[发明专利]一种基于高斯拟合函数与模糊混合估计的全色波段遥感影像云检测方法

摘要

本发明提出一种基于高斯拟合函数与模糊混合估计的全色波段遥感影像云检测方法，通过影像自适应二值判断后，实现灰度高亮和低暗两类像素数据的初始标记，然后在两类标记像素中利用模糊估计的方法计算新的高斯拟合函数参数进行灰度二值分割阈值估计，加权计算两类二值分割阈值，得到影像整体的迭代二值标记，在迭代标记上重新进行高斯拟合函数的模糊估计，使得两类数据集二值分割阈值逐渐收敛至相近，最后满足阈值限差，得到最终的高亮图斑灰度分割阈值，实现全色波段遥感影像云检测。本发明的优点是能够通过全色波段影像灰度的自适应分割分类，结合高斯拟合函数与模糊混合估计方法，不断将两类距离较远的高亮图斑灰度迭代收敛到一致的状态，从而计算估计较为准确的云检测阈值，显著提高了检测的精度、广度和深度。

主权项

一种基于高斯拟合函数与模糊混合估计的全色波段遥感影像云检测方法，其特征在于：包括以下步骤，步骤1，自适应初始二值标记，利用Otsu算法对全色波段遥感影像进行自适应二值化分割阈值计算，并根据二值分割将影像根据灰度划分为高亮数据集和低暗数据集；步骤2，高斯拟合函数的模糊统计，在两类数据集上根据直方图的统计结果，利用高斯拟合函数进行模糊估计，分别确定两类数据集的二值分割阈值；步骤3，求取影像整体新的二值标记阈值，根据两个二值分割阈值求取加权的整体数据集二值标记阈值，并重新进行两类数据集的标记和划分；步骤4，迭代过程，重复进行步骤2和步骤3，直至高斯拟合函数模糊估计得到的两类数据集阈值之差小于限定差，迭代结束；步骤5，最终云检测阈值确定，对步骤4所得的两类数据集阈值任取其中之一完成影像的最终二值分割标记，得到最终的高亮数据集和低暗数据集；步骤6，区域整理，对步骤5所得的高亮数据集标记依次进行膨胀和腐蚀的数学形态学操作，从而得到最终的云检测结果。