一種同步衛星遙感序列影像的積雪識別方法及系統與流程
2023-06-03 04:25:41 1
本發明涉及遙感圖像分類識別的領域，特別涉及一種同步衛星遙感序列影像的積雪識別方法及系統。
背景技術：
雪的空間分布是山區與季節性積雪區水文、氣象模型的重要輸入因子，研究積雪分布及其特性，對於大氣環流分析，氣候演變，水資源利用以及災害分析有著重要的意義。
李三妹等研究了國內靜止氣象衛星fy-2c資料的積雪判識原理，提出了基於閾值法的輔助因子函數積雪判識方法，較好地解決了fy-2c全圓盤範圍內廣大區域不同下墊面類型下的實時積雪監測問題。dewildt等研究了基於meteosat衛星數據的雪蓋製圖方法，利用靜止衛星的高時相數據拓展了傳統的積雪分類方法，更好地實現了雲和雪的區分，得到了更加精準的積雪分布圖。
地球同步軌道衛星具有高時間解析度、觀測範圍廣的優勢，使得它能夠實現對同一地區連續工作，能夠更有效地實現實時地物類型-地物監測，一直是積雪監測十分重要的數據來源，根據這一特點地球同步軌道衛星在水資源利用、氣候演變以及災情監測等方面具有重要的應用價值。
2015年底，中國的gf-4(gaofen-4)地球同步軌道光學衛星的成功發射，為區域雪蓋製圖提供了強大的數據支撐。gf-4衛星是我國首顆地球同步軌道高解析度光學成像衛星，也是目前世界上空間解析度最高、幅寬最大的地球同步軌道遙感衛星。由於gf-4衛星傳感器不包含短波紅外波段通道(1.55μm-1.65μm),ndsi方法也不再適用於gf-4衛星影像的積雪識別，因此積雪與雲的區分成為新的難點。近年來使用缺少短波紅外波段通道(1.55μm-1.65μm)的衛星影像，進行積雪識別的研究工作也有很多。
例如noaa/avhrr資料擁有5個觀測通道包括了從可見光到遠紅外的光譜範圍，但是這五個通道中並不包含有區分雲雪的理想波段。殷青軍等通過分析noaa/avhrr資料中雲和雪的光譜特徵，根據云和雪在熱紅外波段avhrr-3(3.55μm-3.93μm)和avhrr-4(10.5μm-11.3μm)的亮溫差，提出新的雲、雪判別因子，對於區分青南地區的雲、雪有較好的效果。但是在實際判識方面仍然有缺陷，如薄雲的影響，較低雲層的影響以及雲層造成的陰影等。黃豔豔等針對國產衛星hj-1b數據積雪像元的識別問題，根據積雪在hj衛星cdd傳感器波段上的反射率遠高於其他地物，提出了一個僅用hj-cdd數據作為數據源的積雪識別方法，該方法可以去除薄雲的影響，但不能消除厚雲的影響(黃豔豔,趙紅莉,楊樹紅,2016.hj-1b衛星遙感影像的積雪識別.測繪科學.41(8):129-133)。實際上，對於缺少短波紅外通道的衛星而言，使用其影像作為唯一數據源提取積雪信息，很難消除厚雲的影響。也有學者考慮使用多源數據進行積雪識別，曹雲剛和劉闖指出，對於雲層下面的信息，目前幾乎所有的技術手段都難以將其完全恢復。比較好的途徑是利用微波遙感數據提取積雪信息。但是這些方法有許多的弊端：一方面，預處理流程複雜，需要對不同的衛星數據進行幾何校正，大氣校正、裁剪等工作，並且兩種數據的幾何校正的精度很難保證極高的一致性。另一方面，由於空間解析度，寬幅，掃描區域等均存在差異，獲取同一區域、同一時間的兩種衛星數據比較困難，所以該方法的實用性較低。
因此，如何根據同步衛星多時相遙感影像，排除雲的幹擾，實現衛星積雪的快速識別，成為亟待解決的技術問題。
技術實現要素：
本發明的目的是，為了克服現有的gf-4衛星多時相遙感影像識別方法中雲信息的幹擾，提供了一種同步衛星遙感序列影像的積雪識別方法及系統。
