一种多光谱遥感图像去云和去条带的方法和装置

摘要

本发明公开了一种多光谱遥感图像去云和去条带方法和装置。该方法包括：确定待处理遥感图像对应的时间和区域，其中，待处理遥感图像由空间不连续的数据构成；获取与时间相邻N天的、对应区域的晴空遥感图像的数据集，N为预设值；建立待处理遥感图像与数据集的统计学关系式；以及反推统计学关系式得到空间连续的数据。通过本发明，能够提高将空间不连续数据转化为连续数据时的准确性。

说明书

技术领域

本发明涉及遥感图像技术领域，具体而言，特别涉及一种多光谱遥感图像 去云和去条带方法和装置，能够将空间不连续的数据转化为空间连续的数据， 达到去云或去条带的目的，恢复云下或条带信息的目的。

背景技术

遥感图像目前已广泛应用于卫星图像处理、全球变化研究等各种应用中， 其中，具体在土地覆盖分类、变化检测、资源调查、农业估产、环境质量评价、 灾害评估、气象预报等应用中，需要空间连续的数据构成的遥感图像，但是由 于气象因素或传感器等硬件因素，使得遥感图像中有云或条带等，从而遥感图 像的数据在空间上不连续。

在现有技术中，对遥感图像去云和去条带，也即将空间不连续的数据转化 为空间连续的数据时，一般采用以下的思路：在建立待研究区域的遥感图像与 其周围区域的遥感图像的关系后，借助该周围区域的晴空遥感图像，恢复待研 究区域云下或条带下的信息，使得数据在空间上连续，也即达到对遥感图像去 云和去条带的目的。

然而，由于待研究区域与其周围区域的地物不同，二者建立的关系也很不 稳定，从而在将空间不连续数据转化为连续数据时，准确性较差。

发明内容

本发明的主要目的在于提供一种多光谱遥感图像去云和去条带的方法和 装置，以解决现有技术中将空间不连续数据转化为连续数据时准确性较差的问 题。

依据本发明的一个方面，提供了一种多光谱遥感图像去云和去条带的方 法，该方法包括：确定待处理遥感图像对应的时间和区域，其中，待处理遥感 图像由空间不连续的数据构成；获取与时间相邻N天的、对应区域的晴空遥感 图像的数据集，N为预设值；建立待处理遥感图像与数据集的统计学关系式； 以及反推统计学关系式得到空间连续的数据。

进一步地，待处理遥感图像和晴空遥感图像均包括M个波段，M为正整数， 建立待处理遥感图像与数据集的统计学关系式具体为：针对每一个波段，分别 建立待处理遥感图像与数据集的统计学关系式，得到M个统计学关系式；反推 统计学关系式得到空间连续的数据具体为：反推M个统计学关系式得到M组空 间连续的数据。

进一步地，第一波段为M个波段中的任一波段，针对第一波段，建立待处 理遥感图像与数据集的统计学关系式包括：对待处理遥感图像的第一波段与数 据集中N天的晴空遥感图像的第一波段进行线性回归分析，以得到统计学关系 式。

进一步地，第二波段为M个波段中的任一波段，针对第二波段，建立待处 理遥感图像与数据集的统计学关系式包括：对数据集中N天的晴空遥感图像的 第二波段进行主成分分析；分别获取主成分分析后的前P个主成分分量，得到 一组主成分分量，P为正整数，P<N；对待处理遥感图像的第二波段与一组主 成分分量做线性回归分析，以得到统计学关系式。

进一步地，P为2，M为5。

进一步地，待处理遥感图像为具有云或条带的图像。

依据本发明的一个方面，提供了一种多光谱遥感图像去云和去条带装置， 该装置包括：确定模块，用于确定待处理遥感图像对应的时间和区域，其中， 待处理遥感图像由空间不连续数据构成；获取模块，用于获取与时间相邻N 天的、对应区域的晴空遥感图像的数据集，N为预设值；统计模块，用于建立 待处理遥感图像与数据集的统计学关系式；以及反推模块，用于反推统计学关 系式得到空间连续的数据。

进一步地，待处理遥感图像和晴空遥感图像均包括M个波段，M为正整数， 统计模块具体执行以下步骤：针对每一个对应波段，分别建立待处理遥感图像 与数据集的统计学关系式，得到M个统计学关系式；反推模块具体执行以下步 骤：反推M个统计学关系式得到M组空间连续的数据。

进一步地，第一波段为M个波段中的任一波段，统计模块在针对第一波段， 建立待处理遥感图像与数据集的统计学关系式时，具体执行以下步骤：对待处 理遥感图像的第一波段与数据集中N天的晴空遥感图像的第一波段进行线性 回归分析，以得到统计学关系式。

