[发明专利]一种基于遥感影像的云及云阴影检测方法和装置

说明书

本发明提供了一种基于遥感影像的云及云阴影检测方法和装置，涉及遥感影像处理的技术领域，包括：获取待识别遥感影像数据，对待识别遥感影像数据进行归一化处理，得到归一化影像数据；对归一化影像数据进行分割，得到分割影像数据；基于归一化影像数据和分割影像数据，构建目标影像数据，其中，目标影像数据中包括：待识别遥感影像数据中的疑似云影像数据和疑似云阴影影像数据；基于空间几何模型和形状匹配算法，对目标影像数据进行检测，得到检测结果，其中，检测结果中包含待识别遥感影像数据中的云影像数据和云阴影影像数据，解决了现有的云及云阴影检测方法的检测效率和准确性较低的技术问题。

技术领域

本发明涉及遥感影像处理的技术领域，尤其是涉及一种基于遥感影像的云及云阴影检测方法和装置 。

背景技术

卫星遥感技术凭借其大范围、长时间、成本低的优势，已被广泛应用于国土监测、生态保护、减灾防灾等诸多领域，然而典型多光谱遥感影像易受到云及云阴影的干扰，降低其数据质量，严重制约着卫星遥感在各行业的应用，云及云阴影检测已成为典型多光谱遥感影像预处理的首要前提。

目前，云及云阴影检测大体可分为阈值法和机器学习法两大类。阈值法主要通过云及云阴影在的多光谱遥感影像不同波段的光谱特征，构建若干光谱阈值条件，以实现云及云阴影的自动化检测，但是该方法通常需要多波段运算，且需要计算大气表观反射率（Top of Atmosphere Reflectance，TOA）以及反演温度，计算过程比较复杂，特别的是典型多光谱遥感影像一般只有四个可用波段，严重制约着该方法在典型遥感影像的应用；机器学习法通常将云或云阴影视为一种地物类型，并通过已有的样本数据集，构建特定的分类器，进行云及阴影的识别，但是该方法需要用到大量人工标记的样本，同时需不断更新样本，所以自动化程度较低且算法复杂。

针对上述问题，还未提出有效的解决方案。

发明内容

有鉴于此，本发明的目的在于提供一种基于遥感影像的云及云阴影检测方法和装置，以缓解了现有的云及云阴影检测方法的检测效率和准确性较低的技术问题。

第一方面，本发明实施例提供了一种基于遥感影像的云及云阴影检测方法，包括：获取待识别遥感影像数据，对所述待识别遥感影像数据进行归一化处理，得到归一化影像数据；对所述归一化影像数据进行分割，得到分割影像数据；基于所述归一化影像数据和所述分割影像数据，构建目标影像数据，其中，所述目标影像数据中包括：所述待识别遥感影像数据中的疑似云影像数据和疑似云阴影影像数据；基于空间几何模型和形状匹配算法，对所述目标影像数据进行检测，得到检测结果，其中，所述检测结果中包含所述待识别遥感影像数据中的云影像数据和云阴影影像数据。

进一步地，获取待识别遥感影像数据，对所述待识别遥感影像数据进行归一化处理，得到归一化影像数据，包括：基于所述待识别遥感影像数据，确定出所述待识别遥感影像数据的属性数据，其中，所述属性数据包括：卫星几何信息、空间范围、获取时间和量化值；基于所述量化值，对所述待识别遥感影像数据进行归一化处理，得到归一化影像数据。

进一步地，对所述归一化影像数据进行分割，得到分割影像数据 ，包括：基于预设步长，分别对所述归一化影像数据进行点位提取，得到点位集合；基于所述点位集合中的各个点位的数字量值，构建样本数据；利用所述样本数据，构建最大期望-高斯混合模型；基于所述最大期望-高斯混合模型，对所述归一化影像数据进行分割，得到所述分割影像数据。

进一步地，基于所述最大期望-高斯混合模型，对所述归一化影像数据进行分割，得到分割影像数据，包括：利用所述最大期望-高斯混合模型，确定出所述归一化影像数据中每个像素对应的地类；基于所述归一化影像数据中每个像素对应的地类，对所述归一化影像数据进行分割，得到所述分割影像数据。