專利名稱：基于同質(zhì)化處理的光學(xué)遙感圖像非勻質(zhì)云層判別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種光學(xué)遙感圖像非勻質(zhì)云層判別方法，尤其涉及一種基于同質(zhì)化處理的光學(xué)遙感圖像非勻質(zhì)云層判別方法，屬于模式識別技術(shù)領(lǐng)域。
背景技術(shù)：
本發(fā)明的處理對象是非勻質(zhì)云，它的產(chǎn)生由于陽光入射角度、不同高低云的相互遮擋或者云的不同區(qū)域薄厚不同等因素，造成本來高亮且均勻的云層中出現(xiàn)一些散布的低亮像素。于是，這種類型的云層被認(rèn)為是非勻質(zhì)云，同時勻質(zhì)云則是指那些高亮而又均勻的厚云。目前的云判別的方法主要是針對勻質(zhì)的高亮厚云，通過提取這類云特征，然后利用分類器進(jìn)行判決。常見的勻質(zhì)的高亮厚云的特征提取可以分為以下三個方面:灰度、紋理和邊緣:1)灰度方面的特征通常是基于灰度直方圖的，包括灰度均值、直方圖方差、云的覆蓋率；2)紋理方面的特征最常用的是基于灰度共生矩陣的方法，因為其運算簡單而且檢測效果較好。這種方法首先要統(tǒng)計灰度共生矩陣，然后計算灰度共生矩陣派生特征，包括能量、平穩(wěn)度、對比度、熵等；3)邊緣方面的特征主要是通過對原圖進(jìn)行模板濾波得到的，常見的有Prewitt算子、Roberts算子和Sobel算子。對于分類器，主要種類有鄰近分類器、模糊邏輯分類器、判決樹分類器、神經(jīng)網(wǎng)絡(luò)分類器以及支持向量機(jī)分類器等，而本發(fā)明中所選的是應(yīng)用廣泛并且具有較優(yōu)性能的支持向量機(jī)。支持向量機(jī)(Support Vector Machine, SVM)是 Corinna Cortes 和 Vapnik 等于1995年首先提出的基于統(tǒng)計學(xué)習(xí)理論中VC維理論和結(jié)構(gòu)風(fēng)險最小原理的一種新的學(xué)習(xí)方法，它是以置信范圍值最小化為 優(yōu)化目標(biāo)的。不同于基于經(jīng)驗風(fēng)險最小化的原則的傳統(tǒng)分類方法，支持向量機(jī)是在有限的樣本情況下的學(xué)習(xí)行為，因此解決了小樣本下的分類問題，由于引入VC維理論，從而避免了維數(shù)災(zāi)難的問題。與此同時，支持向量機(jī)還引入了核函數(shù)思想，將復(fù)雜的非線性問題通過空間轉(zhuǎn)換到線性空間求解，從而使算法更加簡單。支持向量機(jī)以其完備的數(shù)學(xué)公式和超強(qiáng)的解決小樣本、非線性、高維數(shù)據(jù)問題的能力，目前已應(yīng)用到很多研究領(lǐng)域。例如人臉識別、數(shù)字識另U、圖像分類等。勻質(zhì)的高亮厚云在利用上面提到的特征通過分類器時能得到很好的分類效果，但對于非勻質(zhì)云則不然。在非人工場景中，同一解譯對象內(nèi)部如果既有高亮像素又有低亮像素，則聞売像素和低売像素之間必然有過渡的中間級灰度。所以，和勻質(zhì)的聞売厚z 相比，非勻質(zhì)云的亮度較低、紋理豐富以及邊緣大量存在。由于統(tǒng)計性特征的模式識別框架會丟失大量的空域信息，所以在某些情況下，這些非勻質(zhì)云與一些不同亮度混合型的解譯對象(如山脈海陸交界處)在特征上很類似。從非勻質(zhì)云低亮像素散布的這一特點出發(fā)，如果可以通過某種手段找到這些低亮像素，并把它們的灰度值調(diào)高，這樣就可以將非勻質(zhì)云改善為同質(zhì)云，這時采用勻質(zhì)云的判別方法就可以得到較好的分類效果。

