[发明专利]遥感影像自动云检测方法和装置

说明书

本发明公开了一种遥感影像自动云检测方法和装置，属于卫星遥感技术领域。本发明进行像素点的有效性判断，初步锁定云检测区域；然后将遥感影像进行分块，利用图像块内有效像素在近红外波段、短波红外波段、热红外波段的均值、标准差分别确定各波段的检测阈值；最后利用近红外波段的检测阈值进行初步云检测，利用短波红外波段的检测阈值去除白色物体，利用热红外波段的检测阈值去除虚警。本发明无需人为设定任何参数和标注样本，自适应影像光谱特征进行物理特性阈值的自动选取，实现了一键式的快速、批量、高精度的云检测及云掩膜产品生产；并且降低了运算量，提高了云检测效率；排除了人工目标和高亮区域，降低了似云目标的误判。

技术领域

本发明涉及卫星遥感技术领域，特别是指一种遥感影像自动云检测方法和装置。

背景技术

卫星遥感传感器在对地观测成像过程中，由于传感器受大气密度和云层变化等影响较大，许多影像存在云层遮挡问题，导致原始地物信息衰减、光谱失真，甚至损失，降低了遥感图像中地面目标信息的可用性，影响了高分辨率遥感影像地物解译与提取，生态参量定量产品反演精度以及时空无云无缝遥感影像镶嵌产品等测绘产品生产。因此，云检测是卫星遥感影像处理的重要环节，是卫星遥感产品生产和应用的前提，自动化、业务化的云掩膜产品生产是提高卫星遥感影像利用率的重要保障。

随着卫星遥感技术的发展，遥感图像的分辨率越来越高，谱段数目越来越多，遥感图像的云检测方法也呈现多样化的发展。现有的云检测算法主要利用云的光谱、频率、纹理等特性，结合阈值法、支持向量机法、聚类法等进行检测。

传统的光谱结合阈值法主要利用云的高反射率和低温特性，利用可见光或近红外光谱的差异对波谱进行分析来实现云检测。缺点是对阈值的敏感程度较高，仅适用于局部的地理区域或特定背景区域或特定卫星传感器，普适性不强。纹理分析方法主要利用云的形状、纹理以及灰度等物理特性进行云检测，缺点是对云分类特征的准确性要求较高。频率结合阈值法主要利用云的低频特性，通过小波分析、傅里叶变换等方法获取影像低频数据进行云检测，缺点是检测效率较低。支持向量机等机器学习方法需要获取大量的训练样本，对分类特征的选取要求较高，通常需要依赖于辅助数据来设置阈值，业务化程度低。

发明内容

为解决上述技术问题，本发明提供一种遥感影像自动云检测方法和装置，本发明自适应影像光谱特征进行检测阈值的自动选取，无需人为设定任何参数和标注样本，实现了快速、批量化、自动化、高精度的云检测及云掩膜产品生产。

本发明提供技术方案如下：

一种遥感影像自动云检测方法，所述方法包括：

S1：获取遥感影像并进行预处理和标准化，其中所述遥感影像包括绿波段、红波段、近红外波段、短波红外波段和热红外波段；

S2：计算遥感影像每个像素点的属性标的P_r1；

其中，P_G为像素点在绿波段的值，P_NIR为像素点在近红外波段的值；

S3：对遥感影像的每一个像素点，当像素点的属性标的P_r1满足如下条件时，将该像素点标记为有效像素点；

P_r1＞0∩P_r1＜15∩|1-P_r1|＞0.02

S4：将遥感影像划分为若干图像块，并计算每个图像块中所有有效像素点在近红外波段、短波红外波段、热红外波段的均值M_NIR、M_SWIR、M_TIR和标准差V_NIR、V_SWIR、V_TIR；