為實現上述目的，本發明提供了如下方案：
一種同步衛星遙感序列影像的積雪識別方法，包括如下步驟：
根據同步衛星遙感影像庫，選取無雲信息影響的積雪影像，構建單時相積雪樣本集和多時相積雪樣本集；
在單時相積雪樣本集中隨機選取w個單時相積雪樣本，計算多時相待識別影像與單時相積雪樣本之間的光譜角度和亮度差；
根據所述光譜角度和亮度差，對多時相待識別影像進行掩膜，生成多時相高亮地物影像；
將所述多時相高亮地物影像，按照時間序列進行疊加，生成多時相疊加影像；
根據所述多時相積雪樣本集和所述多時相疊加影像，計算多時相疊加影像與多時相積雪樣本之間的相似度，得到動態時間規整值；
根據所述動態時間規整值，對多時相高亮地物影像進行掩膜，生成積雪初步識別結果圖像；
根據積雪初步識別結果圖像，採用分類結果後處理的方法，得到積雪識別結果圖像。
可選的，所述構建單時相積雪樣本集和多時相積雪樣本集的步驟具體包括：
根據所述積雪樣本影像中實際的地物類型定義a個積雪類別，所述積雪類別的編號為1～a，a為正整數，對於第i個積雪類別分別選取ti個像元樣本作為訓練樣本，構成單時相積雪樣本，其中i＝1,2,…,a，ti為正整數，且不大於第i類樣本像元總數，由單時相積雪樣本組成單時相積雪樣本集；
基於同一地區，不同成像時間的m個單時相積雪樣本，對於第i個積雪類別中的第j個單時相積雪樣本，選取sij個像元，其中，j＝1,2，…，m，m為正整數，按成像時間將同一積雪類型，同一位置的像元的波段排列成向量，構成多時相積雪樣本，其中sij為正整數，且不大於第i類樣本像元總數的m倍，由多時相積雪樣本組成多時相積雪樣本集。
可選的，所述計算多時相待識別影像與單時相積雪樣本之間的光譜角度的步驟具體包括：
按光譜角公式分別計算所述多時相待識別影像中的第i個像元與w個單時相樣本中第i個單時相積雪樣本之間的光譜角αi,w，w＝1,2，…w，其中，x＝(ai)n為多時相待識別影像中的第i個像元光譜曲線矢量；y＝(bi,w)n為第w個單時相積雪樣本中與多時相待識別影像中的第i個像元對應的像元的光譜曲線矢量；ai為多時相待識別影像中第i個像元的光譜亮度，bi,w為第w個單時相積雪樣本中與多時相待識別影像中的第i個像元對應的像元的光譜亮度；n為多時相待識別影像所包含的波段數目；
將計算的w個光譜角，按升序排列，取第一個光譜角作為第i個像元與單時相積雪樣本的光譜角度。
可選的，所述計算多時相待識別影像與單時相積雪樣本之間的亮度差的步驟具體包括：
按亮度差值公式分別計算所述多時相待識別影像中的像元與w個單時相樣本中第i個單時相積雪樣本之間亮度差tw，w＝1,2，…w，其中，ai為多時相待識別影像中第i個像元的光譜亮度，bi,w第w個單時相積雪樣本中與多時相待識別影像中的第i個像元對應的像元的光譜亮度，n為多時相待識別影像所包含的波段數目；
將計算的w個亮度差，按升序排列，取第一個亮度差作為第i個像元與單時相積雪樣本的亮度差。
可選的，所述根據光譜角度和亮度差，對多時相待識別影像進行掩膜，生成多時相高亮地物影像的步驟，具體包括：
利用一次最大類間方差算法，對光譜角度、亮度差值分別尋找到對應的初始閾值點和
分別構建光譜角度、亮度差的直方圖，並得到直方圖的中值點lsam和llum，循環採用最大類間方差法得到光譜角度閾值isam和亮度差閾值ilum；
