基于landsa影像的云探测

基于landsa影像的云探测

本地噪声传播图像有7个段（3个视图，1个近红外，2个波长外和1个热红外）。其中，6个段的空间分析力为30m，检测周期为16d。由于高分辨率高，区域遥感图像具有重要的信息来源，已广泛应用于区域土地利用图纸的应用、农业评估、森林管理、水资源调查、灾害监测等。此外，实地测量和实地评估影像是美国国家航空航天局（nic）对长期观测时间的重要组成部分。云的存在严重影响了卫星数据的使用，尤其是对于那些需要严格接收时间的遥感（其他时间相位遥感图像的价值通常很小）。云的存在将不可避免地影响到图像。当去除云的影响时，重建薄云底部的信息时，相机可以在实际应用中发挥更多的潜力。赵忠明等人通过同态滤波法,把频率过滤与灰度变化相结合,分离云与背景地物,最终从影像中去除云的影响,这种方法由于涉及到滤波器以及截至频率的选择,在滤波的过程中有时会导致一些有用信息的丢失.Richter通过假定云区与非云区影像直方图相同,二者直方图匹配来实现薄云的去除,但实际应用中该假定常常不满足,去云效果不理想.Wang利用两个时相的TM影像,以无云区影像作为参考,通过小波变换对云进行检测,并利用无云区影像信息通过小波融合对云进行去除,该方法需要两景影像,且要求精确的地理配准,若两个时相影像中地物变化较大则去云效果不理想.暗目标扣除法(dark-objectsubtraction)也是常用的方法,但实际应用中常受到如何选择理想暗目标的困扰.Lang等人提出基于相同地物的反射率相近,对于每一类地物,将云区影像的均值与无云区影像均值分地物类别进行匹配,该方法是对直方图匹配的改进,但去云之后可能会出现边缘效果.本文基于单景Landsat影像的自身信息,利用修改的最优化薄云变换算法实现云的自动探测云,根据云的等级和地物类型将云区可见光影像和对应地物的无云区影像进行匹配,实现薄云的去除.利用该方法,云的探测快速准确,薄云的去除效果较好.1薄云自动检测和删除的原理和方法1.1对不同地物的光谱特性的模拟云的检测是薄云去除的前提.本文利用最优化云的变换(hazeoptimizedtransform,HOT)对Landsat影像进行云的自动检测.对该变换进行了修改.HOT的原理为:1)在晴朗的天气条件下,对于不同的地物,LandsatTM的band1和band3高度相关.在band1和band3的散点图上,像元点的分布集中在一条直线上(与地物的种类无关),这条线被定义为“晴空线”(clearline),见图1.2)对薄厚不同的云或气溶胶,LandsatTM的band1和band3的表观辐高度(apparentradiance)不同.与晴朗无云条件下相比,band1和band3的像元值(DN)都升高,但band1受气溶胶的影响更大,升高的更多.故在以band1为横轴,band3为纵轴的散点图上,受气溶胶影响的像元相对于晴空线向右上方偏移,云越厚,像元向右上方的偏移量越大.该现象可以从Landsat影像上观测到,利用大气辐射传输软件Modtran对不同地物的光谱在不同的气溶胶条件下进行模拟也得到了相同的结果(见图1).在图1中,A～K指不同的地物,TM1(LandsatTM的band1)和TM3的数据来自于晴朗天气条件下实测的地物光谱,经Modtran模拟所得,1～19指不同的大气条件,光学厚度逐渐增加.在1～19大气条件下,TM1和TM3的数据通过Modtran利用大气辐射传输模型计算所得.由图1可知,随着气溶胶光学厚度的增加,在TM1和TM3的空间上,像元逐渐偏离晴空线,光学厚度越大,偏离量越大.3)通过HOT以反映随着气溶胶的不断增加,band1和band3的不同的光谱响应.HOT系数的方向垂直于晴空线,数值大小与偏离晴空线的程度成比例.Zhang等人定义HOT为L=B1sinθ-B3cosθ.