高分辨率卫星遥感图像云检测方法研究

摘要

为提高遥感卫星图像数据的传输效能,针对遥感图像云覆盖引起的信息丢失,本文提出了一种基于高分辨率光学卫星遥感图像的云检测方法。通过仿真实验验证,本文方法的云检测概率为98.3％,检测误差为2.6%,相比于其它方法,具有更高的性能。文章的主要研究工作及研究成果如下:
　　(1)针对高分辨率全色遥感图像的特点,提出了基于云与地物模式分类的遥感图像云检测总体方案,克服了传统多谱段阈值方法的不足;
　　(2)基于高分辨率遥感图像中云与地物的属性差异,分别从辐射特性,几何特性以及纹理特性等角度提取特征参量,建立分类特征空间;
　　(3)针对分类特征空间维数过高引起的信息冗余,本文首先基于可分离度阈值,进行特征参量选择。并在此基础上,提出了基于最大似然估计的特征矢量压缩算法,有效地去除了各特征参量之间的相关性冗余,大幅度提高了两类样本的分离效果;
　　(4)在压缩子空间中,应用改进的模糊C均值聚类法(FCM)以及支持向量机(SVM)聚类算法对卫星图像样本进行分类训练,完成云检测分类器的设计优化,通过仿真对比实验验证了分类器的检测性能。并在此基础上,设计开发了基于图形用户界面(GUI)的云检测软件系统。
　　本文所研究的高分辨率卫星遥感图像云检测方法将为在轨云去除,数据压缩等应用提供理论基础。

目录

封面

中文摘要

英文摘要

目录

第1章 绪 论

1.1课题背景及研究目的与意义

1.2国内外研究现状与分析

1.3云检测总体方案设计

1.4主要研究内容及结构安排

第2章 云与地物分类特征提取技术研究

2.1引言

2.2云的物理特性与成像特性分析

2.3云与地物特征提取方法研究

2.4本章小结

第3章 特征选择与压缩算法研究

3.1引言

3.2基于可分离度阈值的特征选择方法研究

3.3特征空间线性压缩算法研究

3.4本章小结

第4章 云与地物模式分类技术研究

4.1引言

4.2改进的模糊C均值聚类法

4.3支持向量机聚类法

4.4实验与分析

4.5云检测软件系统的设计与实现

4.6本章小结

结论

参考文献

攻读学位期间发表的学术论文及科研成果

声明

致谢