[发明专利]一种高效的适用于大规模光学遥感影像雾霾去除的方法

说明书

本发明属于高分辨率光学遥感影像预处理技术领域，公开了一种高效的适用于大规模光学遥感影像雾霾去除的方法，输入原始遥感数据和默认参数；计算像素强度范数；计算雾霾厚度图像；计算雾霾厚度掩膜图像；计算精细化雾霾厚度图像；提取大斑块雾霾图像Haze_map_majority以及像素位置图；计算雾霾敏感像素HTMsubgt;i/subgt;(x,y)；雾霾去除；雾霾补偿。本发明提供的高效的适用于大规模光学遥感影像雾霾去除的方法，从给定样本窗口蓝波段的平均矢量Lsupgt;2/supgt;‑范数估计HTM，改进无雾像素和雾像素的补偿策略，已成功应用于各种在密集区域内具有复杂雾度覆盖的VHR光学卫星图像，为遥感图像雾霾去除以及雾霾程度评价提供参考价值。

技术领域

本发明属于高分辨率(Very High Resolution,VHR)光学遥感影像预处理技术领域，尤其涉及一种高效的适用于大规模光学遥感影像雾霾去除的方法，也适用于中低空间分辨率光学遥感影像。

背景技术

目前，从卫星或飞机获取图像时，大气的不同特征可能导致图像质量和视觉解释性下降。水蒸气和水滴，烟雾，灰尘和气溶胶都被认为是“雾霾”，因为它们在可见光谱带中通过散射和光谱失真降低图像质量的效果相似，大大损害了有用分析。与图像中的云层相反，雾霾影响的图像透明度可以通过图像恢复技术在一定程度上得到补偿。因此，实际需要基于场景的，易于使用且鲁棒的雾度消除方法，以用于VHR光学卫星图像，以改善图像分析。

卫星图像去雾方法旨在通过基于成像模型校正雾度像素来恢复表面反射率。暗物减法(DOC)和雾度优化变换(HOT)技术是用于视觉卫星图像的众所周知的除雾方法。Makarau等提出基于整个图像的局部样本窗口构建雾霾厚度图像(Haze Thickness Map,HTM)的DOS技术进一步发展，提出从模糊图像减去HTM以恢复无雾图像的方法。ATCOR最初是由和Richter开发的，被认为是对光学卫星图像进行最先进的大气和地形校正。

综上所述，现有技术存在的问题是：考虑明亮地面物体的干扰影响，如何构建更精确的HTM？尤其是对于密集建筑区域雾霾复杂的VHR卫星图像，目前还没有这方面报道。

解决上述技术问题的难度：样本窗口大小的确定直接影响到雾霾厚度图像HTM的估计精度。对于异质性高的遥感图像不存在普适的样本窗口，需要构建一套完整的理论技术进行样本窗口大小的测试与优化，窗口大小的鲁棒性与稳健性需要做系统评价。

解决上述技术问题的意义：本发明提出的一种高效的适用于大规模光学遥感影像雾霾去除的方法将消除雾度作为主要任务、光谱特性的补偿作为后续任务，适用于大部分VHR卫星图像。该方法自主可控，可进行批量化处理，能有效恢复遥感影像的真实光谱信息，为大部分卫星图像雾霾的高效去除提供一种选择，进而提高遥感数据的可利用率。

发明内容

针对现有技术存在的问题，本发明提供了一种高效的适用于大规模光学遥感影像雾霾去除的方法。

本发明是这样实现的，

步骤一，输入多光谱光学遥感影像、百分比阈值和Minisize作为默认参数；

步骤二，计算给定样本窗口每个波段的平均矢量L²-范数，获得每个窗口的平均矢量强度值；

步骤三，通过平均向量L²-范数中的移动窗口W(x,y)搜索最暗像素，然后重新采样到原始空间分辨率，获得HTM；

步骤四，计算HTM_masked；

步骤五，计算HTM_refined：使用最近邻插值方法对HTM_masked进行插值，另存为HTM_refined；

步骤六，计算Haze_map_majority以及像素位置图；