基于多特征融合和图割模型的遥感影像云检测算法研究

摘要

随着对地观测技术的迅速发展，遥感卫星传感器的分辨率越来越高，这些高分影像产品广泛应用于环境监测、抗震救灾、农林业建设、智慧交通工程等方方面面。然而，地球上空常年含有云层，从卫星传感器向下拍摄地球不可避免的会将这些云层拍摄入内。云层的存在，一方面对地物产生了遮挡，造成地表信息的缺失，给目标识别、变化检测、地物分类等带来不利影响，另一方面，在4D产品的生产过程中含云量较多的影像往往被弃之不用，造成影像数据的浪费。因此对遥感影像上的云层进行检测，对于后续的云区修复处理、图像分析、影像匹配、目标检测和提取等都具有十分重要的意义。 本文针对高分遥感影像波段数少，波谱范围窄，地物细节丰富，数据量大的特点提出了一种基于多特征融合和图割模型的遥感影像云检测算法。算法首先将影像转换到HSL色彩空间中生成光谱特征底图，然后对影像进行超像素分割，并对分割出的超像素块进行亮度阈值分割，粗略提取云区。接着根据云不应含有线型结构特征的特点，利用Gabor纹理检测算子检测出影像中含有线型特征的人造地物，在利用亮度阈值提取出的云区基础上将高亮度人造地物排除，得到更加优化的云区。在此之后，利用膨胀和收缩运算，为图割模型确定最终的云区种子点、非云区种子点和待分类像素点。在使用图割模型进行优化分类时，本文分析了经典图割模型的缺点，对经典图割模型进行了改进，使其更加适用于高分遥感影像上的云区检测。 最后，本文选取了具有代表性的高分含云影像进行实验。根据定性分析和定量评价对每一步结果进行对比实验和评析，验证了每一步操作都对上一步结果起到了优化作用。此外，还将本文提出的图割模型与经典图割模型进行对比，评估了算法提取云区的定价指标和运行效率。实验结果显示，本文云检测算法有较高的准确率、查全率和较低的错误率，且比经典图割模型运算速度快。通过实验结果，充分证明了本文云检测算法的可行性和实用性。

目录

声明

摘要

1．1研究目的与意义

1．2国内外研究现状

1．3研究内容与技术路线

1．4论文的组织结构

第2章多特征融合的云区提取

2．1基于光谱特征的云区提取

2．1．1高分影像上云层光谱特征分析

2．1．2含云影像基底图生成

2．1．3面向对象的亮度阈值分割提取云区

2．2基于纹理特征人造地物的排除

2．2．1高分影像上云层纹理特征分析

2．2．2 Gabor线型纹理特征图生成

2．2．3基于Gabor特征的人造地物提取

2．3综合光谱和纹理特征确定云区

2．4本章小结

第3章基于改进的图割模型的云区优化

3．1图割模型基本原理

3．1．1图论基础

3．1．2图割模型简介

3．1．3图割模型求解

3．2经典二分类图割模型能量函数

3．2．1经典图割模型能量函数构建

3．2．2经典图割模型能量函数在影像分类中的应用

3．3适用于云检测的图割模型能量函数

3．3．1能量函数区域项的确定

3．3．2能量函数边界项的确定

3．3．3改进的图割模型能量函数在云检测中的应用

3．4本章小结

第4章实验与分析

4．1实验数据

4．2实验评价方法

4．3实验结果与分析

4．3．1面向对象的亮度阈值分割云检测实验结果与分析

4．3．2综合光谱特征和纹理特征云检测实验结果与分析

4．3．3基于改进的图割模型云检测实验结果与分析

4．4本章小结

第5章总结与展望

5．1主要工作与创新

5．2待迸一步解决和研究的问题

参考文献

致谢