综合高分卫星图像多维特征的云检测方法

大气与环境光学学报 ›› 2017, Vol. 12 ›› Issue (6): 465-.

• 光学遥感 • 上一篇

综合高分卫星图像多维特征的云检测方法

夏雨1,2，崔生成1，杨世植1*

（1 中国科学院安徽光学精密机械研究所中国科学院大气成分与光学重点实验室，合肥 230031；
2 中国科学院大学，北京 100049）

收稿日期:2016-04-25 修回日期:2016-07-07 出版日期:2017-11-28 发布日期:2017-11-13
通讯作者: 杨世植（1963-），男，研究员，博士生导师，主要从事光学卫星遥感基础与技术、环境监测的光谱学方法和有害气体红外监测技术研究。 E-mail:szyang@aiofm.ac.cn
基金资助:
Supported by National Natural Science Foundation of China(国家自然科学基金, 41305019）

Cloud Detection Method for High Resolution Satellite Image Based on Multi-Dimensional Features

XIA Yu1,2, CUI Shengcheng1, YANG Shizhi1*

(1 Key Laboratory of Atmospheric Composition and Optical Radiation, Anhui Institute of Optics and Fine Mechanics, Chinese Academy of Sciences, Hefei 230031, China;
2 University of Chinese Academy of Sciences, Beijing 100049, China )

Received:2016-04-25 Revised:2016-07-07 Published:2017-11-28 Online:2017-11-13
Supported by:
Supported by National Natural Science Foundation of China(国家自然科学基金, 41305019）

摘要/Abstract

摘要：

云是遥感图像分析处理的一大障碍，为了解决这一问题，基于高分1号遥感影像光谱和纹理的多维特征信息，提出一种综合优化的云检测方法。针对光谱检测出的似云区域，该算法采用新的子图分割方法，结合动态阈值设置，有效提高了纹理检测的正确率。由于固定的光谱阈值设置和纹理检测都无法获取复杂环境下的云层边界信息，算法采用大津法予以修复。结果表明，该算法可有效地检测出影像中的云覆盖区域，实现薄云、厚云以及厚云边界信息的最佳提取。

关键词: 多光谱, 纹理特征, 云检测

Abstract:

Cloud is a large obstacle to remote sensing image processing and analysis. In order to solve this problem, an optimizational cloud detection algorithm is proposed for GF-1 satellite image based on the spectral and textural information. In the cloud-like areas detected by spectral analysis, a new sub-image segment method and dynamic threshold is used to improve the accuracy of texture detection. The Otsu algorithm is used to restore the thick cloud boundary information, since neither the fixed spectral threshold setting nor textural detection can get the boundaries of cloud in a complex environment. The results show that this method can effectively detect the cloud cover in the remote sensing image, optimally extract thick cloud boundary information, and effectively separate thin cloud and thick cloud.

Key words: multi-spectrum, texture features, cloud detection

中图分类号:

TP346
TP347

夏雨崔生成杨世植. 综合高分卫星图像多维特征的云检测方法[J]. 大气与环境光学学报, 2017, 12(6): 465-.

XIA Yu, CUI Sheng-Cheng, YANG Shi-Zhi. Cloud Detection Method for High Resolution Satellite Image Based on Multi-Dimensional Features[J]. Journal of Atmospheric and Environmental Optics, 2017, 12(6): 465-.

