基于landsa影像的云探測

基于landsa影像的云探測

本地噪聲傳播圖像有7個段（3個視圖，1個近紅外，2個波長外和1個熱紅外）。其中，6個段的空間分析力為30m，檢測周期為16d。由于高分辨率高，區(qū)域遙感圖像具有重要的信息來源，已廣泛應(yīng)用于區(qū)域土地利用圖紙的應(yīng)用、農(nóng)業(yè)評估、森林管理、水資源調(diào)查、災(zāi)害監(jiān)測等。此外，實地測量和實地評估影像是美國國家航空航天局（nic）對長期觀測時間的重要組成部分。云的存在嚴重影響了衛(wèi)星數(shù)據(jù)的使用，尤其是對于那些需要嚴格接收時間的遙感（其他時間相位遙感圖像的價值通常很?。Ｔ频拇嬖趯⒉豢杀苊獾赜绊懙綀D像。當去除云的影響時，重建薄云底部的信息時，相機可以在實際應(yīng)用中發(fā)揮更多的潛力。趙忠明等人通過同態(tài)濾波法,把頻率過濾與灰度變化相結(jié)合,分離云與背景地物,最終從影像中去除云的影響,這種方法由于涉及到濾波器以及截至頻率的選擇,在濾波的過程中有時會導(dǎo)致一些有用信息的丟失.Richter通過假定云區(qū)與非云區(qū)影像直方圖相同,二者直方圖匹配來實現(xiàn)薄云的去除,但實際應(yīng)用中該假定常常不滿足,去云效果不理想.Wang利用兩個時相的TM影像,以無云區(qū)影像作為參考,通過小波變換對云進行檢測,并利用無云區(qū)影像信息通過小波融合對云進行去除,該方法需要兩景影像,且要求精確的地理配準,若兩個時相影像中地物變化較大則去云效果不理想.暗目標扣除法(dark-objectsubtraction)也是常用的方法,但實際應(yīng)用中常受到如何選擇理想暗目標的困擾.Lang等人提出基于相同地物的反射率相近,對于每一類地物,將云區(qū)影像的均值與無云區(qū)影像均值分地物類別進行匹配,該方法是對直方圖匹配的改進,但去云之后可能會出現(xiàn)邊緣效果.本文基于單景Landsat影像的自身信息,利用修改的最優(yōu)化薄云變換算法實現(xiàn)云的自動探測云,根據(jù)云的等級和地物類型將云區(qū)可見光影像和對應(yīng)地物的無云區(qū)影像進行匹配,實現(xiàn)薄云的去除.利用該方法,云的探測快速準確,薄云的去除效果較好.1薄云自動檢測和刪除的原理和方法1.1對不同地物的光譜特性的模擬云的檢測是薄云去除的前提.本文利用最優(yōu)化云的變換(hazeoptimizedtransform,HOT)對Landsat影像進行云的自動檢測.對該變換進行了修改.HOT的原理為:1)在晴朗的天氣條件下,對于不同的地物,LandsatTM的band1和band3高度相關(guān).在band1和band3的散點圖上,像元點的分布集中在一條直線上(與地物的種類無關(guān)),這條線被定義為“晴空線”(clearline),見圖1.2)對薄厚不同的云或氣溶膠,LandsatTM的band1和band3的表觀輻高度(apparentradiance)不同.與晴朗無云條件下相比,band1和band3的像元值(DN)都升高,但band1受氣溶膠的影響更大,升高的更多.故在以band1為橫軸,band3為縱軸的散點圖上,受氣溶膠影響的像元相對于晴空線向右上方偏移,云越厚,像元向右上方的偏移量越大.該現(xiàn)象可以從Landsat影像上觀測到,利用大氣輻射傳輸軟件Modtran對不同地物的光譜在不同的氣溶膠條件下進行模擬也得到了相同的結(jié)果(見圖1).在圖1中,A～K指不同的地物,TM1(LandsatTM的band1)和TM3的數(shù)據(jù)來自于晴朗天氣條件下實測的地物光譜,經(jīng)Modtran模擬所得,1～19指不同的大氣條件,光學(xué)厚度逐漸增加.在1～19大氣條件下,TM1和TM3的數(shù)據(jù)通過Modtran利用大氣輻射傳輸模型計算所得.由圖1可知,隨著氣溶膠光學(xué)厚度的增加,在TM1和TM3的空間上,像元逐漸偏離晴空線,光學(xué)厚度越大,偏離量越大.3)通過HOT以反映隨著氣溶膠的不斷增加,band1和band3的不同的光譜響應(yīng).HOT系數(shù)的方向垂直于晴空線,數(shù)值大小與偏離晴空線的程度成比例.Zhang等人定義HOT為L=B1sinθ-B3cosθ.