一種多時(shí)相遙感影像的厚云自動去除方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種遙感影像的厚云自動去除方法，尤其是一種多時(shí)相遙感影像的厚 云自動去除方法，屬于遙感影像預(yù)處理技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 遙感影像中，云覆蓋是造成遙感數(shù)據(jù)缺乏的重要因素之一。大量的遙感影像由于 云覆蓋的干擾，降低了感興趣信息的清晰度，從而降低了利用率。有效地減少或去除云的影 響，是提高遙感數(shù)據(jù)利用率的一個(gè)重要途徑，也是遙感影像預(yù)處理中的一個(gè)重要問題。遙感 影像厚云去除可W恢復(fù)不完整的影像，增加遙感影像數(shù)據(jù)來源、降低數(shù)據(jù)成本，為促進(jìn)遙感 影像軍民兩用提供技術(shù)支持，W獲取較大的經(jīng)濟(jì)效益。
[000引由于厚云區(qū)域缺乏可利用的信息，直接去除比較困難。目前國內(nèi)外去除厚云的方 法主要有單幅影像的厚云去除方法和多時(shí)相影像的厚云去除方法。單幅影像的厚云去除方 法主要運(yùn)用影像修復(fù)和合成技術(shù)。它雖然能夠產(chǎn)生合理的視覺效果，但是無法保證影像像 素值的真實(shí)性。多時(shí)相影像的厚云去除方法是利用同一區(qū)域不同時(shí)間的影像，根據(jù)影像間 的時(shí)間和空間相關(guān)性來去除厚云。但是現(xiàn)有多時(shí)相影像厚云去除方法缺乏有效穩(wěn)定的選擇 參考影像的標(biāo)準(zhǔn)。同時(shí)，該些方法需要很多人工干預(yù)，難W同時(shí)去除厚云和云的陰影。所W 該些方法無法得到實(shí)際應(yīng)用。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于針對已有技術(shù)存在的缺陷，提供一種能夠有效的選擇參考影 像，自動去除厚云及其陰影的多時(shí)相遙感影像的厚云自動去除方法。
[0005] 為實(shí)現(xiàn)上述目的，本發(fā)明采用下述技術(shù)方案：
[0006] -種多時(shí)相遙感影像的厚云自動去除方法，由W下步驟組成：
[0007] 步驟1;采集遙感衛(wèi)星厚云影像Ir"(i,j,k), 1《k《K和T幅與其同區(qū)域的多時(shí) 相影像Iraw.t(1，j，k)，1《i《M，1《j《N，1《t《T，1《k《K，；其中i和j分別為圖 像中像素的行坐標(biāo)和列坐標(biāo)，k為圖像的波段編號，M、N和K分別代表厚云影像的行數(shù)、列 數(shù)和波段數(shù)。
[000引步驟2 ;厚云區(qū)域檢測，得到厚云區(qū)域指示模板mask(i，如；
[0009] 步驟3;自動選擇參考影像；自動選擇一幅多時(shí)相影像作為參考影像Iuf(i，j，k);
[0010] 步驟4 ;采用泊松方程修復(fù)方法去除厚云，得到初步去云結(jié)果I。(i，j，k);
[0011] 步驟5 ;將所述初步去云結(jié)果1。(1，j，k)和參考影像luf(i，j，k)納入變分模型，再 次去除厚云，得到最終的去云結(jié)果I'。(i，j，k)。
[0012] 上述步驟2由w下具體步驟組成：
[001引步驟2-1 ;將厚云影像j，k)的藍(lán)光波段圖像I(iJ)與闊值Te比較，計(jì)算厚 云區(qū)域初始指示模板mask0(i，j);
[0014] (1)
[0015] 式中maskO(i,j)為1表示對應(yīng)像素屬于厚云區(qū)域，maskO(i,j)為0表示對應(yīng)像 素屬于無云區(qū)域；
[0016] 步驟2-2 ;對所述厚云區(qū)域初始指示模板maskO(i，j)進(jìn)行形態(tài)學(xué)處理，去除孤立 的斑點(diǎn)并填補(bǔ)細(xì)小的空洞，得到厚云區(qū)域指示模板mask(i，j)。
[0017] 上述步驟2-1中闊值Tc的計(jì)算方法為：
[001引Tc=m+Ao似
[001引其中，m為所述厚云影像j，k)的藍(lán)光波段圖像I(i，如的像素均值：
[0020]
(3)
[0021] 0為厚云影像j，k)的藍(lán)光波段圖像I(i，j)的像素標(biāo)準(zhǔn)方差：
[0022]
(4)
[0023] A為權(quán)重系數(shù)；
[0024]
(5)
[00巧]上述步驟3由W下具體步驟組成：
[0026] 步驟3-1 ;計(jì)算厚云影像的各波段的圖像Ir"(i,j,k)，1《k《K在X方向的梯度 值吊，〇 (X，y，k)和y方向的梯度值gy，〇 (X，y,k):
[0027]
(6)
[002引步驟3-2 ;計(jì)算所述各多時(shí)相影像j，k)，1《t《T在X方向的梯度值gx，t(X，y,k)和y方向的梯度值gy，t(X，y,k):
[002引
（7)