参考文献

[1] Girolamo L D, Davies R. The image navigation cloud mask for the multiangle imaging spectroradiometer (MISR) [J]. J. Atmos. Ocean. Tech., 1995, 12(6): 1215-1228.
[2] Marais I V Z, Preez J A D, Steyn W H. An optimal image transform for threshold-based cloud detection using heteroscedastic discriminant analysis [J]. Int. J. Remote Sens., 2011, 32(6): 1713-1729.
[3] Shan Na, Zheng Tianyao, Wang Zhensong. High-speed and high-accuracy algorithm for cloud detection and its application [J]. Journal of Remote Sensing, 2009, 13(6): 1138-1155(in Chinese).
单娜, 郑天垚, 王贞松. 快速高准确度云检测算法及其应用 [J]. 遥感学报, 2009, 13(6): 1138-1155.
[4] Tao Shuping, Jin Guang, Zhang Guixiang, et al. A wavelet SCM algorithm used to detect cloud in remote sensing cameras [J]. Acta Geodaetica et Cartographica Sinica, 2011, 40(5): 598-603(in Chinese).
陶淑苹, 金光, 张贵祥, 等. 实现遥感相机自主辨云的小波SCM算法 [J]. 测绘学报, 2011, 40(5): 598-603.
[5] Chen Zhenwei, Zhang Guo, Ning Jinsheng, et al. An automatic cloud detection method for ZY-3 satellite [J]. Acta Geodaetica et Cartographica Sinica, 2015, 44(3): 292-300(in Chinese).
陈振炜, 张过, 宁津生, 等. 资源三号测绘卫星自动云检测 [J]. 测绘学报, 2015, 44(3): 292-300.
[6] Zhang Y, Guindon B, Cihlar J. An image transform to characterize and compensate for spatial variations in thin cloud contamination of Landsat images [J]. Remote Sens. Environ., 2002, 82(2): 173-187.
[7] Chen P Y, Srinivasan R, Fedosejevs G, et al. An automated cloud detection method for daily NOAA14 AVHRR data for Texas, USA [J]. Int. J. Remote Sens., 2002, 23(23): 2939-2950.
[8] Li Wei, Fang Shenghui, Dian Yuanyong, et al. Cloud Detection in MODIS data based on spectrum analysis [J]. Editorial Board of Geomatics & Information Science of Wuhan University, 2005, 30(5): 435-438(in Chinese).
李微, 方圣辉, 佃袁勇, 等. 基于光谱分析的MODIS云检测算法研究 [J]. 武汉大学学报: 信息科学版, 2005, 30(5): 435-438.
[9] Zhu Z, Woodcock C E. Object-based cloud and cloud shadow detection in landsat imagery [J]. Remote Sens. Environ., 2012, 118(6): 83-94.
[10] Ding Haiyan, Ma Lingling, Li Ziyang, et al. Automatic identification of cloud and snow based on fractal dimension [J]. Remote Sensing Technology & Application, 2013, 28(1): 52-57(in Chinese).
丁海燕, 马灵玲, 李子扬, 等. 基于分形维数的全色影像云雪自动识别方法 [J]. 遥感技术与应用, 2013, 28(1): 52-57.
[11]Ohtsu N. A Threshold selection method from gray-level histograms [J]. IEEE T. Syst. Man Cy., 1979, 9(1): 62-66.

[1]	张苏贵, 张晶晶, 寻丽娜, 孙晓兵, 熊伟, 阎庆, 李穗 . 基于多模态融合的GF-5号遥感图像云检测[J]. 大气与环境光学学报, 2023, 18(4): 371-382.
[2]	郭庭威, 黄红莲, 孙晓兵, 刘晓, 提汝芳 . 环境二号卫星多光谱图像的薄云检测及去除[J]. 大气与环境光学学报, 2023, 18(4): 383-400.
[3]	侯梦雨, 李正强∗, 谢一凇, 乔瑞, 谢艳清, 伽丽丽, 史正, . 国产卫星多角度偏振传感器的光谱特征云检测方法研究[J]. 大气与环境光学学报, 2022, 17(6): 598-612.
[4]	吴文涵, 麻金继∗, 孙二昌, 郭金雨, 杨光, 王宇瑶. 基于深度学习的云参量反演方法研究[J]. 大气与环境光学学报, 2022, 17(4): 453-464.
[5]	王佳佳, 孙晓兵∗, 提汝芳, 余海啸, . 海洋上空云多角度偏振辐射阈值检测方法研究[J]. 大气与环境光学学报, 2021, 16(3): 247-255.
[6]	张波, 胡亚东∗, 洪津. 基于多特征融合的层次支持向量机遥感图像云检测[J]. 大气与环境光学学报, 2021, 16(1): 58-66.
[7]	李佳欣, 赵鹏, 方薇∗, 宋尚香, . 基于深度学习的多角度遥感影像云检测方法[J]. 大气与环境光学学报, 2020, 15(5): 380-392.
[8]	苗宇宏, 杨敏, 吴国俊, . 基于高光谱影像多维特征的植被精细分类[J]. 大气与环境光学学报, 2020, 15(2): 117-124.
[9]	黄文娟崔文煜易维宁孙斌胡亚东. 多光谱偏振大气探测系统定标处理[J]. 大气与环境光学学报, 2015, 10(4): 350-356.
[10]	张学文韩启金王爱春杨磊刘李. 资源一号02C PMS传感器在轨场地绝对辐射定标研究[J]. 大气与环境光学学报, 2014, 9(1): 43-49.
[11]	游晶刘晓易维宁黄红莲. 一种处理多光谱彩色合成图像的白平衡法[J]. 大气与环境光学学报, 2012, (4): 282-.
[12]	杨伟锋洪津乔延利. 基于LCTF的艇载多光谱CCD相机的光学系统设计[J]. 大气与环境光学学报, 2012, (3): 235-240.
[13]	刘显通刘奇傅云飞程静. 基于TRMM VIRS可见光和红外五通道的白天云检测方案[J]. 大气与环境光学学报, 2010, 5(2): 128-140.

综合高分卫星图像多维特征的云检测方法

Cloud Detection Method for High Resolution Satellite Image Based on Multi-Dimensional Features

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 13

编辑推荐

Metrics

本文评价