一種多時相遙感影像的厚云自動去除方法
【技術領域】
[0001] 本發明設及一種遙感影像的厚云自動去除方法，尤其是一種多時相遙感影像的厚 云自動去除方法，屬于遙感影像預處理技術領域。
【背景技術】
[0002] 遙感影像中，云覆蓋是造成遙感數據缺乏的重要因素之一。大量的遙感影像由于 云覆蓋的干擾，降低了感興趣信息的清晰度，從而降低了利用率。有效地減少或去除云的影 響，是提高遙感數據利用率的一個重要途徑，也是遙感影像預處理中的一個重要問題。遙感 影像厚云去除可W恢復不完整的影像，增加遙感影像數據來源、降低數據成本，為促進遙感 影像軍民兩用提供技術支持，W獲取較大的經濟效益。
[000引由于厚云區域缺乏可利用的信息，直接去除比較困難。目前國內外去除厚云的方 法主要有單幅影像的厚云去除方法和多時相影像的厚云去除方法。單幅影像的厚云去除方 法主要運用影像修復和合成技術。它雖然能夠產生合理的視覺效果，但是無法保證影像像 素值的真實性。多時相影像的厚云去除方法是利用同一區域不同時間的影像，根據影像間 的時間和空間相關性來去除厚云。但是現有多時相影像厚云去除方法缺乏有效穩定的選擇 參考影像的標準。同時，該些方法需要很多人工干預，難W同時去除厚云和云的陰影。所W 該些方法無法得到實際應用。

【發明內容】

[0004] 本發明的目的在于針對已有技術存在的缺陷，提供一種能夠有效的選擇參考影 像，自動去除厚云及其陰影的多時相遙感影像的厚云自動去除方法。
[0005] 為實現上述目的，本發明采用下述技術方案：
[0006] -種多時相遙感影像的厚云自動去除方法，由W下步驟組成：
[0007] 步驟1;采集遙感衛星厚云影像Ir"(i,j,k), 1《k《K和T幅與其同區域的多時 相影像Iraw.t(1，j，k)，1《i《M，1《j《N，1《t《T，1《k《K，；其中i和j分別為圖 像中像素的行坐標和列坐標，k為圖像的波段編號，M、N和K分別代表厚云影像的行數、列 數和波段數。
[000引步驟2 ;厚云區域檢測，得到厚云區域指示模板mask(i，如；
[0009] 步驟3;自動選擇參考影像；自動選擇一幅多時相影像作為參考影像Iuf(i，j，k);
[0010] 步驟4 ;采用泊松方程修復方法去除厚云，得到初步去云結果I。(i，j，k);
[0011] 步驟5 ;將所述初步去云結果1。(1，j，k)和參考影像luf(i，j，k)納入變分模型，再 次去除厚云，得到最終的去云結果I'。(i，j，k)。
[0012] 上述步驟2由w下具體步驟組成：
[001引步驟2-1 ;將厚云影像j，k)的藍光波段圖像I(iJ)與闊值Te比較，計算厚 云區域初始指示模板mask0(i，j);
[0014] (1)
[0015] 式中maskO(i,j)為1表示對應像素屬于厚云區域，maskO(i,j)為0表示對應像 素屬于無云區域；
[0016] 步驟2-2 ;對所述厚云區域初始指示模板maskO(i，j)進行形態學處理，去除孤立 的斑點并填補細小的空洞，得到厚云區域指示模板mask(i，j)。
[0017] 上述步驟2-1中闊值Tc的計算方法為：
[001引Tc=m+Ao似
[001引其中，m為所述厚云影像j，k)的藍光波段圖像I(i，如的像素均值：
[0020]
(3)
[0021] 0為厚云影像j，k)的藍光波段圖像I(i，j)的像素標準方差：
[0022]
(4)
[0023] A為權重系數；
[0024]
(5)
[00巧]上述步驟3由W下具體步驟組成：
[0026] 步驟3-1 ;計算厚云影像的各波段的圖像Ir"(i,j,k)，1《k《K在X方向的梯度 值吊，〇 (X，y，k)和y方向的梯度值gy，〇 (X，y,k):
[0027]
(6)
[002引步驟3-2 ;計算所述各多時相影像j，k)，1《t《T在X方向的梯度值gx，t(X，y,k)和y方向的梯度值gy，t(X，y,k):
[002引
（7)
[0030] 步驟3-3 ;計算所述厚云影像Ir"(i，j，k)，1《k《K與各多時相影像 (i，j，k)，1《t《T在無云區域對應位置梯度值之間的均方根誤差RMSEt;