(1)式中:B1为TM1的DN值,B3为TM3的DN值,θ为晴空线的倾度.利用式(1)计算的HOT存在一个缺陷,即晴空线上像元的HOT不为0,这与HOT设计的初衷不吻合(HOT值的大小代表受气溶胶影响的像元相对晴空线的偏离距离,晴空线上像元的HOT没有偏离,HOT应为0).后来Zhang通过将HOT影像减去晴空线HOT值实现归一化,但这没有准确清楚地描述HOT的物理意义.从HOT的物理意义出发,对HOT计算进行修改,见式(2).HOT=B1sinθ-B3cosθ-|I|cosθ.(2)式中:I为晴空线的截距.式(2)的物理意义见图2.图中,BDP为晴空线,与TM3轴交于K,θ为晴空线的倾角,A为坐标原点,LAK为晴空线的截距.AC平行晴空线且穿过坐标原点.一地物的TM1和TM3受气溶胶及云的影响之后从晴空线上偏移到O处.OF垂直于横轴TM1,CDEF及OP垂直于晴空线,OE平行于晴空线.通过HOT则可计算O相对应于晴空线所偏的距离.对于LandsatTM影像,地物TM1的DN值常常小于TM3的DN值,所以晴空线BDP在过原点AC线的右侧.LOP为点O偏移晴空线的距离.LOP=LDE=LCF-LEF-LCD.(3)式中:LCF=LAFsinθ=TM1sinθ;LEF=LOFcosθ=TM3cosθ;LCD为平行线AC与BDP之间的距离,即LCD=LAB=LAKcosθ,其中,LAK为晴空线的截距.当晴空线已知时,I、θ已知,LAB为一常数.根据图2中HOT的定义及公式(3),计算HOT值应使用式(2).利用式(2)计算HOT影像,HOT影像代表了云的分布,从而实现云的自动检测.在利用HOT进行云的检测时发现,HOT方法对于在band1和band3特别亮的部分城区地物(主要是高亮度水泥地面)较敏感,可能将其误分为云区,这可通过目视解译将城区部分排除,也可以通过Landsat的band6热红外数据根据云区像元温度较低而无云区像元温度较高的区别将这部分去除.1.2云厚度的测试根据1.1节中HOT产生的原理可知,HOT数值越大,表明像元偏离晴空线越远,受气溶胶和云影响越大,云越厚.因此本文根据HOT从小到大将云区影像根据云的厚薄分类,本文中按HOT每增加0.5分级.1.3种地物覆盖类型当影像中存在较厚的气溶胶和薄云时,Landsat1、2、3波段会受到较严重的污染,而波段4、5、7受薄云以及气溶胶的影响较小,可被用来对整景影像进行分类以确定不同的地物覆盖类型;然后,对波段1、2、3中云区的不同等级及无云区分别按照地物类型的不同进行均值匹配,从而实现云的自动去除.采用无监督分类方法,利用波段4、5、7进行地物分类,通常分成30～50类.薄云的自动检测与去除的流程见图3.2热图云的去除为了验证本文中云的自动检测和去除方法的有效性,下面给出了3个例子.三景影像的基本信息见表1.云的自动检测结果见图4～6.图4中云呈条带状;在图5中,中间的云呈团状,边上的云呈柳絮状;图6中云呈片状.通过HOT变换,能准确地检测出厚云和薄云.HOT数值的大小反映了云的厚薄,HOT影像清楚地显示了云在空间的分布.这为云的去除提供了基础.去云前后的对比见图7～9.去云前影像中云区DN值较高,影像偏亮,对比度小,云的存在掩盖了下垫面地物的信息;而去云之后地物的信息得到了恢复,对比度提高,地物比较清晰,影像中不存在云区与无云区边缘现象,也不存在薄云区与厚云区的边缘现象.3云自动检测本文基于单景Landsat影像的自身特征,通过修改的HOT实现了云的自动检测,高效快速.对于可见光波段通过分地物类别和分云的厚薄等级将云区影像与非云区影像对应的地物类别进行均值匹配,实现了薄云的自动去除,为Landsat影像的进一步处理打下基础,提高了影像的应用潜力.在利用HOT进行云的自动检测中,根据HOT的物理意义对HOT进行了修改,有利于云的自