进一步地，第二波段为M个波段中的任一波段，统计模块在针对第二波段， 建立待处理遥感图像与数据集的统计学关系式时，具体执行以下步骤：对数据 集中N天的晴空遥感图像的第二波段进行主成分分析；分别获取主成分分析后 的前P个主成分分量，得到一组主成分分量，P为正整数，P<N；对待处理遥 感图像的第二波段与一组主成分分量做线性回归分析，以得到统计学关系式。

通过本发明，在将遥感图像对应的空间不连续的数据转化为空间连续的数 据，也即，对遥感图像去云或去云带时，考虑数据的时间序列信息，建立待处 理遥感图像与待处理遥感图像时间相邻几天的晴空遥感图像之间的统计学关 系式，再反推统计学关系式得到空间连续的数据，与传统利用周围区域信息相 比，由于相邻几天内，也即短期内地物类型变化不会太大，时间序列信息更可 靠，解决了现有技术中准确性较差的问题。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术 手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、 特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领 域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并 不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的 部件。在附图中：

图1是根据本发明第一实施例的一种多光谱遥感图像去云和去条带方法 的流程图；

图2是根据本发明第二实施例的一种多光谱遥感图像去云和去条带方法 的流程图；

图3是根据本发明第三实施例的一种多光谱遥感图像去云和去条带方法 的流程图；以及

图4是根据本发明第四实施例的一种多光谱遥感图像去云和去条带装置 的框图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步说明。需要指出的是，在 不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

实施例一

本发明实施例一提供了一种多光谱遥感图像去云和去条带方法，参见图 1，该方法可以包括以下步骤：

步骤S102：确定待处理遥感图像对应的时间和区域。

由于气象因素或传感器等硬件因素，导致部分遥感图像的数据在空间上不 连续，例如遥感图像中有云或有条带，由于云或条带导致数据的空间不连续， 该实施例中对该类遥感图像进行处理。

在确定待处理遥感图像之后，进一步确定其地理属性和时间属性，也即确 定其是哪一区域、哪一天的图像。

步骤S104：获取与时间相邻N天的、对应区域的晴空遥感图像的数据集。

在步骤S102中确定要获取的晴空遥感数据图像的区域和时间之后，在该 步骤中，获取在与这一时间相邻N天的、对应于这一区域的晴空遥感图像，构 成一个数据集，其中，N为预设值，例如N为6。

步骤S106：建立待处理遥感图像与数据集的统计学关系式。

在该步骤中，通过统计分析方法，建立待处理遥感图像与数据集的统计学 关系式，例如将二者进行线性回归分析等。

步骤S108：反推统计学关系式得到空间连续的数据。

对得到的统计学关系式进行反推，反推后即可得到空间连续的数据，也即 对待处理图像的云或条带部分的数据进行了补充，实现了图像上的去云和去条 带。

优选地，待处理遥感图像和晴空遥感图像均包括M个波段，M为正整数， 在步骤S106中，针对每一个对应波段，分别建立待处理遥感图像与数据集的 统计学关系式，能够得到M个统计学关系式；在步骤S108中，反推M个统计 学关系式得到M组空间连续的数据。

采用该实施例，在将遥感图像对应的空间不连续的数据转化为空间连续的 数据，也即，对遥感图像去云或去云带时，考虑数据的时间序列信息，利用待 处理遥感图像时间相邻几天的晴空遥感图像的数据进行确定，与传统利用周围 区域信息相比，由于相邻几天内，也即短期内地物类型变化不会太大，时间序 列信息更可靠，从而转化得到的空间连续数据更准确。

实施例二

该实施例为在实施例一的基础上进一步优选的多光谱遥感图像去云和去 条带方法，参见图2，该方法可以包括以下步骤：

步骤S202：确定待处理遥感图像对应的时间和区域。

该步骤与上述步骤S102相同，此处不再赘述。

待处理遥感图像的数据包括4个波段的数据，也即B0＝{b1,b2,b3,b4}。

步骤S204：获取与时间相邻5天的、对应区域的晴空遥感图像的数据集A。

A＝{A1,A2,A3,A4},其中，每一个波段包括5天的数据，也即 Ai＝{a1,a2,a3,a4,a5}，i＝1,2,3,4。

步骤S206：依次对数据集A中每一波段的5天的数据进行主成分分析。

在该步骤中，对每一个Ai中5天的数据(a1,a2,a3,a4,a5)进行主成分分 析，共需完成4次主成分分析(每个波段一次)。

步骤S208：获取每次主成分分析后的前2个主成分分量。

每次主成分分析后，均获取前2个主成分分量，每一个波段对应2个主成 分分量，也即4个波段依次得到4组主成分分量，每组包括对应该波段的2 个主成分分量。

步骤S210：对待处理遥感图像的波段值与4组主成分分量分别做线性回 归分析，以得到4个统计学关系式。

也即，对b1与第一个波段的主成分分量、b2与第二个波段的主成分分量、 b3与第三个波段的主成分分量、b4与第四个波段的主成分分量分别各自进行 线性回归分析，得到每一波段对应的统计学关系式。

