一種多特征聯合的光學衛星影像云與云陰影檢測方法
【技術領域】
[0001] 本發明屬于遙感圖像處理技術領域，涉及一種云與云陰影檢測方法，具體涉及一 種多特征聯合的光學衛星影像云與云陰影檢測方法。
【背景技術】
[0002] 在光學衛星影像云與云陰影檢測中，人工目視檢測精度高、可靠性高，但自主性 強、效率低，無法統一標準進行檢測。自動的云與云陰影檢測方法能根據云與云陰影的光譜 特征，能更為高效客觀地提取影像中云與云陰影的位置。然而，由于大多光學衛星影像中缺 少水汽吸收波段或熱紅外波段，且云與云陰影的光譜特征變化范圍較大，導致難以實現較 高精度地云影自動檢測。
[0003]已有的對光學衛星影像中云與云陰影進行檢測的方法，大部分僅依靠光譜特征， 對于僅有可見光與近紅外波段的影像而言，這類型方法通常會漏檢薄云并將高亮地物錯檢 為云，難以達到較好的云與云陰影綜合檢測結果。
【發明內容】
[0004] 為了解決上述技術問題，本發明提供了一種多特征聯合的光學衛星影像云與云陰 影檢測方法。
[0005] 本發明所采用的技術方案是:一種多特征聯合的光學衛星影像云與云陰影檢測方 法，其特征在于，包括以下步驟：
[0006] 步驟1:檢測光學衛星影像中的厚云，生成粗糙的云掩膜；
[0007] 步驟2:通過局部優化策略，檢測厚云周圍的薄云，生成精細的云掩膜；
[0008] 步驟3:構建基于對象的云過濾器，剔除精細云掩膜中可能存在的非云高亮地物對 象，經處理后生成最終的云掩膜；
[0009] 步驟4:在光學衛星影像中陸地和水體區域分別提取陰影，構建基于對象的陰影過 濾器，剔除陰影掩膜中可能存在的水體，生成最終的陰影掩膜；
[0010] 步驟5:結合云與陰影掩膜，通過面向對象的云陰影匹配及校正，云陰影掩膜局部 優化及基于對象的云陰影過濾，經處理后生成最終的云陰影掩膜；
[0011] 步驟6:合并云掩膜與云陰影掩膜并輸出。
[0012] 作為優選，步驟1的具體實現過程是通過輻射定標將原始光學衛星影像從DN值轉 換為大氣反射率，根據光學衛星影像中云的光譜特征，選擇云指數、可見光波段比、單波段 閾值作為約束條件，對原始的光學影像進行閾值分割，提取影像中厚云所在的位置，生成粗 糙的云掩膜；
[0013] 其中云指數Cloud Index、可見光波段比Band Ratio分別為：
[0014] Cloud Index = RB~0.6 · Rr (1)；
[0015]
[0016] 其中Rr，Rg，Rb分別表示可見光紅、綠、藍三個波段的大氣反射率。
[0017] 作為優選，步驟2的具體實現過程是以粗糙的云掩膜作為輸入影像，分別以云指數 圖、近紅外波段影像作為引導影像進行引導濾波，并對輸出的灰度圖進行閾值分割，從而得 到新生成的云掩膜;檢測影像中的水體，將影像劃分為陸地和水體區域；以新生成的云掩膜 作為輸入影像，以真彩色影像作為引導影像進行引導濾波，并對輸出的灰度圖分陸地和水 體區域分別進行閾值分割，完成此步的局部優化策略后生成初步的云掩膜。
[0018] 作為優選，步驟3的具體實現過程是將初步的云掩膜中八鄰域相連的云像元以對 象的形式聚合，提取每個對象的幾何與紋理特征，根據云與非云對象在幾何與紋理特征上 的差異判定非云對象并從掩膜中剔除，刪除像元數量低于或等于5個像素的對象，填充云掩 膜中的孔洞，生成最終的云掩膜；
[0019] 所述紋理特征是由旋轉不變局部二值模式(LBP)算子提取的顯著性直方圖特征組 成;所述幾何特征包括分形維數FD和旋轉外接矩形長寬比LWR:
[0020]
[0021]
[0022] 其中girth和area分別表示對象的周長與面積，length和width分別表示對象旋轉 外接矩形的長寬。
[0023]作為優選，所述根據云與非云對象在幾何與紋理特征上的差異判定非云對象并從 掩膜中剔除，其判定準則包括以下子步驟：
[0024]步驟3.1:計算對象的面積Area、分形維數FD及其旋轉外接矩形長寬比LWR;在滿足 Area小于40000的前提下，如果FD大于1.54或LWR大于6,則判定當前對象為非云對象，并繼 續對下一個對象進行判定;否則進入步驟 3.2;
[0025] 步驟3.2:在未滿足步驟3.1中條件的情況下，如果對象的Area小于4000且LWR大于 5，則判定當前對象為非云對象，并繼續對下一個對象進行判定;否則進入步驟3.3;
