[发明专利]遥感厚云去除方法及其装置

说明书

技术领域

本发明涉及影像处理技术领域，尤其涉及一种遥感厚云去除方法及其装置。

背景技术

遥感影像在获取时，常会受到云层遮挡，这使得影像中部分地物信息缺损，进而对后续的遥感影像分析与解译造成很大的困难。因此，去除遥感影像中的云层，并恢复原始地物的细节信息，具有非常重要的意义。以影像融合法为代表的基于序列影像的去云方法，需要同一区域的多源影像，且要求影像间的云区不重叠并解决可能存在的辐射差异问题，这些限制了其实用性。现有技术还提出了基于支持向量机的遥感影像厚云去除法，但仍需同一区域的多源影像，且需进行修复后处理。在单幅影像去云修复方面，一种现有技术利用小波框架来进行图像盲修复，在检测图像中坏像元或噪声点的同时修复影像，并使用了分离Bregman法进行求解，但其对影像中的纹理细节信息的修复能力有限。还有一种现有技术提出了基于Bandelet变换的图像修复法进行遥感去云，但此法依赖于影像不同区域的几何流曲线特征表达的结果，且对较大面积云覆盖区的修复能力不足。

可见，现有技术中对遥感厚云的去除方法或需要同一区域云区不重叠的多源影像，或存在厚云去除不彻底以及修复能力有限等缺陷，这使得现有遥感厚云去除方法的实用性受到了限制。

发明内容

本发明的目的之一是：解决现有技术中遥感厚云的去除方法需要同一区域的多源影像以及对云区影像中规则纹理或结构信息修复能力有限的技术问题，提供一种不借助于参考影像，仅利用原始图像中部分已知信息，根据一定的算法或规则对缺损信息进行修补的遥感厚云去除方法。

本发明的遥感厚云去除方法，包括如下步骤：

步骤s101，从待复原影像矩阵中通过确定性采样获取可靠元素集合；

步骤s102，依据奇异值阈值收缩迭代算法设置步长和软阈值参数；

步骤s103,采用奇异值阈值收缩迭代算法进行收缩迭代重构原始影像矩阵；

步骤s104，判断相对重构误差是否小于预定误差；

步骤s104，迭代次数加1；

步骤s105，判断迭代次数是否大于最大迭代次数；

步骤s106，输出重构的影像矩阵。

本发明公开的遥感厚云去除方法，对于因污染、破坏、遮挡等原因造成的信息缺损问题的修复具有比较好的效果，在信息复原的同时能较好地保留细节纹理信息并保持图像结构的连贯性，尤其当待修复影像具备规则纹理或相似结构内容等低秩特征时，这种修复效果更优。

作为一种举例，在所述步骤s102中，依据奇异值阈值收缩迭代算法，并依据热启动连续方案设置步长和软阈值参数，其中热启动连续方案是指：构造一个升级排列的软阈值参数序列，利用奇异值阈值收缩迭代算法的凸优化问题式的求解值作为初始估计值进行凸优化求解的方案。

采用热启动连续方案设置步长和软阈值参数，重构更快、求解精度更高。

作为一种举例，在所述步骤s105之后还有一个判断热启动连续方案设置软阈值参数是否设置完毕的步骤；如是则输出重构的影像矩阵；如否则将热启动循环数加1并重新设置软阈值参数，直到热启动连续方案设置软阈值参数完毕。

本发明的又一目的是：解决现有技术中遥感厚云的去除方法需要同一区域的多源影像以及对云区影像中规则纹理或结构信息修复能力有限的技术问题，提供一种不借助于参考影像，仅利用原始图像中部分已知信息，根据一定的算法或规则对缺损信息进行修补的遥感厚云去除装置。

本发明的遥感厚云去除装置，包括：

采样单元，用于从待复原影像矩阵中通过确定性采样获取可靠元素集合；

步长和软阈值参数设定单元，用于依据奇异值阈值收缩迭代算法设置步长和软阈值参数；

影像重构单元,用于采用奇异值阈值收缩迭代算法进行收缩迭代重构原始影像矩阵；

重构误差判断单元，用于判断相对重构误差是否小于预定误差；

迭代次数累加单元，用于迭代次数加1；

迭代次数判断单元，用于判断迭代次数是否大于最大迭代次数；

重构影像输出单元，用于输出重构的影像矩阵。

本发明公开的遥感厚云去除装置，对于因污染、破坏、遮挡等原因造成的信息缺损问题的修复具有比较好的效果，在信息复原的同时能较好地保留细节纹理信息并保持图像结构的连贯性，尤其当待修复影像具备规则纹理或相似结构内容等低秩特征时，这种修复效果更优。