發(fā)明內(nèi)容
為了解決上述問題，本發(fā)明提出一種基于同質(zhì)化處理的光學(xué)遙感圖像非勻質(zhì)云層判別方法，能夠?qū)Ψ莿蛸|(zhì)云中的低亮像素進(jìn)行灰度補償，從而實現(xiàn)對非勻質(zhì)云層的判別。為了達(dá)到上面目的，本發(fā)明的基于同質(zhì)化處理的光學(xué)遙感圖像非勻質(zhì)云層判別方法包括下列步驟:一種基于同質(zhì)化處理的光學(xué)遙感圖像非勻質(zhì)云層判別方法，包括下列步驟:第一步:計算云的自適應(yīng)門限:讀入待判別圖像，然后利用邊緣改進(jìn)的最大間類差法OTSU進(jìn)行全局閾值處理，從而得到云的自適應(yīng)門限；第二步:提取兩幅典型二值圖:利用第一步得到的云的自適應(yīng)門限對待判別圖像進(jìn)行二值化，得到云二值圖；利用設(shè)定的海的固定亮度門限和Sobel邊緣門限，對待判別圖像進(jìn)行二值化，得到海二值圖，將云二值圖和海二值圖進(jìn)行融合，得到云海二值圖；第三步:獲得云的位置標(biāo)記圖:對第二步得到的云海二值圖既膨脹又腐蝕，對海二值圖只進(jìn)行膨脹，然后利用處理后的兩幅圖得到云的位置標(biāo)記圖；第四步:對待判別圖像進(jìn)行同質(zhì)化處理:根據(jù)第三步得到的云的位置標(biāo)記圖，對待判別圖像中的非云像素進(jìn)行灰度補償，從而使非勻質(zhì)云變?yōu)閯蛸|(zhì)云；第五步:特征提取及歸一化:對第四步同質(zhì)化處理后的圖像提取灰度、紋理和邊緣這些針對勻質(zhì)厚云提取的特征，然后對特征進(jìn)行歸一化；第六步:利用支持向量機(jī)進(jìn)行判決:利用預(yù)先訓(xùn)練得到的模型，配合支持向量機(jī)的判決函數(shù)對第五步的歸一化特征進(jìn)行多分類，得到同質(zhì)化處理后的判決結(jié)果，至此整個過程結(jié)束。其中，第二步中對待判別圖像提取兩幅典型二值圖采用下述方法:步驟21)提取海二值圖:首先利用Sobel的模板對待判別圖像進(jìn)行濾波，得到待判別圖像對應(yīng)的邊緣信息圖，然后選定灰度門限和Sobel邊緣門限，當(dāng)待判別圖像中像素位置的灰度值和邊緣值都小于對應(yīng)門限，則這個像素被認(rèn)為是海，對其置I標(biāo)記，這樣海二值圖就此得到；步驟22)提取云二值圖:當(dāng)待判別圖像中像素亮度大于第一步提取的云的自適應(yīng)門限，則這個像素被認(rèn)為是云，對其置I標(biāo)記，這樣云二值圖就此得到；步驟23)融合后得到云海二值圖:云二值圖和海二值圖中只要其中任一幅圖中對應(yīng)像素被置1，就標(biāo)記為1，就得到了云海二值圖，然后丟棄上述的云二值圖，保留上述的海二值圖，至此，云海二值圖和海二值圖的提取過程結(jié)束。