一種星上可見光遙感圖像雲檢測方法
2023-10-23 09:27:27
一種星上可見光遙感圖像雲檢測方法
【專利摘要】本發明一種星上可見光遙感圖像雲檢測方法。本發明首先對遙感圖像進行小塊分割，對每個子塊進行亮像素點個數統計，亮像素點個數低於閾值，則判為非雲，否則可能為雲；然後計算子塊圖像的平均梯度和灰度共生矩陣的角二階矩，利用事先訓練好的權重參數進行分類，分為雲和非雲。本發明方法簡單，判別準確度高，且具有一定的適應性，可應用於航天可見光遙感圖像傳輸系統減少數據量，也可應用於遙感目標檢測的預處理中。
【專利說明】—種星上可見光遙感圖像雲檢測方法
【技術領域】
[0001]本發明屬於航天遙感領域，涉及一種星上可見光遙感圖像雲檢測方法。
【背景技術】
[0002]在航天遙感數據傳輸系統中，傳統技術為從數據去冗餘的角度較少數據量，具體技術為圖像壓縮技術，無損壓縮技術壓縮程度有限，有損壓縮則可能丟失有用信息。雲檢測的方法是從遙感數據的有用性出發，刪除可見光遙感圖像中對地物觀測無用的雲圖像數據。如此處理關鍵是準確檢測出雲圖像來，尤其是佔數據量較大的厚雲圖像。
[0003]目前對遙感圖像的雲處理方法比較多，很大部分是對多光譜圖像利用光譜信息進行雲檢測，本發明只涉及可見光一個譜段的雲檢測。而針對可見光圖像雲檢測的方法，一般是在地面進行雲檢測，與星上在軌應用相比，地面雲檢測設備不受空間功耗、重量、體積等得約束，因此檢測方法對複雜度無嚴格要求。此外，目前衛星遙感圖像雲檢測方法大多針對某顆具體衛星，檢測方法針對性強，不具有通用性。
【發明內容】
[0004]本發明解決的技術問題是:克服現有技術的不足，提供一種星上可見光遙感圖像雲檢測方法，解決了衛星遙感圖像在軌雲檢測的問題。
[0005]本發明的技術方案是:一種星上可見光遙感圖像雲檢測方法，步驟如下:
[0006]I)將待檢測的遙感圖像分割為RXL個子塊圖像；其中R、L均為正整數；
[0007]2)判斷每個子塊圖像中亮度值大於第一閾值T1的個數N，若N小於第二閾值T2,則該子塊圖像為非雲圖像；若N大於等於第二閾值T2,則進入步驟3)；
[0008]3)對步驟2)中獲得的個數N大於等於第二閾值T2的子塊圖像獲取紋理特徵；所述紋理特徵包括平均梯度▽曼和灰度共生矩陣的角二階矩ASM ；
[0009]4)將事先訓練好的權值代入預設的核函數獲得函數值，若函數值小於等於第三閾值T3為，則該子塊圖像為非雲圖像，若函數值大於第三閾值1~3為，則該子塊圖像為雲圖像。
[0010]本發明與現有技術相比的優點在於:本發明提出的星上可見光圖像雲檢測方法，方法簡單，滿足在軌應用的需求，發明方法在特徵選取方面，採用簡單的亮度特徵和紋理特徵，在分類器的設計方面，運算量較大的訓練過程在地面完成，而較簡單的分類處理過程則在軌進行，因此，整個方法簡單易於硬體實現；發明方法分類準確度高，通過對衛星遙感圖像的分類結果表明，該方法對厚雲的檢測準確度優於90%以上；同時具有適應性，通過選取普遍的雲的特徵和學習訓練的方法，該方法能適應不同衛星成像數據，實驗測試多顆衛星圖像，該方法均能較好檢測出厚雲，具有較好的適應性能。
【專利附圖】
【附圖說明】
[0011]圖1為本發明的流程圖；
[0012]圖2為本發明的共生矩陣計算過程示意圖。【具體實施方式】
[0013]如圖1所示，本發明提出了一種星上可見光遙感圖像雲檢測方法:
[0014]1.對遙感圖像分割為RXL個子塊圖像；子塊作為分類的基本單元，塊的大小由解析度決定，一般定為覆蓋數十米範圍為佳；其中R、L均為正整數；
[0015]2.統計子塊圖像中亮度值大於閾值T1的像素個數n，雲在遙感圖像亮度特徵中表現為高亮度，通過亮度信息的初步篩選，減少進一步分類的誤差；
[0016]3.計算子塊的紋理特徵，具體包括平均梯度Vf和灰度共生矩陣的角二階矩ASM，平均梯度和共生矩陣的角二階矩是從兩個不同的方面反應圖像的紋理特徵，雲圖像尤其是厚雲圖像(除邊緣外)，相對地面要平坦些，因此利用這兩個特徵可以有效區分雲和地物；
[0017]4.利用紋理特徵進行分類為利用訓練好的權值和閾值T3，對紋理特徵進行分類；將訓練好的的參數代入預設的核函數求解函數值，若其函數值大於T3為雲，否則為非雲；這是利用紋理特徵進行分類，其分類器需要事先訓練，訓練過程可以採用學習算法(支持向量機SVM等)，先選取典型的亮度值符合要求的子塊，認為區分雲子塊和地物子塊，並作好標記，計算各自的平均梯度▽更和灰度共生矩陣的角二階矩ASM，帶標記進行訓練，獲得訓練參數供分類器使用。
[0018]下面針對IObit數據，具體實施過程如下:
[0019]一、對輸入圖像進行64X64的分塊；
[0020]二、統計子塊圖像中亮度值大於閾值T1的像素個數η ；
[0021]如IObit圖像中，計算子塊圖像中像素亮度值大於800的個數，若η>3/4X64X64，這可能為雲，否則非雲。
[0022]三、獲得子塊圖像的紋理特徵，具體包括平均梯度▽曼和灰度共生矩陣的角二階矩ASM ；
[0023]平均梯度的計算如下:
【權利要求】
1.一種星上可見光遙感圖像雲檢測方法，其特徵在於步驟如下: 1)將待檢測的遙感圖像分割為RXL個子塊圖像；其中R、L均為正整數； 2)判斷每個子塊圖像中亮度值大於第一閾值Tl的個數N，若N小於第二閾值T2,則該子塊圖像為非雲圖像；若N大於等於第二閾值T2,則進入步驟3)； 3)對步驟2)中獲得的個數N大於等於第二閾值T2的子塊圖像獲取紋理特徵；所述紋理特徵包括平均梯&▽—和灰度共生矩陣的角二階矩ASM ； 4)將事先訓練好的權值代入預設的核函數獲得函數值，若函數值小於等於第三閾值T3為，則該子塊圖像為非雲圖像，若函數值大於第三閾值T3為，則該子塊圖像為雲圖像。
【文檔編號】G06K9/00GK103500449SQ201310446057
【公開日】2014年1月8日 申請日期:2013年9月26日 優先權日:2013年9月26日
【發明者】肖化超, 孫文方, 鄭小松, 候舒維, 張海濤, 王元樂 申請人:西安空間無線電技術研究所