[发明专利]云检测方法及装置

权利要求书

1.一种云检测方法，其中，所述方法包括：

将遥感影像分割为互不交迭的多个同质对象；

调用基于同质对象并利用正则化最小二乘算法预先建立的分类模型，对所述同质对象进行分类，检测得到云数据，所述云数据为包括云对象的同质对象。

2.根据权利要求1所述的方法，其中，所述将遥感影像分割为互不交迭的多个同质对象，包括：

以遥感影像中的像元为基元，确定合并所述基元得到的对象的紧凑度、光滑度以及光谱异质度；

根据预设紧凑度权重值、预设光滑度权重值、所述紧凑度和所述光滑度，确定每一对象的形状异质度；

依据所述光谱异质度、所述形状异质度、预设光谱因子权重值以及预设形状因子权重值，确定相邻对象之间的异质性值；

根据所述异质性值以及分割对象的异质性容许值，将所述遥感影像分割为互不交迭的多个同质对象，所述分割对象的异质性容许值是根据预设尺度阈值得到的。

3.根据权利要求2所述的方法，其中，所述预设紧凑度权重值和所述预设光滑度权重值均为接近中间值的数值，所述接近中间值是指与中间值之差在设定差值范围内。

4.根据权利要求2所述的方法，其中，预设光谱因子权重值的取值大于0.5并且小于1。

5.根据权利要求2所述的方法，其中，所述预设尺度阈值根据所述遥感影像上云图斑的实际大小确定，并使依据所述预设尺度阈值分割后的云对象和其他地物没有粘连且包括的对象数量满足设定数量要求。

6.根据权利要求1所述的方法，其中，采用如下方式基于同质对象并利用正则化最小二乘算法预先建立分类模型：

确定同质对象的光谱特征、纹理特征以及几何特征，所述光谱特征包括第一波段对象灰度均值、第三波段对象灰度均值，以及第四波段对象灰度均值与第三波段对象灰度均值之间的比值，所述纹理特征为灰度共生矩阵生成的统计量，所述灰度共生矩阵生成的统计量包括对象同质度、对象对比度和对象角二阶矩特征，所述几何特征包括圆度、矩形拟合度和形状指数；

根据预设的正则化参数以及预设的核函数，并基于所述同质对象的光谱特征、纹理特征以及几何特征，确定分类模型，所述分类模型的输入为所述同质对象的光谱特征、纹理特征以及几何特征，所述分类模型的输出为云对象和非云对象。

7.根据权利要求6所述的方法，其中，调用基于同质对象并利用正则化最小二乘算法预先建立的分类模型，对所述同质对象进行分类，检测得到云数据，包括：

基于所述同质对象的光谱特征对所述同质对象进行初步检测，得到初始云对象，所述初始云对象为初始云像元的集合，所述初始云像元包括云像元和伪云像元；

确定所述初始云对象的光谱特征、纹理特征以及几何特征，所述光谱特征包括第一波段对象灰度均值、第三波段对象灰度均值，以及第四波段对象灰度均值与第三波段对象灰度均值之间的比值，所述纹理特征为灰度共生矩阵生成的统计量，所述灰度共生矩阵生成的统计量包括对象同质度、对象对比度和对象角二阶矩特征，所述几何特征包括圆度、矩形拟合度和形状指数；

调用所述分类模型，并将所述初始云对象的光谱特征、纹理特征以及几何特征作为所述分类模型的输入参数，对所述同质对象进行分类，得到输出为云对象的分类结果，所述云对象为包括云像元的集合；

将所述分类结果中包括的云对象，作为最终检测的云数据。

8.根据权利要求7所述的方法，其中，将所述分类结果中包括的云对象，作为最终检测的云数据之前，所述方法还包括：

确定云对象的分类结果的精度满足预设精度要求。

9.根据权利要求7或8所述的方法，其中，对所述同质对象进行分类，得到输出为云对象的分类结果之后，所述方法还包括：

若所述云对象的分类结果的精度不满足预设精度要求，则重新调用所述分类模型，并将所述初始云对象的光谱特征、纹理特征以及几何特征作为所述分类模型的输入参数，对所述同质对象进行分类，得到输出为云对象的分类结果。