遥感图像厚云及其阴影去除技术研究

摘要

遥感图像在成像过程中极易受到云的干扰，特别是被厚云层及厚云阴影遮挡区域的遥感信息完全丢失，降低了遥感数据使用效率，影响了后期专题信息提取的准确性。为此，寻找一种准确去除厚云及其阴影的方法有重要意义。遥感去厚云的目的是有效还原被遮挡区域的遥感信息，并保证其它区域的遥感数据不失真。
　　常规的厚云检测方法有基于支持向量机、基于小波融合、直方图匹配法、同态滤波法、基于多光谱信息的遥感图像算法、多元信息融合算法。此外还有小波变换去云算法、多幅图像叠加法、空间结构修复、基于机器学习的方法等。处理算法随地物的差异以及经拍摄时间的不同而有所不同。多时相去厚云的方法，主要是利用同一地域不同时相且地物状态变化不大的Landsat ETM中高分辨率遥感影像进行小波融合或者支持向量机等方法进行去云。在去云之前，或利用线性回归法或采取直方图匹配法根据不同时相的遥感图片光谱特征调整对比度。也有方法是根据不同波段的图像的光谱特征的相对变化，设计了厚云及其阴影地域分类增强模型，结合该模型和常规的分类模型，检测出厚云及云影区域。
　　本文所采用的试验数据分别来自于Landsat ETM拍摄的广州和珠海地区高分辨率卫星遥感影像。在实验对象中，由于广州不同时相的遥感图片中存在大量的厚云，采取对不同时相图像进行小波变换去厚云及对照厚云区域检测方式去阴影。珠海的多时相遥感图像也存在厚云及阴影，采用分水岭法检测厚云和对照厚云区域检测法、增强阴影模式法、改进型的增强阴影模式法进行阴影检测。并对3种去阴影方法进行了效果比对。全文实验证明，对不同时相图像进行小波变换，有很好的去云效果。按照厚云区域查找阴影范围的方式，能够大致检测出原始遥感图像中厚云阴影区域，基本能解决水体区域与云影区域混淆的问题。改进后的阴影增强模型检测阴影的效果比改进前的效果更好。

目录

摘要

第1章 绪论

1．1 引言

1．2 国内外研究成果和意义

1．3 遥感图像去厚云方法的国内外研究现状

1．4 主要研究内容、行文结构

1．4．1 主要内容

1．4．2 论文结构内容介绍

第2章 遥感图像 厚云去除的相关理论研究

2．1 遥感传感器及其成像原理

2．2 遥感厚云及阴影成像机理

2．3 TM传感器下各波段的数据特点

2．4 小波变换

2．4．1 小波变换的理论简介

2．4．2 小波变换的定义及性质

2．4．3 小波去厚云的原理与方法

2．4．4 小波分解与重构算法的实现

2．5 本章小结

第3章 多时相有云不重叠遥感图像去云及去阴影方法研究

3．1 基于小波融合多时相遥感图像去云方法

3．2 小波法去云的相关参数的选择结果

3．2．1 小波基函数的选择

3．2．2 小波分层数的选择

3．2．3 实验结果所用统计评价方法

3．2．4 小波分解权值的选择

3．3 对照 厚云区域去阴影算法

3．4 各个波段去云去阴影图像

3．5 结论与分析

3．6 本章小结

第4章 多时相有云及无云遥感图像云区域及其阴影检测

4．1 引言

4．2 云区域检测和对照厚云区域的阴影检测算法

4．3 厚云及阴影地域增强模型检测法

4．3．1 验证和发现各个地物的光谱特性规律

4．3．2 厚云及阴影地域增强模型下的云及云影检测

4．4 对照厚云区域检测算法与阴影增强模型下的算法效果对比

4．5 改进厚云阴影增强模型

4．6 结论与分析

4．7 本章小结

第5章 总结与展望

5．1 全文总结

5．2 存在不足之处

5．3 前景展望

参考文献

攻读硕士学位期间的科研及获奖情况

致谢

声明