其中，第三步中利用腐蝕膨脹的方法獲得云的位置標(biāo)記圖具體包括以下步驟:步驟31)對云海二值圖進(jìn)行腐蝕膨脹:對第二步中得到的云海二值圖先膨脹再進(jìn)行腐蝕，膨脹半徑大于腐蝕半徑，得到膨脹腐蝕后的云海二值圖；步驟32)對海二值圖進(jìn)行膨脹:對得到的海二值圖只膨脹不腐蝕，膨脹半徑選取所述腐蝕半徑，得到膨脹后的海二值圖；步驟33)做差后得到云的標(biāo)記圖:對膨脹腐蝕后的兩幅圖，掃描各個像素點，當(dāng)云海二值圖中標(biāo)記為1，海的二值圖的標(biāo)記也為1，將位置標(biāo)記圖中的這個位置0，其他位置按照云海二值圖賦值，這時位置標(biāo)記圖里面標(biāo)記為I的位置被認(rèn)為是云的位置，至此本過程結(jié)束。其中，第四步中對待判別圖像中的非云像素進(jìn)行灰度補償具體為:按照云的位置標(biāo)記圖中標(biāo)記為I的位置逐個掃描，當(dāng)發(fā)現(xiàn)像素點的灰度小于所述云的自適應(yīng)門限，則認(rèn)為該像素點需要灰度補償，補償方法是該點像素的灰度和云的自適應(yīng)門限求均值，作為補償后該像素點的灰度。本發(fā)明的有益效果:(I)本發(fā)明對非勻質(zhì)云中的低亮像素進(jìn)行灰度補償，將非勻質(zhì)云轉(zhuǎn)化為勻質(zhì)云，從而可以采用針對勻質(zhì)云設(shè)計的特征提取和云判方法進(jìn)行云判，這時的判決結(jié)果將會比直接對非勻質(zhì)云進(jìn)行特征提取和判決要更為準(zhǔn)確。(2)本發(fā)明在獲取云的位置標(biāo)記圖時，利用非勻質(zhì)云低亮像素散布的這一特點，即低亮像素被高亮像素所包圍，因此對云海二值圖進(jìn)行膨脹腐蝕就可以將這低亮像素填補，并采用海二值圖膨脹結(jié)果做差得到云的位置，而且海二值圖只膨脹不腐蝕，使得海二值圖中海的區(qū)域稍大于處理后云海二值圖中海的區(qū)域，這樣能夠確保云海二值圖中海的區(qū)域一定被去除，從而提高了云位置獲取的準(zhǔn)確性。且膨脹腐蝕的方式計算效率也是比較高的。


圖1為本發(fā)明提供的基于同質(zhì)化處理的光學(xué)遙感圖像非勻質(zhì)云層判別方法流程圖；圖2為圖1中第二步對原始圖像提取兩幅典型二值圖的方法流程圖；圖3為圖1中第三步利用腐蝕膨脹的方法流程圖。
具體實施例方式下面結(jié)合附圖和具體實施例對本發(fā)明進(jìn)行詳細(xì)說明。圖1示出了本發(fā)明提供的基于同質(zhì)化處理的光學(xué)遙感圖像非勻質(zhì)云層判別方法流程圖。如圖1所示，本發(fā)明提供的基于同質(zhì)化處理的光學(xué)遙感圖像非勻質(zhì)云層判別方法包括按順序進(jìn)行的下列步驟:第一步、計算云的自適應(yīng)門限:讀入待判別圖像，該圖像可以原圖或原圖中的分塊，然后利用邊緣改進(jìn)的最大間類差法(OTSU)進(jìn)行全局閾值處理，從而得到待判別圖像的云的自適應(yīng)門限。其中，利用OTSU進(jìn)行全局閾值處理的具體步驟是:首先，計算待判別圖像的邊緣圖，只將邊緣圖中大于指定一個閾值門限的像素的灰度累加到一個灰度直方圖中。然后，對這個直方圖初始化分界點為―，其中F1和Fh可以是人為指定的經(jīng)驗值，分別取得F1到
到Fh兩部分像素的灰度均值A(chǔ)和B。接著更新分界點為再次分別取得F1到
f和$到Fh兩部分像素的灰度均值A(chǔ)和B。重復(fù)上述步驟，直到前后兩次得到的迭代門