步骤S212：在有云或条带区反推4个统计学关系式，得到有云或条带区 的数据，与待处理遥感图像对应波段的连续数据分别组合，得到4组空间连续 的数据。

4组空间连续的数据为{b1`,b2`,b3`,b4`},实现由空间不连续数据 {b1,b2,b3,b4}转化为空间连续数据{b1`,b2`,b3`,b4`}。

采用该优选实施例，采用新思路，充分利用数据时间序列信息，借助主成 分分析方法能准确实现空间不连续数据的恢复，实现云或条带区的数据恢复； 进一步地，在有云或条带区反推统计学关系式，能够减少数据运算。

实施例三

该实施例为在实施例一的基础上进一步优选的多光谱遥感图像去云和去 条带方法，参见图3，该方法可以包括以下步骤。

(1)收集与待处理遥感图像(有云或有条带)相邻几天的晴空数据，至 少保证相邻时间的影像在云或有条带区是晴空的。

(2)针对上述晴空数据的某一个波段，在晴空区域内，将相邻几天的晴 空遥感图像对应的波段做主成分分析，并保留前2个主成分分量。对于某一天 来说，若有5个波段，就需要做5次主成分分析。

(3)待处理影像的对应波段值与(2)中主成分分量做线性回归分析，建 立待处理影像与主成分分量的关系。

(4)上述处理逐波段做，这样就能将多光谱影像每个波段的云或条带准 确祛除。

由于短期内地物类型变化不会太大，时间序列信息更可靠。因此，本申请 利用一种全新的思路，充分考虑数据的时间序列信息实现云或条带区地物的恢 复，实现去云或去条带目的。传统的遥感图像去云或去条带基本都利用周围地 物的信息，而没用到相对可靠的时间序列信息，该实施例充分利用数据时间序 列信息，借助主成分分析方法实现云或条带区的数据恢复。

以上是对本发明所提供的多光谱遥感图像去云和去条带方法进行的描述。 下面将对本发明提供的多光谱遥感图像去云和去条带装置进行描述，需要说明 的是，该装置可用于执行上述任意一种多光谱遥感图像去云和去条带方法。

实施例四

与本发明实施例一提供的多光谱遥感图像去云和去条带方法相对应，本发 明实施例还提供了一种多光谱遥感图像去云和去条带装置，参见图4，该装置 可以包括确定模块420、获取模块440、统计模块460和反推模块480。

确定模块420用于确定待处理遥感图像对应的时间和区域，其中，待处理 遥感图像由空间不连续数据构成，例如为具有云或条带的图像。获取模块440 用于获取与时间相邻N天的、对应区域的晴空遥感图像的数据集，N为预设值。 统计模块460用于建立待处理遥感图像与数据集的统计学关系式。反推模块 480用于反推统计学关系式得到空间连续的数据。

优选地，待处理遥感图像和晴空遥感图像均包括M个波段，M为正整数， 统计模块460具体执行以下步骤：针对每一个对应波段，分别建立待处理遥感 图像与数据集的统计学关系式，得到M个统计学关系式；反推模块480具体执 行以下步骤：反推M个统计学关系式得到M组空间连续的数据。

优选地，第一波段为M个波段中的任一波段，统计模块460在针对第一波 段，建立待处理遥感图像与数据集的统计学关系式时，具体执行以下步骤：对 待处理遥感图像的第一波段与数据集中N天的晴空遥感图像的第一波段进行 线性回归分析，以得到统计学关系式。

优选地，第二波段为M个波段中的任一波段，统计模块460在针对第二波 段，建立待处理遥感图像与数据集的统计学关系式时，具体执行以下步骤：对 数据集中N天的晴空遥感图像的第二波段进行主成分分析；分别获取主成分分 析后的前P个主成分分量，得到一组主成分分量，P为正整数，P<N；对待处 理遥感图像的第二波段与一组主成分分量做线性回归分析，以得到统计学关系 式。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的 都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即 可。对于本申请的装置实施例而言，由于其与方法实施例基本相似，所以描述 的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局 限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可轻易想到的变 化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该 以权利要求的保护范围为准。