根據閾值isam和ilum，對於多時相待識別影像中光譜角度小於isam並且亮度差小於ilum的像元，劃歸為疑似積雪類別，保留像元信息，否則劃歸為非積雪類別，將像元值置零，生成多時相高亮地物影像sm。
可選的，所述計算多時相疊加影像與多時相積雪樣本之間的相似度，得到動態時間規整值的步驟具體包括：
利用動態時間規整算法計算多時相疊加影像的像元與多時相積雪樣本之間的相似度；
對計算的相似度值進行升序排序，將第一個相似度值作為該像元與多時相積雪樣本間的動態時間規整值。
可選的，所述對多時相高亮地物圖像進行掩膜，生成積雪初步識別結果圖像的步驟具體包括：
根據動態時間規整值，多次使用最大類間方差算法，自動尋找相似度的閾值zdi；
判斷多時相疊加影像的各像元的動態時間規整值是否大於相似度的閾值zdi，若大於，則該像元為雲，賦值為1，否則該像元為非雲，賦值為0，得到雲信息圖像cm；
根據云信息圖像cm，對多時相高亮地物圖像進行掩膜，多時相高亮地物圖像中對應位置的雲信息圖像cm的像元若為1，則將該位置的像元置零，否則，保留該位置的像元信息，生成積雪初步識別結果圖像rm。
可選的，所述採用分類結果後處理的方法，得到積雪識別結果圖像的步驟具體包括：
基於積雪初步識別結果圖像，計算其每個像元的鄰域範圍內各像元類別出現的頻數；選取頻數最高的像元類別，標記為lmax；
如果lmax的頻數為1，則不對當前像元像元進行處理，否則，賦予當前像元類別為lmax；得到積雪識別結果圖像rm。
發明還提供了一種同步衛星遙感序列影像的積雪識別系統，包括樣本集構建模塊，光譜角和亮度差計算模塊，多時相待識別影像掩膜模塊、影像疊加模塊，動態時間規整模塊，多時相高亮地物影像掩膜模塊，分類結果後處理模塊；
所述樣本集構建模塊，用於根據同步衛星遙感影像庫，選取無雲信息影響的積雪影像，構建單時相積雪樣本集和多時相積雪樣本集；
所述光譜角和亮度差計算模塊，用於計算多時相待識別影像與單時相積雪樣本之間的光譜角度和亮度差；
所述多時相待識別影像掩膜模塊，用於根據所述光譜角度和亮度差，對多時相待識別影像進行掩膜，生成多時相高亮地物影像；
所述影像疊加模塊，用於將多時相高亮地物影像，按照時間序列進行疊加，生成多時相疊加影像；
所述動態時間規整模塊，用於根據多時相積雪樣本集和多時相疊加影像，計算多時相疊加影像與多時相積雪樣本之間的相似度，得到動態時間規整值；
所述多時相高亮地物影像掩膜模塊根據所述動態時間規整值，對多時相高亮地物影像進行掩膜，生成積雪初步識別結果圖像；
所述分類結果後處理模塊，用於基於積雪初步識別結果圖像，採用分類結果後處理的方法，得到積雪識別結果圖像。
可選的，所述樣本集構建模塊，包括單時相積雪樣本集構建子模塊和多時相積雪樣本集構建子模塊；
所述單時相積雪樣本集構建子模塊，用於根據所述積雪樣本影像中實際的地物類型定義a個積雪類別，所述積雪類別的編號為1～a，a為正整數，對於第i個積雪類別分別選取ti個像元樣本作為訓練樣本，構成單時相積雪樣本，其中i＝1,2,…,a，ti為正整數，且不大於第i類樣本像元總數，由單時相積雪樣本組成單時相積雪樣本集；
所述多時相積雪樣本集構建子模塊，用於基於同一地區，不同成像時間的m個單時相積雪樣本，對於第i個積雪類別中的第j個單時相積雪樣本，選取sij個像元，其中，j＝1,2，…，m，m為正整數，按成像時間將同一積雪類型，同一位置的像元的波段排列成向量，構成多時相積雪樣本，其中sij為正整數，且不大於第i類樣本像元總數的m倍，由多時相積雪樣本組成多時相積雪樣本集。
可選的，所述光譜角和亮度差計算模塊，包括光譜角計算子模塊和亮度差計算子模塊；