限相同，而這個門限就是要得到的云的自適應(yīng)門限。第二步、提取兩幅典型二值圖:利用上述的云的自適應(yīng)門限，對待判別圖像進(jìn)行二值化，得到云二值圖；利用人為確定的海的固定亮度門限和Sobel邊緣門限，對待判別圖像進(jìn)行二值化，得到海二值圖；將云二值圖和海二值圖進(jìn)行融合，得到云海二值圖。圖2為本步驟的提取兩幅典型二值圖的方法流程圖，包括按順序進(jìn)行的下列步驟:步驟S21)提取海二值圖:首先要利用Sobel的模板對待判別圖像進(jìn)行濾波，就可以得到待判別圖像對應(yīng)的邊緣信息圖。然后，人為的選定一個灰度門限和Sobel邊緣門限，當(dāng)待判別圖像中像素位置的灰度值和邊緣值都小于對應(yīng)門限，則這個像素被認(rèn)為是海，對其置I標(biāo)記，其他標(biāo)記為0，這樣海二值圖就此得到，然后進(jìn)入下一步S22 ；步驟S22)提取云二值圖:云的二值化需要用到第一步得到的云的自適應(yīng)門限，具體是當(dāng)待判別圖像中像素亮度大于這個門限，對其置I標(biāo)記，其他標(biāo)記為0，這樣云二值圖就此得到，然后進(jìn)入下一步S23 ；步驟S23)融合后得到云海二值圖:上述的云二值圖和海二值圖中只要其中任一幅圖中對應(yīng)像素被置1，就標(biāo)記為1，這樣就得到了云海二值圖，然后丟棄上述的云二值圖，保留上述的海二值圖。至此，云海二值圖和海二值圖的提取過程就結(jié)束了。第三步、獲得云的位置標(biāo)記圖:對上述的云海二值圖既膨脹又腐蝕，而對海二值圖只進(jìn)行膨脹，然后利用處理后的這兩幅圖就可以得到云的位置標(biāo)記圖。圖3為本步驟腐蝕膨脹的方法流程圖。對同質(zhì)化這個過程中最關(guān)鍵的就是定位那些非云的像素點，即云的位置標(biāo)記圖，之所以可以利用對云的膨脹腐蝕得到，主要是因為非勻質(zhì)云低亮像素散布的這一特點，少量的低亮像素散布就相當(dāng)于低亮像素被高亮像素所包圍一樣，這時對云進(jìn)行膨脹腐蝕就可以將這低亮像素填補，與此相對的一些混合型的解譯對象中的低亮像素分布就較為集中，所以對云進(jìn)行膨脹腐蝕對其沒有作用，而后采用海二值圖膨脹結(jié)果做差得到云的位置。而且這里海二值圖只膨脹不腐蝕，使得海二值圖中海的區(qū)域稍大于處理后云海二值圖中海的區(qū)域，這樣能夠確保云海二值圖中海的區(qū)域一定被去除，從而提高了云位置獲取的準(zhǔn)確性。如圖3所示，本步驟三利用腐蝕膨脹的方法包括按順序進(jìn)行的下列步驟:步驟S31)對云海二值圖進(jìn)行腐蝕膨脹:對第二步中得到的云海二值圖先進(jìn)行膨脹再進(jìn)行腐蝕，膨脹腐蝕半徑根據(jù)待判別圖像的實際分辨率確定，分辨率越大選定的膨脹腐蝕半徑越大，膨脹半徑的選擇應(yīng)稍大于腐蝕半徑，得到膨脹腐蝕后的云海二值圖，然后進(jìn)入下一步S32 ；步驟S32)對海二值圖進(jìn)行膨脹:對S2中得到的海二值圖只膨脹不腐蝕，膨脹半徑選取上步中腐蝕半徑，得到膨脹后的海二值圖，然后進(jìn)入下一步S33 ；步驟S33)做差后得到云的標(biāo)記圖:對上面膨脹腐蝕后的兩幅圖，掃描各個像素點，當(dāng)云海二值圖中標(biāo)記為1，海的二值圖的標(biāo)記也為1，將位置標(biāo)記圖中的這個位置0，其他位置按照云海二值圖賦值，這時位置標(biāo)記圖里面標(biāo)記為I的位置就被認(rèn)為是云的位置，至此本過程結(jié)束。第四步、對待判別圖像進(jìn)行同質(zhì)化處理:根據(jù)上述的云的位置標(biāo)記圖，采用一定規(guī)則對待判別圖像中的非云像素進(jìn)行灰度補償，從而使非勻質(zhì)云變?yōu)閯蛸|(zhì)云。