[发明专利]基于支持向量机的光学卫星遥感影像云雪雾检测方法

摘要

本发明公开了一种基于支持向量机的卫星遥感影像云、雪、雾检测方法，包括以下步骤：首先，收集不同类型的大量地物和云、雪、雾样本影像数据影像作为训练集，获得影像的灰度和纹理特征组成特征集合；通过支持向量机的方法对所有样本的特征集合进行机器学习获得云、雪、雾影像分类器。其次，使用得到的云、雪、雾影像分类器确定待测影像的类别，并进行形态学闭运算和重叠区域校正，判断遥感影像中目标区域类型；最后，重新选择训练样本获得新的影像分类器，对待测卫星遥感影像进行二次检测，并与第一次检测作比较，最终确定待测遥感影像的云、雪、雾的判定结果。实验结果表明本发明方法能够获得较高的检测精度。

主权项

1.基于支持向量机的光学卫星遥感影像云雪雾检测方法，其特征在于，包括如下步骤：/n步骤1，收集大量的云、雪、雾和地物样本影像数据；/n步骤2，提取各类样本影像的灰度特征和纹理特征组成特征向量；/n步骤3，利用支持向量机训练样本影像的特征向量，分别得到由决策函数构成的云影像分类器、雪影像分类器和雾影像分类器；/n步骤4，对待测卫星遥感影像的原始影像进行降采样处理以获取缩略图，对缩略图进行影像切分得到子影像，计算所有子影像的灰度特征和纹理特征组成的特征向量；/n步骤5，对待测卫星遥感影像的子影像进行分类，包括以下子步骤，/n步骤5.1，将步骤4提取的特征向量分别输入到步骤3得到的云、雪、雾影像分类器中进行预测分类；/n步骤5.2，将全部子影像按照目标区域的类型划分为云区、雾区、雪区和地物区；/n步骤5.3，按照云与地物区，雾与地物区，雪与地物区划分为三幅二值化图像，其中每幅图像中的地物区取相同的零值，云、雪、雾区取不同的图像值；/n步骤6，对步骤5得到的分类结果进行形态学“闭”运算；/n步骤7，比较同一位置三幅二值化的图像值，获得待测卫星遥感影像中云、雪、雾的检测结果；/n步骤7.1，比较同一位置三幅二值化的图像值，若三幅图像同一位置的图像值相同，则判定该位置为地物区；若同一位置存在两种相同的值，则判定该位置为第三种图像值所代表的类别区域；若同一位置三幅图像的图像值均不同，则判定该位置是存在云、雪、雾的重叠区域，并将其中存在零值的点记为二重叠区域，将不存在零值的点记为三重叠区域；/n步骤7.2，重复步骤7.1，比较三幅二值化图像的所有图像值，得到云、雪、雾区和地物区以及重叠区域的判别结果，并对重叠区域进行校正；首先判断重叠区域是否包含于其它区域，若包含则将该重叠区域替换为其他区域；其次判断二重叠区域类别，若与某一确定类别区域外接，则判定该重叠区域的类别为重叠区域除去确定的外接类别后的类别，若没有则待三重叠区域类别判定完毕后确认；对于三重叠区域，若与某一确定类别区域外接，则判定该重叠区域为除去外接类别后的二重叠区域，若与二重叠区域外接，则判定该重叠区域的类别为重叠区域与其外接的二重叠区域类别不相同的类别；最后判定二重叠区域仅外接不同二重叠区域的情况，分别将这些区域判定为除去共有类别之后的类别，最终得到判定结果；/n步骤7.3，将判定结果进行形态学“闭”运算，得到待测卫星遥感影像中云、雪、雾的检测结果。/n