(1)式中:B1為TM1的DN值,B3為TM3的DN值,θ為晴空線的傾度.利用式(1)計算的HOT存在一個缺陷,即晴空線上像元的HOT不為0,這與HOT設(shè)計的初衷不吻合(HOT值的大小代表受氣溶膠影響的像元相對晴空線的偏離距離,晴空線上像元的HOT沒有偏離,HOT應(yīng)為0).后來Zhang通過將HOT影像減去晴空線HOT值實現(xiàn)歸一化,但這沒有準確清楚地描述HOT的物理意義.從HOT的物理意義出發(fā),對HOT計算進行修改,見式(2).HOT=B1sinθ-B3cosθ-|I|cosθ.(2)式中:I為晴空線的截距.式(2)的物理意義見圖2.圖中,BDP為晴空線,與TM3軸交于K,θ為晴空線的傾角,A為坐標原點,LAK為晴空線的截距.AC平行晴空線且穿過坐標原點.一地物的TM1和TM3受氣溶膠及云的影響之后從晴空線上偏移到O處.OF垂直于橫軸TM1,CDEF及OP垂直于晴空線,OE平行于晴空線.通過HOT則可計算O相對應(yīng)于晴空線所偏的距離.對于LandsatTM影像,地物TM1的DN值常常小于TM3的DN值,所以晴空線BDP在過原點AC線的右側(cè).LOP為點O偏移晴空線的距離.LOP=LDE=LCF-LEF-LCD.(3)式中:LCF=LAFsinθ=TM1sinθ;LEF=LOFcosθ=TM3cosθ;LCD為平行線AC與BDP之間的距離,即LCD=LAB=LAKcosθ,其中,LAK為晴空線的截距.當晴空線已知時,I、θ已知,LAB為一常數(shù).根據(jù)圖2中HOT的定義及公式(3),計算HOT值應(yīng)使用式(2).利用式(2)計算HOT影像,HOT影像代表了云的分布,從而實現(xiàn)云的自動檢測.在利用HOT進行云的檢測時發(fā)現(xiàn),HOT方法對于在band1和band3特別亮的部分城區(qū)地物(主要是高亮度水泥地面)較敏感,可能將其誤分為云區(qū),這可通過目視解譯將城區(qū)部分排除,也可以通過Landsat的band6熱紅外數(shù)據(jù)根據(jù)云區(qū)像元溫度較低而無云區(qū)像元溫度較高的區(qū)別將這部分去除.1.2云厚度的測試根據(jù)1.1節(jié)中HOT產(chǎn)生的原理可知,HOT數(shù)值越大,表明像元偏離晴空線越遠,受氣溶膠和云影響越大,云越厚.因此本文根據(jù)HOT從小到大將云區(qū)影像根據(jù)云的厚薄分類,本文中按HOT每增加0.5分級.1.3種地物覆蓋類型當影像中存在較厚的氣溶膠和薄云時,Landsat1、2、3波段會受到較嚴重的污染,而波段4、5、7受薄云以及氣溶膠的影響較小,可被用來對整景影像進行分類以確定不同的地物覆蓋類型;然后,對波段1、2、3中云區(qū)的不同等級及無云區(qū)分別按照地物類型的不同進行均值匹配,從而實現(xiàn)云的自動去除.采用無監(jiān)督分類方法,利用波段4、5、7進行地物分類,通常分成30～50類.薄云的自動檢測與去除的流程見圖3.2熱圖云的去除為了驗證本文中云的自動檢測和去除方法的有效性,下面給出了3個例子.三景影像的基本信息見表1.云的自動檢測結(jié)果見圖4～6.圖4中云呈條帶狀;在圖5中,中間的云呈團狀,邊上的云呈柳絮狀;圖6中云呈片狀.通過HOT變換,能準確地檢測出厚云和薄云.HOT數(shù)值的大小反映了云的厚薄,HOT影像清楚地顯示了云在空間的分布.這為云的去除提供了基礎(chǔ).去云前后的對比見圖7～9.去云前影像中云區(qū)DN值較高,影像偏亮,對比度小,云的存在掩蓋了下墊面地物的信息;而去云之后地物的信息得到了恢復(fù),對比度提高,地物比較清晰,影像中不存在云區(qū)與無云區(qū)邊緣現(xiàn)象,也不存在薄云區(qū)與厚云區(qū)的邊緣現(xiàn)象.3云自動檢測本文基于單景Landsat影像的自身特征,通過修改的HOT實現(xiàn)了云的自動檢測,高效快速.對于可見光波段通過分地物類別和分云的厚薄等級將云區(qū)影像與非云區(qū)影像對應(yīng)的地物類別進行均值匹配,實現(xiàn)了薄云的自動去除,為Landsat影像的進一步處理打下基礎(chǔ),提高了影像的應(yīng)用潛力.在利用HOT進行云的自動檢測中,根據(jù)HOT的物理意義對HOT進行了修改,有利于云的自