本步驟中，同質(zhì)化處理的關(guān)鍵是找到造成非勻質(zhì)的那些低亮像素度，和如何對這些像素進(jìn)行補償，具體步驟:按照第三步得到的云的位置標(biāo)記圖中標(biāo)記為I的位置逐個掃描，當(dāng)發(fā)現(xiàn)像素點的灰度小于第一步得到的云的自適應(yīng)門限，則認(rèn)為該像素點需要灰度補償，補償方法是該點像素的灰度和云的自適應(yīng)門限求均值，作為補償后該像素點的灰度。第五步、特征提取及歸一化:對上述的同質(zhì)化處理后的圖像提取灰度、紋理和邊緣等針對勻質(zhì)厚云提取的特征，然后對特征進(jìn)行歸一化，為支持向量機(jī)判別最準(zhǔn)備，然后進(jìn)入下一步。第六步、利用支持向量機(jī)進(jìn)行判決:利用之前訓(xùn)練的到得模型，配合支持向量機(jī)的判決函數(shù)對上述的歸一化特征進(jìn)行多分類，于是就可以得到同質(zhì)化處理后的判決結(jié)果。因為采用了同質(zhì)化處理，這時的判決結(jié)果將會比直接進(jìn)行特征提取和判決要更為準(zhǔn)確。至此整個過程結(jié)束。本步驟中，利用支持向量機(jī)進(jìn)行判決的具體方法是:首先，在利用支持向量機(jī)的判決之前首先進(jìn)行訓(xùn)練。本發(fā)明中支持向量機(jī)的訓(xùn)練和測試都是利用臺灣林智仁教授團(tuán)隊開發(fā)的Lib-SVM (—種開源的支持向量機(jī))進(jìn)行的。綜上所述，以上僅為本發(fā)明的較佳實施例而已，并非用于限定本發(fā)明的保護(hù)范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.一種基于同質(zhì)化處理的光學(xué)遙感圖像非勻質(zhì)云層判別方法，其特征在于，包括下列步驟: 第一步:計算云的自適應(yīng)門限:讀入待判別圖像，然后利用邊緣改進(jìn)的最大間類差法OTSU進(jìn)行全局閾值處理，從而得到云的自適應(yīng)門限； 第二步:提取兩幅典型二值圖:利用第一步得到的云的自適應(yīng)門限對待判別圖像進(jìn)行二值化，得到云二值圖；利用設(shè)定的海的固定亮度門限和Sobel邊緣門限，對待判別圖像進(jìn)行二值化，得到海二值圖，將云二值圖和海二值圖進(jìn)行融合，得到云海二值圖； 第三步:獲得云的位置標(biāo)記圖:對第二步得到的云海二值圖既膨脹又腐蝕，對海二值圖只進(jìn)行膨脹，然后利用處理后的兩幅圖得到云的位置標(biāo)記圖； 第四步:對待判別圖像進(jìn)行同質(zhì)化處理:根據(jù)第三步得到的云的位置標(biāo)記圖，對待判別圖像中的非云像素進(jìn)行灰度補償，從而使非勻質(zhì)云變?yōu)閯蛸|(zhì)云； 第五步:特征提取及歸一化:對第四步同質(zhì)化處理后的圖像提取灰度、紋理和邊緣這些針對勻質(zhì)厚云提取的特征，然后對特征進(jìn)行歸一化； 第六步:利用支持向量機(jī)進(jìn)行判決:利用預(yù)先訓(xùn)練得到的模型，配合支持向量機(jī)的判決函數(shù)對第五步的歸一化特征進(jìn)行多分類，得到同質(zhì)化處理后的判決結(jié)果，至此整個過程結(jié)束。