[0030] 步驟3-3 ;計(jì)算所述厚云影像Ir"(i，j，k)，1《k《K與各多時(shí)相影像 (i，j，k)，1《t《T在無云區(qū)域?qū)?yīng)位置梯度值之間的均方根誤差RMSEt;
[00引]
W
[0032] 步驟3-4 ;選擇RMSEt最小的多時(shí)相影像It，作為所述厚云影像的去云參考影 像 (i,j,k)。
[0033] 上述步驟4中所述初步去云結(jié)果1。(1，j，k)中無云區(qū)域像素值與所述厚云影像 It"(i，j，k)的無云區(qū)域像素值相等，其厚云區(qū)域圖像的像素值由下式計(jì)算得到：
[0034] (9)
[00對其中，Q代表厚云區(qū)域內(nèi)部；洗代表厚云區(qū)域邊界，▽表示梯度算子，Ii表示I。 在區(qū)域Q的像素。
[0036] 上述步驟4中厚云區(qū)域圖像的像素值可W根據(jù)W下遞推公式計(jì)算得到：
[0040]式中P郝Pj.分別代表初步去云結(jié)果I。(1，j，k)中第i個(gè)和第j個(gè)厚云區(qū)域像素；N(Pi)代表所述像素Pi的四鄰域像素集；
[00 …
（12)
[004引式中1。站）表示初步去云結(jié)果I0(i，j，k)中像素di的像素值，Iref(Pi)Irefhi)分 別表示所述去云參考影像Iaf(i，j，k)中像素Pi和的像素值，像素為N(Pi)與Q交集 內(nèi)的第i個(gè)像素；C為A的化olesk巧分解，A=CCT，其中C為一個(gè)下S角矩陣，其下S角 部分具有和A完全相同的結(jié)構(gòu)。
[0043] 上述步驟5中的變分模型代價(jià)函數(shù)為：
[0044]
(13)
[0045] 其中a為用于權(quán)衡兩個(gè)約束項(xiàng)貢獻(xiàn)度參數(shù)，a> 0。
[0046] 上述步驟5中的變分模型代價(jià)函數(shù)最小值的求解方法為采用下述迭代公式計(jì)算：
[0047]
[0048] 其中At是迭代步長，a是正則化參數(shù)，an的計(jì)算公式為；
[004引
山）
[0050] 式中var_n為設(shè)定的標(biāo)準(zhǔn)參數(shù)。
[0051] 本發(fā)明的有益效果在于：
[0052] 1、本發(fā)明能通過厚云影像和多幅多時(shí)相影像在梯度值之間的均方根誤差（MSE) 確定參考影像。它無需人工交互，自動地去除厚云及其陰影
[0053] 2、本發(fā)明兼顧了原始影像的像素亮度與參考影像的梯度信息，對像素值有較好保 真性。
【附圖說明】
[0054] 圖1為本發(fā)明的流程圖；
[0055] 圖2為本發(fā)明步驟2的流程圖；
[0056] 圖3為本發(fā)明步驟3的流程圖。
[0057] 圖4為本發(fā)明的遙感衛(wèi)星采集的厚云影像；
[0058] 圖5為本發(fā)明的遙感衛(wèi)星采集的參考影像；
[0059] 圖6為本發(fā)明檢測出的厚云區(qū)域的指示模板；
[0060] 圖7為本發(fā)明的初步去云結(jié)果；
[0061] 圖8為本發(fā)明的最終去云結(jié)果。
【具體實(shí)施方式】
[0062] 實(shí)施例1 ;
[0063] 如圖1所示，一種多時(shí)相遙感影像的厚云自動去除方法，由W下步驟組成：
[0064] 步驟1 ;采集遙感衛(wèi)星厚云影像Ir"(i，j，k)，1《k《K和T幅與其同區(qū)域的多時(shí) 相影像Iraw.t(1，j，k)，1《i《M，1《j《N，1《t《T，1《k《K，；其中i和j分別為圖 像中像素的行坐標(biāo)和列坐標(biāo)，k為圖像的波段編號，M、N和K分別代表厚云影像的行數(shù)、列 數(shù)和波段數(shù)；；在本實(shí)施例中M、N和K分別為400、400和7 ;
[006引步驟2 ;厚云區(qū)域檢測，得到厚云區(qū)域指示模板mask(i，如；
[0066] 步驟3 ;自動選擇參考影像；自動選擇一幅多時(shí)相影像作為參考影像Iuf(i，j，k);
[0067] 步驟4 ;采用泊松方程修復(fù)方法去除厚云，得到初步去云結(jié)果1。(1，j，k);
[006引步驟5 ;將所述初步去云結(jié)果1。(1，j，k)和參考影像luf(i，j，k)納入變分模型，再 次去除厚云，得到最終的去云結(jié)果r0(i，j，k);
[006引如圖2所示，上述步驟2由W下具體步驟組成：
[0070] 步驟2-1 ;將厚云影像j，k)的藍(lán)光波段圖像I(iJ)與闊值Te比較，計(jì)算厚 云區(qū)域初始指示模板maskO(i，j);
[0071]
(1)
[0072] 式中maskO(i,j)為1表示對應(yīng)像素屬于厚云區(qū)域，maskO(i,j)為0表示對應(yīng)像 素屬于無云區(qū)域；
[0073] 步驟2-2 ;對所述厚云區(qū)域初始指示模板maskO(i，j)進(jìn)行形態(tài)學(xué)處理，去除孤立 的斑點(diǎn)并填補(bǔ)細(xì)小的空洞，得到厚云