[发明专利]一种快速准确的遥感数字影像含云量检测方法

权利要求书

1.一种快速准确的遥感数字影像含云量检测方法，其特征在于：采用遥感数据平台具备的红、绿、蓝三个通道的影像信息作为数据源，一是对遥感数字影像进行三个层次的遥感影像分割，三个层次的遥感影像分割分别为过分割、适度分割、粗分割；二是以每个分割影像块为单位提取视觉特性，视觉特性包括区域特性和区域对比度特性两类；三是利用随机森林算法训练分类器，对每个分割影像块进行云或非云的判断并生成显著性图像，每幅影像都进行了三个层次的遥感影像分割，会得到的三幅显著性图像；四是通过平等投票融合的方式将三幅显著性图像融合成最终的云掩膜图像。

2.根据权利要求1所述的一种快速准确的遥感数字影像含云量检测方法，其特征在于，基于云在遥感数字影像中的视觉显著性原理，设置实现遥感数字影像含云量检测算法模型，具体步骤为：

第一步，对遥感数字影像进行遥感影像分割，在遥感数字影像上进行含云量检测先对遥感数字影像进行分割，以分割影像块为对象进行云或非云的判断，对云或非云的判断以像素为单位，特征设置不局限于像素本身的物理光谱特征，可得到区域的统计特征和区域间的统计特征，对遥感数字影像进行多尺度遥感影像分割提取不同尺度下的视觉特性，含云量检测具体应用采用改进的基于图论分割算法，通过调整阈值控制遥感影像分割的阈值，达到过分割或粗分割的目的；

第二步，以分割影像块为单位提取视觉特性，采用各遥感数据平台都具备的红、绿、蓝三个通道作为输入数据，然后以分割影像块为单位提取视觉特性。基于显著性算法机理，通过区域统计特性描述云区域与非云区域的差异，含云量检测视觉特性设计包括两大类：区域特性和区域对比度特性；

第三步，基于自上而下的视觉显著性检测算法框架进行含云量检测，采用随机森林算法作为云分类器，在分类精度上分类错误率收敛于泛化误差界，提高单颗分类决策树的分类强度或通过随机法降低分类决策树间的相关性，在抗噪声上引入装袋法和特征子空间法两大随机法，在含云量检测上无需对训练样本进行预处理，训练集中的特征向量在各维度下表现稳定；

第四步，通过平等投票融合的方式将三幅显著性图像融合成最终的云掩膜图像，遥感影像分割阶段，同一张影像进行含云量检测时会得到三个尺度的显著性图，将这三个尺度的显著性图融合得到最终的云掩膜图像。

3.根据权利要求1所述的一种快速准确的遥感数字影像含云量检测方法，其特征在于，遥感影像分割中，以分割影像块为单位来判断云或非云，以像素为单位进行含云量检测，得到该区域的统计特征和区域间的统计特征，令A代表整张影像区域，则遥感影像分割可视为将A分割为n个子区域的过程，同时满足以下条件：

(1)

(2)A_i是一个连通区域，i＝1，2，...，n

(3)对所有的i和j且i≠j，满足

(4)P(A_i)＝TRUE，i＝1，2，...，n

(5)P(A_i∪A_j)＝FALSE，i≠j

其中P为逻辑函数，

遥感影像分割采用改进的基于图论分割方法，改进的基于图论分割方法将遥感影像表示为图的形式：

B＝(V，D)，

其中V为节点的集合，D为边的集合，v_i对应一个像素点，且v_i∈V，一条边将两个节点v_i与v_j连接在一起，且(v_i，v_j)∈D，每一条边都对应一个权重w(v_i，v_j)，这个权重为非负值，由对应的两个节点的特性决定，边的权重函数由两个节点上的色彩、灰度差、位移多种局部特性决定。