[发明专利]一种多时相遥感影像的厚云自动去除方法

说明书

技术领域

本发明涉及一种遥感影像的厚云自动去除方法，尤其是一种多时相遥感影像的厚云自动去除方法，属于遥感影像预处理技术领域。

背景技术

遥感影像中,云覆盖是造成遥感数据缺乏的重要因素之一。大量的遥感影像由于云覆盖的干扰，降低了感兴趣信息的清晰度，从而降低了利用率。有效地减少或去除云的影响，是提高遥感数据利用率的一个重要途径，也是遥感影像预处理中的一个重要问题。遥感影像厚云去除可以恢复不完整的影像，增加遥感影像数据来源、降低数据成本，为促进遥感影像军民两用提供技术支持，以获取较大的经济效益。

由于厚云区域缺乏可利用的信息，直接去除比较困难。目前国内外去除厚云的方法主要有单幅影像的厚云去除方法和多时相影像的厚云去除方法。单幅影像的厚云去除方法主要运用影像修复和合成技术。它虽然能够产生合理的视觉效果，但是无法保证影像像素值的真实性。多时相影像的厚云去除方法是利用同一区域不同时间的影像，根据影像间的时间和空间相关性来去除厚云。但是现有多时相影像厚云去除方法缺乏有效稳定的选择参考影像的标准。同时，这些方法需要很多人工干预，难以同时去除厚云和云的阴影。所以这些方法无法得到实际应用。

发明内容

本发明的目的在于针对已有技术存在的缺陷，提供一种能够有效的选择参考影像，自动去除厚云及其阴影的多时相遥感影像的厚云自动去除方法。

为实现上述目的，本发明采用下述技术方案：

一种多时相遥感影像的厚云自动去除方法，由以下步骤组成：

步骤1：采集遥感卫星厚云影像I_raw(i,j,k),1≤k≤K和T幅与其同区域的多时相影像I_raw,t(i,j,k),1≤i≤M,1≤j≤N,1≤t≤T,1≤k≤K,；其中i和j分别为图像中像素的行坐标和列坐标，k为图像的波段编号，M、N和K分别代表厚云影像的行数、列数和波段数。

步骤2：厚云区域检测，得到厚云区域指示模板mask(i,j)；

步骤3：自动选择参考影像：自动选择一幅多时相影像作为参考影像I_ref(i,j,k)；

步骤4：采用泊松方程修复方法去除厚云，得到初步去云结果I₀(i,j,k)；

步骤5：将所述初步去云结果I₀(i,j,k)和参考影像I_ref(i,j,k)纳入变分模型，再次去除厚云，得到最终的去云结果I'₀(i,j,k)。

上述步骤2由以下具体步骤组成：

步骤2-1：将厚云影像I_raw(i,j,k)的蓝光波段图像I(i,j)与阈值T_C比较，计算厚云区域初始指示模板mask0(i,j)：

式中mask0(i,j)为1表示对应像素属于厚云区域，mask0(i,j)为0表示对应像素属于无云区域；

步骤2-2：对所述厚云区域初始指示模板mask0(i,j)进行形态学处理，去除孤立的斑点并填补细小的空洞，得到厚云区域指示模板mask(i,j)。

上述步骤2-1中阈值T_C的计算方法为：

T_C＝m+λσ (2)

其中，m为所述厚云影像I_raw(i,j,k)的蓝光波段图像I(i,j)的像素均值：

σ为厚云影像I_raw(i,j,k)的蓝光波段图像I(i,j)的像素标准方差：

λ为权重系数：

上述步骤3由以下具体步骤组成：

步骤3-1：计算厚云影像的各波段的图像I_raw(i,j,k),1≤k≤K在x方向的梯度值g_x,0(x,y,k)和y方向的梯度值g_y,0(x,y,k)：

步骤3-2：计算所述各多时相影像I_raw,t(i,j,k),1≤t≤T在x方向的梯度值g_x,t(x,y,k)和y方

向的梯度值g_y,t(x,y,k):

步骤3-3：计算所述厚云影像I_raw(i,j,k),1≤k≤K与各多时相影像I_raw,t(i,j,k),1≤t≤T在无