[0026] 步驟3.3:在未滿足步驟3.1和步驟3.2中條件的情況下，計算當前對象外接矩形長 寬各拓展0.1倍后的區域(同時強制使得外接矩形最小的長或寬為16個像素)的旋轉不變模 式LBP紋理直方圖，并計算其與云對象與非云對象模板的紋理直方圖的卡方距離分別為 DisC和DisN，如果DisC減DisN的差大于0.02且DisN小于0.1，則判定當前對象為非云對象， 并繼續對下一個對象進行判定;否則繼續對下一個對象進行判定。
[0027] 作為優選，步驟4的具體實現過程是通過Flood-fill分別對影像的近紅外波段影 像以及可見光均值圖進行形態學變換，提取變換前后反射率差異大于0.06和0.01的位置分 別作為影像中的陸地與水體中的陰影;結合前期檢測的水體，通過基于對象的陰影過濾，從 陰影中剔除可能存在的水體，從而生成陰影掩膜。
[0028]作為優選，步驟5的具體實現過程是結合云掩膜與陰影掩膜，進行基于對象的云與 云陰影匹配，并根據陰影掩膜進行基于對象的云陰影校正，從而生成粗糙的云陰影掩膜；以 云陰影掩膜為輸入影像，假彩色圖作為引導影像進行引導濾波，對輸出結果進行二值化得 到初步的云陰影掩膜;在此基礎上進行基于對象的云陰影過濾，并刪除像元數量低于或等 于7個像素的對象，填充云陰影掩膜中的孔洞并膨脹1~3個像素，生成最終的云陰影掩膜。 [0029]本發明的優點在于：
[0030] (1)本發明聯合光譜、幾何、紋理多特征，通過局部優化策略及基于對象過濾，基本 解決了光學衛星影像中薄云難檢測、高亮地物難去除的問題，顯著提高了云檢測精度； [0031] (2)本發明在云與云陰影匹配后增加基于對象的云陰影校正等過程，并優化了水 體區域云陰影的檢測，相比其它方法，能得到更好地云陰影檢測結果；
[0032] (3)以高分一號GF-1WFV影像(尺寸約17000X16000)為例，本發明能在短時間20s 內快速準確估計影像中的云覆蓋量，或以正常的處理速度1~5min內實現云與云陰影位置 的精準檢測。
[0033]總之，本發明提出的方法可有效地檢測光學衛星影像中云與云陰影，實現高精度 自動檢測。
【附圖說明】
[0034]圖1:本發明實施例的總體流程。
[0035]圖2:本發明實施例的詳細流程。
[0036]圖3:本發明實施例步驟2中局部優化策略的實例說明。
[0037]圖4:本發明實施例步驟3中面向對象的云過濾判定流程。
[0038]圖5:本發明實施例步驟3中面向對象的云過濾的實例說明。
[0039]圖6:本發明實施例步驟5中的面向對象的云陰影匹配及校正圖示說明。
[0040]圖7:本發明實施例的光學衛星影像云與云陰影檢測結果圖示說明。
【具體實施方式】
[0041]為了便于本領域普通技術人員理解和實施本發明，下面結合附圖及實例對本發明 作進一步的詳細描述，應當理解，此處所描述的實施示例僅用于說明和解釋本發明，并不用 于限定本發明。
[0042]在利用光譜特征的基礎上，在厚云周圍通過局部優化策略進一步提取薄云，以及 幾何與紋理特征的聯合應用，可在一定程度上解決薄云難檢測、高亮地物難去除問題，從而 實現高精度地自動云覆蓋量快速估計及云與云陰影精確檢測。基于上述理論，請見圖1和圖 2,本發明提供的一種多特征聯合的光學衛星影像云與云陰影檢測方法，包括以下步驟： [0043]步驟1:基礎云檢測。通過輻射定標將原始影像從DN值轉換為大氣反射率，根據光 學衛星影像中云的光譜特征，選擇云指數、可見光波段比、單波段閾值作為約束條件，對原 始的光學影像進行閾值分割，提取影像中厚云所在的位置，生成粗糙的云掩膜。其中云指數 (Cloud Index)、可見光波段比(Band Ratio)定義如下：
[0044] Cloud Index = RB~0.6 · Rr (1)；
[0045]
[0046] 其中Rr，Rg，Rb分別表示可見光波譜范圍紅、綠、藍波段的大氣反射率。
[0047]步驟2:精細化云掩膜。以粗糙的云掩膜作為輸入影像，分別以云指數圖、近紅外波 段影像作為引導影像進行引導濾波，并對輸出的灰度圖進行閾值分割，此步可通過引入更 多的波段信息去除云掩膜中的雜質，從而得到新生成的云掩膜。檢測影像中的水體，將影像 劃分為陸地和水體區域。以新生成的云掩膜作為輸入影像，以真彩色影像作為引導影像進 行引導濾波，并對輸出的灰度圖分陸地和水體區域分別進行閾值分割，完成此步的局部優 化策略后生成初步的云掩膜，如圖3所示。
[0048]步驟3:整體改善云掩膜。將初步云掩膜中八鄰域相連的云像元以