一种基于光谱反射率特性的星载高光谱图像云检测方法
【专利摘要】本发明涉及一种基于光谱反射率特性的星载高光谱图像云检测方法，可用于航天、航空高光谱遥感图像的自动云判。该方法包括以下步骤：从高光谱图像中获取特定波长的图像数据，从卫星平台获取太阳高度角；计算特定波长图像的反射率；将整个区域分为高云待定区和中低云待定区；对高云待定区排除雪地区得到高云区；对中低云待定区依次排除水体以及土壤、植被、沙漠岩石和雪地区域，得到中低云区；最后将高云区和中低云区合并得到云检测结果。本发明避免了使用图像统计信息进行云检测，不受到地物纹理复杂度的影响，利用光谱信息，提高云检测准确率，易于硬件实现，具有较高的普适性，适于星载高光谱图像实时云检测应用。
【专利说明】一种基于光谱反射率特性的星载高光谱图像云检测方法
【技术领域】
[0001]本发明涉及一种云检测方法，尤其涉一种基于光谱反射率特性的星载高光谱图像云检测方法。
【背景技术】
[0002]在大气系统中，大约50%的地区表面被云覆盖。卫星进行对地观测时，会将下行大量的含云的图像数据，而这些含云图像往往是无用数据，造成数据采集传输及处理的浪费，所以需要在星上进行自主的云判读。
[0003]目前国内从事云检测技术的研究多是在地面处理，在地面站进行云判读技术，通过模式识别与并行计算对可见光图像进行实时云判读。其目的主要是为了减轻工作人员工作强度，承担辅助判读功能。其算法分别利用在模式识别系统中，空间域或频率域的特点作为判据，分别采用均值、方差、边缘和图像熵作为特征，采用最小距离法对云和地物进行分类。也有采用边缘检测的方法进行云检测，首先采用中值滤波器保持图像边界，滤波后图像进行边缘检测，将图像中的高梯度边缘检测出来。同时对图像梯度直方图进行分析，通过对图像灰度直方图的峰谷的分割，将目标与背景进行分割。通过比较分析可以发现，以上两种云检测算法利用含云图像中的灰度阈值、方差、边缘和熵这四个信息进行判读。但由于云结构复杂多变，很多时候与地物区分度不高，仅依靠这四个统计特征难以得到满意的结果。设定固定的判别依据，难以自适应调整判别阈值，不能够准确检测。
[0004]另外还有利用云和地物的固有反射率，以阈值为基础，应用最大类间方差阈值法对不同的云图自适应计算阈值，即以云的形态统计特性调整阈值作为云和晴空的判断依据。此方法对云的形态依赖性较强，而且由于卫星轨道和太阳角度是在动态变化的，在不同光照的影响下云和地物的反射率是不同的，计算量较大，这种方法不适合卫星平台应用实时检测。
【发明内容】
[0005]本发明的目的在于提供一种基于光谱反射率特性的星载高光谱图像云检测方法，可以利用高光谱图像对地物的反射率特性，准确区分云与雪地区域、沙漠区域以及植被区域，实现精确云检测。
[0006]为了实现上述目的，本发明提供了一种基于光谱反射率特性的星载高光谱图像云检测方法，包括以下步骤，
[0007]S1:从卫星平台拍摄的一高光谱图像数据中获取以下五个波长分别为0.66 μ m、
0.86ymU.25ymU.38 μ m以及L 65 μ m的图像数据，其中每个波长偏差可为±0.05 μ m,并获取卫星平台拍摄图片时太阳高度角；
[0008]S2:利用SI中五个波长图像数据结合卫星平台拍摄图片时的太阳高度角，分别计算五个波长的图像数据中各像元的反射率。
[0009]S3:区分高云待定区和中低云待定区，对波长为1.38 μ m的图像数据反射率进行阈值判断，大于第一阈值的区域为高云待定区域，小于所述第一阈值的区域为中低云待定区域；
[0010]S4:对所述高云待定区域进行第一雪区域排除，对波长为1.65 μ m的图像数据的反射率进行阈值判断，其反射率小于第二阈值的为第一雪区域，其反射率大于所述第二阈值的为高云区域；
[0011]对所述中低云待定区域进行水体以及土壤区域排除，对波长为0.66 μ m的图像数据反射率进行阈值判断，反射率低于第三阈值的为水体以及土壤区域；
[0012]对所述中低云待定区域进行植被区域排除，检测波长为0.66 μ m的图像数据与波长为0.86 μ m的图像数据的反射率的比值，所述比值小于第四阈值为植被区域；
[0013]对所述中低云待定区域进行沙漠岩石区域排除，分别检测波长1.25μπι和