[00引]
W
[0032] 步驟3-4 ;選擇RMSEt最小的多時相影像It，作為所述厚云影像的去云參考影 像 (i,j,k)。
[0033] 上述步驟4中所述初步去云結果1。(1，j，k)中無云區域像素值與所述厚云影像 It"(i，j，k)的無云區域像素值相等，其厚云區域圖像的像素值由下式計算得到：
[0034] (9)
[00對其中，Q代表厚云區域內部；洗代表厚云區域邊界，▽表示梯度算子，Ii表示I。 在區域Q的像素。
[0036] 上述步驟4中厚云區域圖像的像素值可W根據W下遞推公式計算得到：
[0040]式中P郝Pj.分別代表初步去云結果I。(1，j，k)中第i個和第j個厚云區域像素；N(Pi)代表所述像素Pi的四鄰域像素集；
[00 …
（12)
[004引式中1。站）表示初步去云結果I0(i，j，k)中像素di的像素值，Iref(Pi)Irefhi)分 別表示所述去云參考影像Iaf(i，j，k)中像素Pi和的像素值，像素為N(Pi)與Q交集 內的第i個像素；C為A的化olesk巧分解，A=CCT，其中C為一個下S角矩陣，其下S角 部分具有和A完全相同的結構。
[0043] 上述步驟5中的變分模型代價函數為：
[0044]
(13)
[0045] 其中a為用于權衡兩個約束項貢獻度參數，a> 0。
[0046] 上述步驟5中的變分模型代價函數最小值的求解方法為采用下述迭代公式計算：
[0047]
[0048] 其中At是迭代步長，a是正則化參數，an的計算公式為；
[004引
山）
[0050] 式中var_n為設定的標準參數。
[0051] 本發明的有益效果在于：
[0052] 1、本發明能通過厚云影像和多幅多時相影像在梯度值之間的均方根誤差（MSE) 確定參考影像。它無需人工交互，自動地去除厚云及其陰影
[0053] 2、本發明兼顧了原始影像的像素亮度與參考影像的梯度信息，對像素值有較好保 真性。
【附圖說明】
[0054] 圖1為本發明的流程圖；
[0055] 圖2為本發明步驟2的流程圖；
[0056] 圖3為本發明步驟3的流程圖。
[0057] 圖4為本發明的遙感衛星采集的厚云影像；
[0058] 圖5為本發明的遙感衛星采集的參考影像；
[0059] 圖6為本發明檢測出的厚云區域的指示模板；
[0060] 圖7為本發明的初步去云結果；
[0061] 圖8為本發明的最終去云結果。
【具體實施方式】
[0062] 實施例1 ;
[0063] 如圖1所示，一種多時相遙感影像的厚云自動去除方法，由W下步驟組成：
[0064] 步驟1 ;采集遙感衛星厚云影像Ir"(i，j，k)，1《k《K和T幅與其同區域的多時 相影像Iraw.t(1，j，k)，1《i《M，1《j《N，1《t《T，1《k《K，；其中i和j分別為圖 像中像素的行坐標和列坐標，k為圖像的波段編號，M、N和K分別代表厚云影像的行數、列 數和波段數；；在本實施例中M、N和K分別為400、400和7 ;
[006引步驟2 ;厚云區域檢測，得到厚云區域指示模板mask(i，如；
[0066] 步驟3 ;自動選擇參考影像；自動選擇一幅多時相影像作為參考影像Iuf(i，j，k);
[0067] 步驟4 ;采用泊松方程修復方法去除厚云，得到初步去云結果1。(1，j，k);
[006引步驟5 ;將所述初步去云結果1。(1，j，k)和參考影像luf(i，j，k)納入變分模型，再 次去除厚云，得到最終的去云結果r0(i，j，k);
[006引如圖2所示，上述步驟2由W下具體步驟組成：
[0070] 步驟2-1 ;將厚云影像j，k)的藍光波段圖像I(iJ)與闊值Te比較，計算厚 云區域初始指示模板maskO(i，j);
[0071]
(1)
[0072] 式中maskO(i,j)為1表示對應像素屬于厚云區域，maskO(i,j)為0表示對應像 素屬于無云區域；
[0073] 步驟2-2 ;對所述厚云區域初始指示模板maskO(i，j)進行形態學處理，去除孤立 的斑點并填補細小的空洞，得到厚云