所述光譜角計算子模塊，用於按光譜角公式分別計算所述多時相待識別影像中的第i個像元與w個單時相樣本中第i個單時相積雪樣本之間的光譜角αi,w，w＝1,2，…w，其中，x＝(ai)n為多時相待識別影像中的第i個像元光譜曲線矢量；y＝(bi,w)n為第w個單時相積雪樣本中與多時相待識別影像中的第i個像元對應的像元的光譜曲線矢量；ai為多時相待識別影像中第i個像元的光譜亮度，bi,w為第w個單時相積雪樣本中與多時相待識別影像中的第i個像元對應的像元的光譜亮度；n為多時相待識別影像所包含的波段數目；並將計算的w個光譜角，按升序排列，取第一個光譜角作為第i個像元與單時相積雪樣本的光譜角度；
所述亮度差計算子模塊，用於按亮度差值公式分別計算所述多時相待識別影像中的像元與w個單時相樣本中第i個單時相積雪樣本之間亮度差tw，w＝1,2，…w，其中，ai為多時相待識別影像中第i個像元的光譜亮度，bi,w第w個單時相積雪樣本中與多時相待識別影像中的第i個像元對應的像元的光譜亮度，n為多時相待識別影像所包含的波段數目；並將計算的w個亮度差，按升序排列，取第一個亮度差作為第i個像元與單時相積雪樣本的亮度差。
可選的，所述多時相待識別影像掩膜模塊包括光譜角度和亮度差閾值計算子模塊和多時相待識別影像掩膜子模塊；
所述光譜角度和亮度差閾值計算子模塊，用於利用一次最大類間方差算法，對光譜角度、亮度差值分別尋找到對應的初始閾值點和並分別構建光譜角度、亮度差的直方圖，並得到直方圖的中值點lsam和llum，循環採用最大類間方差法得到光譜角度閾值isam和亮度差閾值ilum；
所述多時相待識別影像掩膜子模塊，用於根據閾值isam和ilum，對於多時相待識別影像中光譜角度小於isam並且亮度差小於ilum的像元，劃歸為疑似積雪類別，保留像元信息，否則劃歸為非積雪類別，將像元值置零，生成多時相高亮地物影像sm。
可選的，所述動態時間規整模塊包括相似度計算子模塊和動態規整值計算子模塊；
所述相似度計算子模塊，用於利用動態時間規整算法計算多時相疊加影像的像元與多時相積雪樣本之間的相似度；
所述動態規整值計算子模塊，用於對計算的相似度值進行升序排序，將第一個相似度值作為該像元與多時相積雪樣本間的動態時間規整值。
可選的，所述多時相高亮地物影像掩膜模塊，包括相似度閾值計算子模塊、雲信息獲取子模塊和多時相高亮地物掩膜子模塊；
所述相似度閾值計算子模塊，用於根據動態時間規整值，多次使用最大類間方差算法，自動尋找相似度的閾值zdi；
所述雲信息獲取子模塊，用於判斷多時相疊加影像的各像元的動態時間規整值是否大於相似度的閾值zdi，若大於，則該像元為雲，賦值為1，否則該像元為非雲，賦值為0，得到雲信息圖像cm；
所述多時相高亮地物掩膜子模塊，用於根據云信息圖像cm，對多時相高亮地物圖像進行掩膜，多時相高亮地物圖像中對應位置的雲信息圖像cm的像元若為1，則將該位置的像元置零，否則，保留該位置的像元信息，生成積雪初步識別結果圖像rm。
可選的，所述分類結果後處理模塊，包括像元頻數計算子模塊和像元處理子模塊，
所述像元頻數計算子模塊，用於基於積雪初步識別結果圖像，計算其每個像元的鄰域範圍內各像元類別出現的頻數；選取頻數最高的像元類別，標記為lmax；
像元處理子模塊，用於根據lmax像元的頻數，對像元進行處理，如果lmax的頻數為1，則不對當前像元進行處理，否則，賦予當前像元類別為lmax；得到積雪識別結果圖像rm。
根據本發明提供的具體實施例，本發明公開了以下技術效果：
