[发明专利]一种遥感影像的厚云去除方法及系统

说明书

本发明公开一种遥感影像厚云去除方法及系统。该方法包括：划分目标图像为云区域图像和无云区域图像；对无云区域图像中的像元聚类得到像元类别组；搜索参考图像和无云区域图像的相似性像元；计算每类相似性像元占所属像元类别组中像元的比例；若存在至少一类的比例大于第一预设比例，确定最大比例的相似性像元为去云相似性像元；若所有类别的比例均小于第一预设比例，确定比例大于第二预设比例的相似性像元的所属类别；统计云掩膜缓冲区中各个所属类别的像元数；确定像元数最多的类别对应的相似性像元为去云相似性像元；利用去云相似性像元替换云区域图像中的像元。本发明能消除两期影像上地表发生变化对相似性像元判断的影响，提高厚云去除精度。

技术领域

本发明涉及遥感影像处理技术领域，特别是涉及一种遥感影像厚云去除方法及系统。

背景技术

近年来，遥感应用越来越广泛，从陆地、海洋监测到相关参数的反演。对于任何遥感应用而言，获取到所需地区的有效数据是非常重要的。遥感影像上常受到云遮挡而无法探测到地面，使得地球表面信息难以被获取，严重限制遥感技术大尺度、长时效的观测。因此，尽管可以获取到大量的遥感影像，但是可用“无云、有效”的影像数据不一定能满足实际需求，因此如何获取特定时间和地区的高质量无云遥感数据仍是一个亟需解决的问题。

目前已有许多研究致力于厚云的去除，厚云去除本质是信息重建的过程，根据这些信息重建方法可以将厚云去除方法分为两类：无辅助数据的去除方法和多时相数据补充方法。对于无辅助数据的方法，由于没有其他影像作为参考，云污染区域的重建是利用同期影像上未被云污染区域的信息来填补。最常用的方法是对缺损像元进行插值处理，然而这类方法一般是对较小的缺损部分进行修补，不适用于修复厚云覆盖区范围较大情况。较无辅助数据的方法，采用多时相数据补充的方法对厚云的去除更加有效，其利用获取影像集的光谱-空间信息对待修复图像中被云和大气所干扰的区域进行恢复。

改进的邻近相似像元插值法(Neighborhood Similar Pixel Interpolator，NSPI)方法属于多时相数据补充的方法的一种。NSPI方法通过图像镶嵌与拼接技术将无云部分镶嵌到“云污染”区域从而获得无云影像，这种利用参考影像无云区域的数据对目标影像的有云区域进行填充，当多时相数据之间时间差别不大、地表特征变化不够明显的时候，该方法能够达到较好的云去除效果，然而，一旦两期影像获取时间间隔增大，两期影像上由于地表发生变化而造成较大的光谱差异，这就会影响相似性像元的判断，引入大量非相似性像元，造成厚云去除的精确度低。

发明内容

基于此，有必要提供一种遥感影像厚云去除方法及系统，以消除两期影像上由于地表发生变化而造成较大的光谱差异对相似性像元判断的影响，提高厚云去除的精确度。

为实现上述目的，本发明提供了如下方案：

一种遥感影像厚云去除方法，包括：

获取参考图像和目标图像，所述参考图像为第一时刻获取的无云图像，所述目标图像为第二时刻获取的有云图像；

划分所述目标图像为云区域图像和无云区域图像；

利用K-means聚类算法对所述无云区域图像中的像元进行聚类，得到像元类别组；

对所述参考图像和所述无云区域图像进行搜索，确定相似性像元；

计算每类所述相似性像元占所属像元类别组中像元的比例；

判断每类所述相似性像元占所属像元类别组中像元的比例是否大于第一预设比例；

若存在至少一类所述相似性像元占所属像元类别组中像元的比例大于所述第一预设比例，则将搜索到的所述参考图像和所述无云区域图像的最大比例的相似性像元确定为去云相似性像元；