[发明专利]基于半监督空谱特征的多光谱云检测方法

说明书

本发明公开了一种基于半监督空谱特征的多光谱图像云检测方法，主要解决现有技术中对背景复杂以及云层较厚的多光谱图像中误检和漏检云目标较多的问题。本发明的实现：输入多光谱图像；对多光谱图像实施波段选择，选取可见光波段；得到多光谱图像的空间特征图像；在空间特征图像中提取云目标光谱；用约束能量最小化算法，得到多光谱图像的云目标检测结果。本发明使用波段选择选取可见光波段图像，利用图像分解方法提取光谱特征和空间特征进行云目标检测，不但减少了对较厚云层的误检和漏检，而且能够更好地区分多光谱图像中的云目标和复杂的背景，具有检测结果误检云目标少、检测结果漏检云目标少的优点，应用于遥感图像的云检测。

技术领域

本发明属于图像处理技术领域，涉及遥感图像的云检测，具体是一种基于半监督空谱特征的多光谱云检测方法。本发明可用于从遥感图像中检测出云目标。

背景技术

随着遥感技术的迅速发展，遥感图像被广泛应用于军事目标识别、环境监测、气象分析、矿产开发、地理测绘等各个领域，然而并非所有影像都可满足信息智能化处理的要求，其中一个很重要的因素就是云层的覆盖，相关统计表明在任何时候50％地球表面都被云层覆盖。云层的存在,一方面对地物产生了遮挡,造成地表信息的缺失,给目标识别、变化检测、地物分类等带来不利影响,另一方面,在4D产品的生产过程中含云量较多的影像往往被弃之不用,造成影像数据的浪费。因此对遥感影像上的云层进行检测,对于后续的云区修复处理、图像分析、影像匹配、目标检测和提取等都具有十分重要的意义。

武汉大学在其申请的专利文献“一种基于高斯混合模型的卫星影像自动云检测方法”(专利申请号：201610259961.3，公布号：105894520B)中提出了一种基于高斯混合模型的卫星影像自动云检测方法。该方法首先统计卫星影像的原始灰度直方图，预处理灰度直方图以消除干扰，并对灰度直方图构建高斯混合模型；然后确定分割云区域的灰度阈值；最后采用灰度阈值分割云区域。该方法虽然通过构建高斯混合模型，可以提高云检测精度，但是，该方法仍存在的不足之处是，由于多光谱图像背景复杂，干扰信息较多，将该云检测方法直接应用于背景复杂以及云层较厚的多光谱图像，容易产生误检和漏检，导致云检测的精度低。

胡敬锋在其发表的论文“基于改进M型卷积网络的RGB彩色遥感图像云检测”(激光与光电子学进展,2019,56(18))中提出了基于改进M型卷积网络的RGB的彩色遥感图像云检测方法。该方法首先对原始数据集进行增强，并标注对应的像素级标签；然后空洞空间金字塔池化在不丢失信息的前提下提取图像多尺度特征，并结合残差单元使网络不易出现退化；最后利用编码器模块与左路径提取图像全局上下文信息，解码器模块与右路径恢复图像空间分辨率，根据融合后的特征判别每个像元的类别概率，输入分类器进行像素级的云和非云分割。该方法虽然利用M型卷积模型实现像素级的语义分割，最终达到了较好的云检测效果，但是，该方法仍然存在的不足之处是，由于光谱图像的波段较多，使得M型卷积网络训练过程复杂繁琐，并且使用像素级的云区域检测方法会使得检测结果中出现空洞和断裂等情况，导致检测结果出现漏检、虚警率上升，云检测精度降低。

现有云检测技术对于热红外光谱依赖较大并且多是像素级的云检测方法，它们对遥感图像的分辨率要求过高，并且对背景复杂以及云层较厚的多光谱图像云检测精度较低。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种对背景复杂以及云层较厚的多光谱图像云检测精度较高的基于半监督空谱特征的多光谱图像云检测方法。

本发明是一种基于半监督空谱特征的多光谱图像云检测方法，其特征在于，包括有如下步骤：

(1)输入多光谱图像：输入要进行检测的带有云干扰的多光谱图像，并提取其自协矩阵R和多光谱数据B；

(2)对多光谱图像实施波段选择：利用波段选择算法在输入的多光谱图像中选取可见光波段图像，用于多光谱图像的空间特征提取；