發明公開了一種同步衛星遙感序列影像的積雪識別方法及系統，採用光譜角匹配法計算光譜角度，採用亮度差值方法計算亮度差；並基於光譜角度和亮度差，對多時相待識別影像進行掩膜，生成多時相高亮地物影像；採用動態時間規整法得到動態時間規整值；並基於所述動態時間規整值，對多時相高亮地物圖像進行掩膜，生成積雪初步識別結果圖像；基於積雪初步識別結果圖像，採用分類結果後處理的方法，得到積雪識別結果圖像，充分利用了同步衛星遙感序列影像的多時相特性，無需短波紅外波段，即可排除雲的影響，實現同步衛星遙感影像中積雪的快速準確的識別。
附圖說明
為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。
圖1為本發明提供的一種同步衛星遙感序列影像的積雪識別方法的一個實施例的流程圖。
圖2為本發明提供的一種同步衛星遙感序列影像的積雪識別方法的另一個實施例的流程圖。
圖3為本發明提供的一種同步衛星遙感序列影像的積雪識別系統的結構框圖。
具體實施方式
本發明的目的是提供一種面向群智多模態數據的處理方法及系統。
為使本發明的上述目的、特徵和優點能夠更加明顯易懂，下面結合附圖和具體實施方式對本發明作進一步詳細的說明。
如圖1所示，作為一種可實施方式，一種同步衛星遙感序列影像的積雪識別方法，包括如下步驟：
s1、根據同步衛星遙感影像庫，選取無雲信息影響的積雪影像，構建單時相積雪樣本集和多時相積雪樣本集；
s2、在單時相積雪樣本集中隨機選取w個單時相積雪樣本，計算多時相待識別影像與單時相積雪樣本之間的光譜角度和亮度差；
s3、根據所述光譜角度和亮度差，對多時相待識別影像進行掩膜，生成多時相高亮地物影像；
s4、將所述多時相高亮地物影像，按照時間序列進行疊加，生成多時相疊加影像；
s5、根據所述多時相積雪樣本集和所述多時相疊加影像，計算多時相疊加影像與多時相積雪樣本之間的相似度，得到動態時間規整值；
s6、根據所述動態時間規整值，對多時相高亮地物影像進行掩膜，生成積雪初步識別結果圖像；
s7、根據積雪初步識別結果圖像，採用分類結果後處理的方法，得到積雪識別結果圖像。
如圖2所示，可選的，作為一種可實施方式，步驟s2所述的計算多時相待識別影像與單時相積雪樣本之間的光譜角度和亮度差的方法為：根據單時相積雪樣本集，基於時間和區域調用，採用光譜角匹配方法sam和亮度差值方法計算多時相待識別圖像中像元與單時相積雪樣本之間的光譜角和亮度差，具體步驟包括：
按光譜角公式分別計算所述多時相待識別影像中的第i個像元與w個單時相樣本中第i個單時相積雪樣本之間的光譜角αi,w，w＝1,2，…w，其中，x＝(ai)n為多時相待識別影像中的第i個像元光譜曲線矢量；y＝(bi,w)n為第w個單時相積雪樣本中與多時相待識別影像中的第i個像元對應的像元的光譜曲線矢量；ai為多時相待識別影像中第i個像元的光譜亮度，bi,w為第w個單時相積雪樣本中與多時相待識別影像中的第i個像元對應的像元的光譜亮度；n為多時相待識別影像所包含的波段數目；
將計算的w個光譜角，按升序排列，取第一個光譜角作為第i個像元與單時相積雪樣本的光譜角度。
按亮度差值公式分別計算所述多時相待識別影像中的像元與w個單時相樣本中第i個單時相積雪樣本之間亮度差tw，w＝1,2，…w，其中，ai為多時相待識別影像中第i個像元的光譜亮度，bi,w第w個單時相積雪樣本中與多時相待識別影像中的第i個像元對應的像元的光譜亮度，n為多時相待識別影像所包含的波段數目；