1.65 μ m的图像数据反射率，计算归一化沙漠岩石指数，将所述归一化沙漠岩石指数小于第五阈值的区域作为沙漠岩石区域排除；
[0014]对所述中低云待定区域进行第二雪区域排除，检测波长1.25 μ m的图像数据反射率，将反射率小于第六阈值的区域作为第二雪区域被排除；
[0015]经过对中低云待定区中所述水体以及土壤区域、所述植被区域、所述沙漠岩石区域以及所述雪区域的排除，剩余区域为中低云区域；
[0016]S5:将步骤S4得到的所述高云区域与所述中低云区域合并得到高光谱图像云检测结果。
[0017]作为优选地,所述反射率计算公式为:P =L* /(E*cos(q)),其中，P为反射率，E为大气层顶太阳辐照度，L为卫星接收的辐亮度，L=DN/a+b，a和b为星上定标系数，其中定标系数为遥感器接收的辐射强度转换为像元幅值的系数值，DN为光谱图像中像元的像素值。
[0018]较佳地，其所述第一阈值为0.23，所述第二阈值为0.4，所述第三阈值为0.4，所述第四阈值为0.4，所述第五阈值为0.3以及所述第六阈值为0.5。
[0019]作为优选地，归一化沙漠岩石指数DSI通过下式得到:
【权利要求】
1.一种基于光谱反射率特性的星载高光谱图像云检测方法，其特征在于，包括以下步骤: S1:从卫星平台拍摄的一高光谱图像数据中获取以下五个波长分别为0.66 μ m,0.86ymU.25ymU.38 μ m以及L 65 μ m的图像数据，其中每个波长偏差可为±0.05 μ m,并获取卫星平台拍摄图片时太阳高度角； S2:利用SI中五个波长图像数据结合卫星平台拍摄图片时的太阳高度角，分别计算五个波长的图像数据中各像元的反射率； S3:区分高云待定区和中低云待定区，对波长为1.38μπι的图像数据反射率进行阈值判断，大于第一阈值的区域为高云待定区域，小于所述第一阈值的区域为中低云待定区域； S4:对所述高云待定区域进行第一雪区域排除，对波长为1.65 μ m的图像数据的反射率进行阈值判断，其反射率小于第二阈值的为第一雪区域，其反射率大于所述第二阈值的为闻z?区域； 对所述中低云待定区域进行水体以及土壤区域排除，对波长为0.66 μ m的图像数据反射率进行阈值判断，反射率低于第三阈值的为水体以及土壤区域； 对所述中低云待定区域进行植被区域排除，检测波长为0.66 μ m的图像数据与波长为0.86 μ m的图像数据的反射率的比值，所述比值小于第四阈值为所述植被区域； 对所述中低云待定区域进行沙漠岩石区域排除，分别检测波长1.25 μ m和1.65 μ m的图像数据反射率，计算归一化沙漠岩石指数，将所述归一化沙漠岩石指数小于第五阈值的区域作为所述沙漠岩石区域排除； 对所述中低云待定区域进行第二雪区域排除，检测波长1.25 μ m的图像数据反射率，将反射率小于第六阈值的区域作为所述第二雪区域被排除； 经过对所述中低云待定区中所述水体以及土壤区域、所述植被区域、所述沙漠岩石区域以及所述第二雪区域的排除，剩余区域为中低云区域； S5:将步骤S4得到的所述高云区域与所述中低云区域合并得到高光谱图像云检测结果O
2.根据权利要求1所述的一种基于光谱反射率特性的星载高光谱图像云检测方法，其特征在于，所述反射率计算公式为^=1>31/出*(:08((1))，其中，P为反射率，E为大气层顶太阳辐照度，L为卫星接收的辐亮度，L=DN/a+b，a和b为星上定标系数，其中定标系数为遥感器接收的辐射强度转换为像元幅值的系数值，DN为光谱图像中像元的像素值。
3.根据权利要求1所述的一种基于光谱反射率特性的星载高光谱图像云检测方法，其特征在于，其所述第一阈值为0.23，所述第二阈值为0.4，所述第三阈值为0.4，所述第四阈值为0.4，所述第五阈值为0.3以及所述第六阈值为0.5。
4.根据权利要求1所述的一种基于光谱反射率特性的星载高光谱图像云检测方法，其特征在于，归一化沙漠岩石指数DSI通过下式得到:
【文档编号】G01C11/04GK103604421SQ201310606332
【公开日】2014年2月26日 申请日期:2013年11月25日 优先权日:2013年11月25日
【发明者】张宁, 谢宝蓉, 沈霁, 王琰, 冯书谊, 穆文涛 申请人:上海航天测控通信研究所