Landsat TM遥感影像中厚云和阴影去除

提出了一种新的利用多时相Landsat TM影像数据进行的厚云及其阴影去除的方法。该方法通过分析厚云及其阴影的光谱特征, 设计了厚云和云阴影识别模型。该算法的实现是采用图像配准技术、非监督分类、像元替换等运算, 计算出厚云和云阴影区域的TM影像替换数据, 进而得到消除或者减少云影响的TM遥感影像。试验结果表明本文提出的厚云及其阴影去除方法效果很好, 能消除或者弱化云对TM影像数据的影响。     

利用阴影指数和方位搜索法检测Landsat 8 OLI影像中云影

Landsat 8 OLI影像已成为重要的数据源,但受云及云影的影响较大,降低了数据的可用性,因此,快速识别云及云影,为后续的数据恢复有着积极的应用价值。通过构建云指数(CI)、归一化暗像元指数(NDPI)和比值阴影指数(RSI),采用阈值法和方位角搜索法,以两景Landsat 8 OLI影像(一景试验影像,另一景验证影像)为例进行云及云影检测。每类随机选取200个样点进行精度分析,结果表明:CI可快速区分OLI影像中的云区与非云区,厚云样本点正确识别率达到99%;NDPI与归一化植被指数(NDVI)构建的比值阴影指数RSI放大了水体、云影与其他阴影间的差异,更便于区分;方位搜索合理设置搜索方位角和搜索距离,简化了云影与云的相对关系模型,可准确区分水体与云影,两者的正确识别率都超过93%,弥补了阈值法的局限性。本方法可行快捷,为OLI影像的后续应用提供了基础,可有效提高其利用精度。     

基于Landsat8影像的厚云及云影去除方法

Landsat系列卫星对推动遥感应用技术的发展起到了重要作用,其遥感图像数据在多领域得到了广泛应用。但是Landsat影像常受到云的污染,使得其在地表动态监测时有效性大大下降。本文首先利用云和云阴影匹配算法Fmask实现快速、准确地识别云与云影区域并进行掩膜,然后基于时空数据融合算法ESTARFM利用多时相MODIS和Landsat数据,对Landsat8影像缺失的云及云影区域进行插补。结果表明这是一种有效地去除云及云影的方法,对Landsat8数据的定量分析或时序研究具有重要价值。     

利用辅助图像进行IKONOS图像的去云处理

遥感图像上的局部云层覆盖会直接影响遥感图像的使用，在图像预处理阶段应进行去云处理。文中讨论了IKONOS多光谱图像上的“厚云”去除方法。主要思路是：利用与IKONOS图像光谱特性极为相似的陆地卫星ETM 多光谱图像的前四个波段作为辅助图像，将ETM 图像与IKONOS图像配准后，利用辅助图像上的信息替换IKONOS图像上的有云区域，实现IKONOS图像的去云处理。实验表明：在辅助图像存在的前提下，本文的去云方法足一种理想的解决方案。     

Landsat8影像中云和阴影的去除方法及应用

云的干扰严重影响了遥感影像的数据生产和应用,针对青海大面积地区无云数据严重缺乏而造成的遥感影像数据生产应用困难问题,研究Landsat8影像中云及云阴影去除的方法与流程,利用Landsat8遥感影像的光谱特征及其卷云波段,设计云及阴影区域检测模型,检测多种云覆盖情况下的云影响区域,通过多时相遥感影像的配准、相关分析、最小二乘拟合等图像运算得到消除或弱化云影响的遥感影像。同时,应用此方法进行数据生产,为青海地区实际项目实施提供高质量的无云遥感影像数据源。     

基于支持向量机的遥感影像厚云及云阴影去除

本文提出了一种基于支持向量机的遥感影像厚云及云阴影去除方法。首先利用支持向量机的学习性能检测影像中的云层,并利用太阳角度信息,判定云阴影区域,得到云层和云阴影的二值图。再对影像进行支持向量值轮廓波变换,利用云层和云阴影二值图生成的选择矩阵,对变换系数进行多层镶嵌,完成云层及云阴影的初去除。对影像镶嵌未能去除的云层及云阴影,通过统计学补偿的方法进行修复。最后重构图像并进行中值滤波实现厚云及云阴影去除。仿真实验表明,该方法能更好地再现云层覆盖区域的地物信息,去云后的图像具有更好的光滑度和清晰度。     

水体上方云和云阴影检测算法

目前常见的云和云阴影检测主要针对陆地表面,而对于不同类型水体光谱特征对检测结果影响的研究较少.因此针对富含泥沙或者叶绿素的水体,利用云与水体的光谱差异,采用波段组合的方式来识别潜在云像元,提高薄云像元的识别精度;根据云阴影与不同类型水体的光谱特征差异,采用设定动态阈值的方法,准确识别云阴影.利用目视解译法对检测结果进行验证发现,云像元位置准确,边界清晰,总体正确率高于90％;云阴影方位精准,结构完整,总体正确率高于88％.     

基于灰度梯度的遥感图像去云方法研究

针对遥感图像厚云处理的替换方法,提出基于图像灰度梯度的去云处理方法,即通过无云图像的灰度梯度特征来对有云图像的区域进行还原处理.实验测试结果表明,基于梯度的去云处理方法不仅去云效果显著,而凡消除了传统替换方法中色彩差异较大的问题.设计了两种梯度计算方法,分别是基于比值的梯度计算方法和基于动念行梯度的计算方法.通过对这两个方法的对比分析,基于动态行梯度的去云方法是较为理想的去云方案.     

多光谱遥感影像中云影区域的检测与修复

提出了一种有效针对多光谱遥感影像的云影检测与阴影区域修复方法。基于同一地区时相相近的两幅影像,充分利用碎云及阴影的光谱特性分别对云影区域进行融合增强,然后采用Otsu算法求解最佳阈值自动检测出云及阴影区域,根据云影的出现会引起两幅影像局部相应区域明显的亮度变化,可排除亮地物和水体的影响,建立归一化的云影密度图,在此基础上,采用线性加权组合与光谱直方图匹配相结合的方法对其加以修复,利用SPOT 4影像进行的实验表明其修复效果完全能够满足应用需要。     

WorldView-3单景影像去云处理对比研究

针对云雾天获取的影像对比度低、地物细节模糊,严重影响影像后期处理的问题,该文基于WorldView-3(WV-3)遥感影像,通过薄云最优化变换(HOT)与点云算法相结合、暗通道两种方法去除或削减图像中云层信息,并采用相关系数、光谱扭曲度等参数定量评价两种方法的去云效果.结果显示,HOT与点云算法结合与暗通道两种方法均能对WV-3影像中云层信息进行去除,其中后者去云结果各波段的相关系数比前者去云结果平均高出6.9％,后者的光谱扭曲度比前者平均低出1.67％.因此暗通道去云方法要优于HOT与点云算法结合的去云方法.