將計算的w個亮度差，按升序排列，取第一個亮度差作為第i個像元與單時相積雪樣本的亮度差。
步驟s3所述根據光譜角度和亮度差，對多時相待識別影像進行掩膜，生成多時相高亮地物影像的方法為多次利用改進的最大類間方差算法(otsu算法)，自動尋找光譜閾值和亮度差閾值，並根據閾值掩膜多時相待識別圖像得到多時相高亮地物圖像，其中最大類間方差算法循環的停止條件為，尋找到閾值小於對應波段直方圖統計的中值點，具體步驟包括：
利用一次最大類間方差算法，對光譜角度、亮度差值分別尋找到對應的初始閾值點和
分別構建光譜角度、亮度差的直方圖，並得到直方圖的中值點lsam和llum，循環採用最大類間方差法得到光譜角度閾值isam和亮度差閾值ilum；
根據閾值isam和ilum，對於光譜角度小於isam並且亮度差小於ilum的像元，劃歸為疑似積雪類別，保留像元信息，否則劃歸為非積雪類別，將像元值置零，生成多時相高亮地物影像sm。
所述最大類間方差算法為：設一副圖像的灰度值為1～m級，在k處將其分成兩組c0＝{1～k}和c1＝{k+1～m}，分別計算各組產生的概率w0與w1，各組的組內平均值μ0與μ1及整體圖像的灰度平均值μ，兩組間的方差用如下公式計算：
σ2(k)＝w0(μ0-μ)2+w1(μ1-μ)2＝w0w1(μ1-μ0)2＝[μ·w(k)-μ(k)]2/w(k)[1-w(k)]
從1～m之間改變k，求上式為最大值時的k，即求maxσ2(k)時的k*值便是所求的閾值；
所述得到光譜角度閾值和亮度差閾值的具體算法為：
若大於等於中值點lsam(llum)，則轉到步驟②計算若小於中值點lsam(llum)，則轉到步驟③；
②令圖像的灰度值範圍為根據最大類間方差算法尋找新的閾值並轉到步驟①；
③isam(ilum)等於
步驟s5所述計算多時相疊加影像與多時相積雪樣本之間的相似度，得到動態時間規整值的方法為利用動態規整方法(dtw)計算多時相疊加影像與多時相積雪樣本之間的相似度，具體步驟包括：
利用動態時間規整算法計算多時相疊加影像的像元與多時相積雪樣本之間的相似度；
對計算的相似度值進行升序排序，將第一個相似度值作為該像元與多時相積雪樣本間的動態時間規整值。
所述動態時間規整算法為：假設有兩個時間序列描述的特徵a和b，a的長度為m，b的長度為n，其中：a＝{a1，a2，…，am}，b＝{b1，b2，…，bn}，於是dtw距離度量公式為：
dtw(a，b)＝min{cp(a，b)}
其中為了使用dtw讓這兩個時間序列非線性對齊，需要構造一個m×n的代價矩陣c＝[c(i，j)]，其中矩陣的第(i，j)元素為ai和aj的歐式距離c(i，j)。a與b之間規整路徑p的累計代價函數可表示為
a與b之間的最優規整路徑就是累計代價函數取得最小值時候的路徑。
步驟s6所述對多時相高亮地物圖像進行掩膜，生成積雪初步識別結果圖像的方法為，根據多時相積雪樣本集，基於時間和區域調用，採用最大類間方差法，對多時相高亮地物圖像進行掩膜，得到積雪初步識別結果圖像，具體步驟包括：
根據動態時間規整值，多次使用最大類間方差算法，自動尋找相似度的閾值zdi；
判斷多時相疊加影像的各像元的動態時間規整值是否大於相似度的閾值zdi，若大於，則該像元為雲，賦值為1，否則該像元為非雲，賦值為0，得到雲信息圖像cm；
根據云信息圖像cm，對多時相高亮地物圖像進行掩膜，多時相高亮地物圖像中對應位置的雲信息圖像cm的像元若為1，則將該位置的像元置零，否則，保留該位置的像元信息，生成積雪初步識別結果圖像rm。
