[发明专利]基于证据融合自适应阈值的多源遥感图像云检测方法

说明书

本发明涉及基于证据融合自适应阈值的多源遥感图像云检测方法，与现有技术相比解决了难以通过多数据源融合与自适应阈值联合进行云检测的缺陷。本发明包括以下步骤：数据源图像的选取和预处理；对“云”、“非云”二类事件估计初分布；分类阈值初选和确定信任区间；基于顺序决策树和证据融合的优化分类；输出云检测分类结果。本发明采用多波段光学传感器和多角度偏振探测仪联合工作的方式，对“云”检测中需要用到的多数据源数据进行融合，有效解决“云”和“非云”分类的准确性问题，提高云边缘检测时的分类精度。

技术领域

本发明涉及遥感图像处理技术领域，具体来说是基于证据融合自适应阈值的多源遥感图像云检测方法。

背景技术

卫星影像成像过程中，云遮挡是导致影像质量严重下降的主要因素。尽管与地面物相比，云通常有较高的反射率和较低的温度，似乎可以采用简单的窗口阈值来区分。但是多种云形态如卷云、积云、含水滴云、冰云等，使得云与地物反射率缺乏足够的对比度。人类活动引起的环境演变、温室效应和气溶胶使得云的反射效应加剧变化。同样，地面覆盖也存在“同物异谱、同谱异物”等光谱失真、生态演变等现象，云边缘更是检测中难题。

光学与电子技术的进步研发了更多、更新的遥感检测传感器，遥感图像发展具有多传感器、多时相、高分辨率的趋势，不仅探测波段范围更广，新的成像技术如偏振成像对于大气气溶胶、含水量的检测更加灵敏，再加上计算机大数据处理技术的发展，采用多个传感器数据源来分辨复杂目标有了可能。

由于植被在红波段的反射率较低，多光谱光学传感器使用670nm波段的反射率检测下垫面为陆地的云像元，增加云和地物的对比度。对于下垫面为海洋则采用870nm波段更好。通常，云检测常采用“云”比“非云”有更高的发射率和较低的温度的物理特性。研究表明多角度偏振光学传感器适用于获取云粒子大小和形状等多种信息，如国外发射的地球观察卫星PARASOL上装载多角度偏振相机POLDER3，云检测效果好。在下垫面为陆地时，使用490nm波段进行云检测，该波段的偏振反射率主要来自大气分子散射，其地表反射率(如植被和土壤)比较低，散射角为80°至120°的偏振相机对于大气气溶胶、卷云和含小水滴云均呈现很强的偏振反射率，利用它估算大气分子光学厚度，云比非云有更低的大气分子光学厚度。红外865nm波段偏振探测仪在散射角140°附近有更强的“积云”和“晴”区分能力。因而，云检测发展趋势是采用多波段、多种遥感传感器以获取更多的信息。IT技术的快速发展，为多源数据处理和分析提供多种优化技术与方法。

阈值法是光学遥感图像常用的二类目标区分法。目前的阈值选取一是根据历史经验确定，二是根据图像本身的信息决定，前者称为有监督分类，后者称为无监督分类。前者方法比较简单，但是难以兼顾当前图像的信息，因而无法应对图像像元的时空动态变化，有人根据地物反射率设置阈值达到动态阈值，但是需要大量的先验知识和数据库积累，所谓自适应阈值只是用多窗口局域阈值代替全局图像而已。后者部分弥补了前者的缺陷，但是很难准确选择阈值，为此，有的采用光学灰度与纹理结合，有的采用光学与微波探测结合的方法，其出发点是希望获取更多的云的特征信息，从而提高阈值分割的准确性，这些改进增加了计算的复杂度，不利于应用的推广。其他方法有：无监督聚类如K-means方法，需要大量计算和仔细的初始种子选择；有监督分类有贝叶斯决策、用最大类间方差求双亮度阈值等，需要大量训练样本和先验知识。深度学习CNN神经网络检测是近期研究的热点，缺点是巨量的学习样本和耗时，分类的物理意义不够明确。由于阈值法相对简单，物理意义明确，在许多场合获得应用，随着计算机技术的发展，各种改进的方法正在研究中。

发明内容

本发明的目的是为了解决现有技术中难以通过多数据源融合与自适应阈值联合进行云检测的缺陷，提供一种基于证据融合自适应阈值的多源遥感图像云检测方法来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

基于证据融合自适应阈值的多源遥感图像云检测方法，包括以下步骤：