2.按權(quán)利要求1所述的基于同質(zhì)化處理的光學(xué)遙感圖像非勻質(zhì)云層判別方法，其特征在于，第二步中對待判別圖像提取兩幅典型二值圖采用下述方法: 步驟21)提取海二值圖:首先利用Sobel的模板對待判別圖像進(jìn)行濾波，得到待判別圖像對應(yīng)的邊緣信息圖，然后選定灰度門限和Sobel邊緣門限，當(dāng)待判別圖像中像素位置的灰度值和邊緣值都小于對應(yīng)門限，則這個像素被認(rèn)為是海，對其置I標(biāo)記，這樣海二值圖就此得到； 步驟22)提取云二值圖:當(dāng)待判別圖像中像素亮度大于第一步提取的云的自適應(yīng)門限，則這個像素被認(rèn)為是云，對其置I標(biāo)記，這樣云二值圖就此得到； 步驟23)融合后得到云海二值圖:云二值圖和海二值圖中只要其中任一幅圖中對應(yīng)像素被置1，就標(biāo)記為1，就得到了云海二值圖，然后丟棄上述的云二值圖，保留上述的海二值圖，至此，云海二值圖和海二值圖的提取過程結(jié)束。
3.按權(quán)利要求1或2所述的基于同質(zhì)化處理的光學(xué)遙感圖像非勻質(zhì)云層判別方法，其特征在于，第三步中利用腐蝕膨脹的方法獲得云的位置標(biāo)記圖具體包括以下步驟: 步驟31)對云海二值圖進(jìn)行腐蝕膨脹:對第二步中得到的云海二值圖先膨脹再進(jìn)行腐蝕，膨脹半徑大于腐蝕半徑，得到膨脹腐蝕后的云海二值圖； 步驟32)對海二值圖進(jìn)行膨脹:對得到的海二值圖只膨脹不腐蝕，膨脹半徑選取所述腐蝕半徑，得到膨脹后的海二值圖； 步驟33)做差后得到云的標(biāo)記圖:對膨脹腐蝕后的兩幅圖，掃描各個像素點，當(dāng)云海二值圖中標(biāo)記為1，海的二值圖的標(biāo)記也為1，將位置標(biāo)記圖中的這個位置0，其他位置按照云海二值圖賦值，這時位置標(biāo)記圖里面標(biāo)記為I的位置被認(rèn)為是云的位置，至此本過程結(jié)束。
4.按權(quán)利要求1或2所述的基于同質(zhì)化處理的光學(xué)遙感圖像非勻質(zhì)云層判別方法，其特征在于，第四步中對待判別圖像中的非云像素進(jìn)行灰度補償具體為: 按照云的位置標(biāo)記圖中標(biāo)記為I的位置逐個掃描，當(dāng)發(fā)現(xiàn)像素點的灰度小于所述云的自適應(yīng)門限，則認(rèn)為該像素點需要灰度補償，補償方法 是該點像素的灰度和云的自適應(yīng)門限求均值，作為補償后該像素點的灰度。
全文摘要
本發(fā)明公開了一種基于同質(zhì)化處理的光學(xué)遙感圖像非勻質(zhì)云層判別方法，能夠?qū)Ψ莿蛸|(zhì)云中的低亮像素進(jìn)行灰度補償，從而實現(xiàn)對非勻質(zhì)云層的判別。第一步計算云的自適應(yīng)門限；第二步提取兩幅典型二值圖第三步獲得云的位置標(biāo)記圖對第二步得到的云海二值圖既膨脹又腐蝕，對海二值圖只進(jìn)行膨脹，然后利用這兩幅圖得到云的位置標(biāo)記圖；第四步對原圖像進(jìn)行同質(zhì)化處理根據(jù)第三步得到的云的位置標(biāo)記圖，對非云像素進(jìn)行灰度補償，從而使非勻質(zhì)云變?yōu)閯蛸|(zhì)云；第五步特征提取及歸一化對第四步同質(zhì)化處理后的圖像提取灰度、紋理和邊緣這些針對勻質(zhì)厚云提取的特征，然后對特征進(jìn)行歸一化；第六步利用支持向量機(jī)進(jìn)行判決，至此整個過程結(jié)束。
文檔編號G06K9/62GK103093241SQ20131002447
公開日2013年5月8日 申請日期2013年1月23日 優(yōu)先權(quán)日2013年1月23日
發(fā)明者陳亮, 龍騰, 龐楓騫, 畢福昆 申請人:北京理工大學(xué)