所述相似度閾值尋找的具體步驟為：分別統計多時相動態時間規整值的直方圖(直方圖取值範圍為：1～d)，並得到直方圖的中值點zdl；令i＝0,1,2….，於是尋找動態時間規整的閾值zdi(i)：
①若zdi(i)小於等於中值點zdl，則轉到步驟②計算zdi(i+1)；若zdi(i)大於中值點zdl，則轉到步驟③；
②令圖像的灰度值範圍為zd(i)～d，根據最大類間方差算法尋找新的閾值zdi(i+1)，並轉到步驟①；
③zdi等於zdi(i)。
步驟s7所述採用分類結果後處理的方法，得到積雪識別結果圖像的步驟具體包括：
基於積雪初步識別結果圖像，計算其每個像元的鄰域範圍內各像元類別出現的頻數；選取頻數最高的像元類別，標記為lmax；
如果lmax的頻數為1，則不對當前像元像元進行處理，否則，賦予當前像元類別為lmax；得到積雪識別結果圖像rm。
如圖3所示，一種同步衛星遙感序列影像的積雪識別系統，包括樣本集構建模塊1，光譜角和亮度差計算模塊2，多時相待識別影像掩膜模塊3、影像疊加模塊4，動態時間規整模塊5，多時相高亮地物影像掩膜模塊6，分類結果後處理模塊7；
所述樣本集構建模塊1，用於根據同步衛星遙感影像庫，選取無雲信息影響的積雪影像，構建單時相積雪樣本集和多時相積雪樣本集；
所述光譜角和亮度差計算模塊2，用於計算多時相待識別影像與單時相積雪樣本之間的光譜角度和亮度差；
所述多時相待識別影像掩膜模塊3，用於根據所述光譜角度和亮度差，對多時相待識別影像進行掩膜，生成多時相高亮地物影像；
所述影像疊加模塊4，用於將多時相高亮地物影像，按照時間序列進行疊加，生成多時相疊加影像；
所述動態時間規整模塊5，用於根據多時相積雪樣本集和多時相疊加影像，計算多時相疊加影像與多時相積雪樣本之間的相似度，得到動態時間規整值；
所述多時相高亮地物影像掩膜模塊6，用於根據所述動態時間規整值，對多時相高亮地物影像進行掩膜，生成積雪初步識別結果圖像；
所述分類結果後處理模塊7，用於基於積雪初步識別結果圖像，採用分類結果後處理的方法，得到積雪識別結果圖像。
可選的，所述樣本集構建模塊1，包括單時相積雪樣本集構建子模塊和多時相積雪樣本集構建子模塊；
所述單時相積雪樣本集構建模塊，用於根據所述積雪樣本影像中實際的地物類型定義a個積雪類別，所述積雪類別的編號為1～a，a為正整數，對於第i個積雪類別分別選取ti個像元樣本作為訓練樣本，構成單時相積雪樣本，其中i＝1,2,…,a，ti為正整數，且不大於第i類樣本像元總數，由單時相積雪樣本組成單時相積雪樣本集；
所述多時相積雪樣本集構建模塊，用於基於同一地區，不同成像時間的m個單時相積雪樣本，對於第i個積雪類別中的第j個單時相積雪樣本，選取sij個像元，其中，j＝1,2，…，m，m為正整數，按成像時間將同一積雪類型，同一位置的像元的波段排列成向量，構成多時相積雪樣本，其中sij為正整數，且不大於第i類樣本像元總數的m倍，由多時相積雪樣本組成多時相積雪樣本集。
可選的，所述光譜角和亮度差計算模塊2，包括光譜角計算子模塊和亮度差計算子模塊；
所述光譜角計算子模塊，用於按光譜角公式分別計算所述多時相待識別影像中的第i個像元與w個單時相樣本中第i個單時相積雪樣本之間的光譜角αi,w，w＝1,2，…w，其中，x＝(ai)n為多時相待識別影像中的第i個像元光譜曲線矢量；y＝(bi,w)n為第w個單時相積雪樣本中與多時相待識別影像中的第i個像元對應的像元的光譜曲線矢量；ai為多時相待識別影像中第i個像元的光譜亮度，bi,w為第w個單時相積雪樣本中與多時相待識別影像中的第i個像元對應的像元的光譜亮度；n為多時相待識別影像所包含的波段數目；並將計算的w個光譜角，按升序排列，取第一個光譜角作為第i個像元與單時相積雪樣本的光譜角度；
