位，结合二阶矩、分形维数、灰度共生矩阵和多次双边滤波进行纹理特征计算，该类方法需要提前获得可靠云特征区间才能保证分类的精度，效率较低。

3)统计学方法；统计学方法主要分为统计方程和聚类分析法。统计方程法利用样本数据建立模拟公式计算云的反射率或者亮温来进行云检测，聚类分析法是根据不同地物类型的像元观测值存在明显的差别的原理实现云检测，在样本量较大时，要获得聚类结论有一定困难，需要人为干预，极大影响检测效率。

4)综合智能法；综合智能法主要包括人工神经网络、支持向量机和模糊逻辑算法等。综合智能法在实现的过程中需要获取大量的训练样本，对分类特征的选取要求较高，针对不同数据需要重新选取样本，导致效率低下。

另外，现有的云检测方法在卫星影像云检测方面仍然会有将部分晴空、陆地、海洋检测为云以及部分漏检情况，云检测效率较低。

发明内容

本申请提供了一种风云卫星遥感影像云检测方法、系统及电子设备，旨在至少在一定程度上解决现有技术中的上述技术问题之一。

为了解决上述问题，本申请提供了如下技术方案：

一种风云卫星遥感影像云检测方法，包括以下步骤：

步骤a：提取风云卫星遥感影像的红外1波段和可见光波段，并利用至少两种阈值方法分别得到所述红外1波段和可见光波段的至少两种二值化阈值结果；

步骤b：利用集成阈值法分别对所述红外1波段和可见光波段的至少两种二值化阈值结果进行集成，得到所述遥感影像的集成阈值云检测结果；

步骤c：根据所述集成阈值云检测结果和官方提供的云检测结果共同选取随机森林的训练样本集；

步骤d：通过所述训练样本集构建随机森林检测模型，通过所述随机森林检测模型进行风云卫星遥感影像云检测。