[发明专利]基于Sobel算子的遥感图像云检测方法

摘要

本发明提供了一种基于Sobel算子的遥感图像云检测方法，解决了遥感图像云检测中运算量大和检测结果不准确的问题，实现步骤为：获取存储于RGB色彩空间的遥感图像在HSI色彩空间的色调分量和亮度分量；获取待检测的存储于RGB色彩空间的遥感图像的显著性图；基于Sobel算子获取地物细节灰度图像；获取地物细节灰度图像的膨胀细节二值图；获取粗检测图像；对粗检测图像进行形态学处理得到优化的粗检测图像；对优化的粗检测图像进行引导滤波和二值化得到最终的云检测结果；本发明先对图像进行色彩空间转换，采用基于Sobel算子的图像细节提取技术，进行遥感图像的云检测，计算量小，检测效果显著，用于遥感图像的预处理过程。

主权项

1.一种基于Sobel算子的遥感图像云检测方法，其特征在于，包括如下步骤：(1)获取遥感图像在HSI色彩空间的色调分量H和亮度分量I：将待检测的大小为M×N×3存储于RGB色彩空间的遥感图像转化为存储于HSI色彩空间的遥感图像，并对存储于HSI色彩空间的遥感图像进行通道分离，得到遥感图像在HSI色彩空间的色调分量H和亮度分量I，其中M≥100,N≥100；(2)获取存储于RGB色彩空间的遥感图像的显著性图X₁：(2a)对色调分量H和亮度分量I分别进行归一化，得到归一化后的色调分量H'和亮度分量I'，并通过H'和I'计算存储于RGB色彩空间的遥感图像的灰度图像X_reflect；(2b)采用大津法计算灰度图像X_reflect的二值分割阈值T₁，并通过T₁对X_reflect中的像素进行划分，将像素值大于或等于T₁的像素作为高亮度像素，其余像素作为低亮度像素，得到存储于RGB色彩空间的遥感图像的显著性图X₁；(3)基于Sobel算子获取存储于RGB色彩空间的遥感图像的地物细节灰度图像X_detail：(3a)利用Sobel算子对亮度分量I进行卷积，得到水平方向的梯度图像G₁和垂直方向的梯度图像G₂：(3b)通过G₁和G₂计算存储于RGB色彩空间的遥感图像的地物细节灰度图像X_detail，其中X_detail中像素坐标位置为(a,b)的像素值的计算公式为：其中，g_1,(a,b)为梯度图像G₁中坐标位置为(a,b)的像素值，g_2,(a,b)为梯度图像G₂中坐标位置为(a,b)的像素值；(4)获取地物细节灰度图像X_detail的膨胀细节二值图X”_detail：(4a)使用大津法计算细节灰度图像X_detail的二值分割阈值T₂，并通过T₁对X_detail中的像素进行划分，将像素值大于或等于T₂的像素作为高亮度像素，其余像素作为低亮度像素，得到地物细节灰度图像X_detail的二值图X'_detail；(4b)对二值图X'_detail进行一次膨胀处理，得到膨胀细节二值图X”_detail；(5)获取存储于RGB色彩空间的遥感图像的粗检测图像X₂：剔除显著性图X₁中与X”_detail相同位置的高亮度像素，得到存储于RGB色彩空间的遥感图像的粗检测图像X₂；(6)对粗检测图像X₂进行形态学处理：(6a)采用连通区域标记法对粗检测图像X₂中的连通区域进行标记，并统计每个连通区域中的像素个数，剔除像素个数小于阈值T的连通区域中的高亮度像素，得到优化粗检测图像X₂'；(6b)对X₂'进行中值滤波，得到存储于RGB色彩空间的遥感图像的优化粗检测图像X₂”；(7)获取存储于RGB色彩空间的遥感图像的云检测结果X_result：(7a)以待检测的存储于RGB色彩空间的遥感图像作为引导层对优化粗检测图像X₂”进行引导滤波，得到精细化分割后的图像X_guided；(7b)采用大津法计算X_guided的二值分割阈值T₃，并将图像X_guided中像素值大于或等于T₃的像素作为云区像素，其余的像素作为非云区像素，得到最终的云检测结果X_result。