所述亮度差計算子模塊，用於按亮度差值公式分別計算所述多時相待識別影像中的像元與w個單時相樣本中第i個單時相積雪樣本之間亮度差tw，w＝1,2，…w，其中，ai為多時相待識別影像中第i個像元的光譜亮度，bi,w第w個單時相積雪樣本中與多時相待識別影像中的第i個像元對應的像元的光譜亮度，n為多時相待識別影像所包含的波段數目；並將計算的w個亮度差，按升序排列，取第一個亮度差作為第i個像元與單時相積雪樣本的亮度差。
可選的，所述多時相待識別影像掩膜模塊3包括光譜角度和亮度差閾值計算子模塊和多時相待識別影像掩膜子模塊；
所述光譜角度和亮度差閾值計算子模塊，用於利用一次最大類間方差算法，對光譜角度、亮度差值分別尋找到對應的初始閾值點和並分別構建光譜角度、亮度差的直方圖，並得到直方圖的中值點lsam和llum，循環採用最大類間方差法得到光譜角度閾值isam和亮度差閾值ilum；
所述多時相待識別影像掩膜子模塊，用於根據閾值isam和ilum，對於多時相待識別影像中光譜角度小於isam並且亮度差小於ilum的像元，劃歸為疑似積雪類別，保留像元信息，否則劃歸為非積雪類別，將像元值置零，生成多時相高亮地物影像sm。
可選的，所述動態時間規整模塊5包括相似度計算子模塊和動態規整值計算子模塊；
所述相似度計算子模塊，用於利用動態時間規整算法計算多時相疊加影像的像元與多時相積雪樣本之間的相似度；
所述動態規整值計算子模塊，用於對計算的相似度值進行升序排序，將第一個相似度值作為該像元與多時相積雪樣本間的動態時間規整值。
可選的，所述多時相高亮地物影像掩膜模塊6，包括相似度閾值計算子模塊、雲信息獲取子模塊和多時相高亮地物掩膜子模塊；
所述相似度閾值計算子模塊，用於根據動態時間規整值，多次使用最大類間方差算法，自動尋找相似度的閾值zdi；
所述雲信息獲取子模塊，用於判斷多時相疊加影像的各像元的動態時間規整值是否大於相似度的閾值zdi，若大於，則該像元為雲，賦值為1，否則該像元為非雲，賦值為0，得到雲信息圖像cm；
所述多時相高亮地物掩膜子模塊，用於根據云信息圖像cm，對多時相高亮地物圖像進行掩膜，多時相高亮地物圖像中對應位置的雲信息圖像cm的像元若為1，則將該位置的像元置零，否則，保留該位置的像元信息，生成積雪初步識別結果圖像rm。
可選的，所述分類結果後處理模塊7，包括像元頻數計算子模塊和像元處理子模塊，
所述像元頻數計算子模塊，用於基於積雪初步識別結果圖像，計算其每個像元的鄰域範圍內各像元類別出現的頻數；選取頻數最高的像元類別，標記為lmax；
像元處理子模塊，用於根據lmax像元的頻數，對像元進行處理，如果lmax的頻數為1，則不對當前像元進行處理，否則，賦予當前像元類別為lmax；得到積雪識別結果圖像rm。
本文中應用的實施例可以應用於gf-4衛星，排除雲信息的影響，實現積雪的快速識別，但不限於gf-4衛星，也可以應用於其他的同步衛星，實現積雪的快速識別，本文中應用了具體個例對發明的原理及實施方式進行了闡述，以上實施例的說明只是用於幫助理解本發明的方法及其核心思想，所描述的實施例僅僅是本發明的一部分實施例，而不是全部的實施例，基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。