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。     

无人工标注数据的Landsat影像云检测深度学习方法

云和云阴影检测是Landsat影像产品生产的重要环节.近年来,深度学习极大提升了Landsat影像云检测的精度,但是深度卷积神经网络模型的训练依赖庞大规模的标注图像,需要人工标注出大量图像上每个像素是否为云或云阴影.人工标注成本高、耗时长,不利于训练出具有实用价值的模型.受弱监督学习启发,文章提出一种新的云和云阴影检测...     

基于LSMA的TM影像云和阴影的检测与去除方法

云和阴影是影响遥感图像判读精度和可用性的主要因素,传统的辐射校正方法很难去除其影响,因此各种去云和阴影的方法应运而生,但在去除效果和实用性方面存在问题。去除云和阴影需以定量检测云和阴影为前提,因此通过分析TM影像中不同地物在不同波段的反射率差异,设计了一种基于动态端元选择的LSMA(线性光谱分解)算法,选择了云、绿色植被、阴影和不透水表面等4种端元,定量检测了云和阴影的分布,并以此为基础实现了对云和阴影的去除,通过处理前后影像的对比分析证明该方法是有效的。     

一种高分辨率遥感影像阴影去除方法

基于阴影属性提出了一种全自动彩色影像阴影去除算法。首先将影像变换到HSI空间,依据阴影区域亮度值低和饱和度高的特性,结合小区域去除和数学形态学处理,得到精确的阴影区域。然后,分别对I、H、S分量图上各个独立阴影区域与其邻近的非阴影区域进行匹配补偿,再反变换回RGB空间,完成阴影去除操作。实验结果表明,该方法能在不改变非阴影区域信息的情况下,有效地去除阴影的影响。     

Landsat 8全色影像阴影的扁平冰山出水高度提取

冰山出水高度是测量冰山厚度进而估算冰山体积的一个重要几何参数,是定量评估冰山对海洋的淡水输入量的基础。冬季冰山在海冰上成影且阴影较长,本文提出利用阴影测高模型高精度测量冰山出水高度的方法。试验选择2016年8月29日、9月7日和9月16日中心太阳高度角分别为5.43°、7.49°和11.01°的3期Landsat 8全色15 m影像,以独立扁平冰山为例,自动提取冰山在海冰上的阴影长度计算冰山出水高度,并利用不同时相同名成影点进行交叉验证评估测量精度。结果显示：阴影长度测量误差优于1个像元,在太阳高度角低于11.01°时,全色15 m影像提取的冰山出水高度均方根误差（RMSE）低于2.0 m,平均绝对误差（MAE）低于1.5 m。由此表明：在冬季低太阳高度角下,Landsat 8全色15 m影像可用于高精度测量冰山出水高度,具有大范围测量南极冰山出水高度的潜力。     

包络线去除的丘陵地区遥感影像阴影信息重建

中国西南丘陵常态山和喀斯特山交错分布,遥感影像普遍存在山体阴影,分布零散且无规律,基于DEM的地形校正模型(C校正等)虽然算法成熟、易于操作,但在复杂地形区存在误差。引入基于相似像元包络线的阴影校正方法(CR校正),按照阴影提取、包络线去除、相似像元寻找和阴影亮度重建的步骤,采用西南丘陵地区Landsat 8 OLI影像进行验证实验。结果表明:CR校正后,阴影区的视觉特征与邻近非阴影区趋于一致,阴影像元亮度有明显提升;校正后影像主要波段标准差减小,与非阴影区参考光谱的相对均方根误差在2.919%以内,最低仅为0.516%;自动分类精度从43.59%提高到61.57%,CR校正有效提高了有阴影的丘陵地区遥感影像质量。     

多光谱影像NDVI阴影影响去除模型

归一化植被指数(NDVI)在植被多光谱遥感反演中占据尤为重要的地位,而遥感影像中普遍存在的阴影对NDVI的精度产生很大的影响,因此去除阴影对植被NDVI的影响对更精确的定量化研究具有应用价值。本文基于光照区和阴影区的太阳辐射能量差异,模拟出同一植被在光照区和阴影区的辐亮度,分析阴影对NDVI的影响机理;利用植被固有反射率谱间关系,引入对阴影极敏感的且与植被信息相关性小的归一化暗像元指数NDPI(Normalized Dark Pixel Index),分析同一植被处于光照区与阴影区的NDVI关系,构建以光照区植被NDVI为基准的NDVI阴影影响去除模型NSEE (NDVI Shadow-Effect-Eliminating),并应用于Landsat 8 OLI影像进行验证。结果表明:NDVI阴影影响基本去除,阴影区NDVI接近正常值,且光照区NDVI保持稳定;有效解决了阴影导致NDVI统计直方图的偏态问题,使其更接近正态分布;与验证影像NDVI沿剖面线逐像元比对发现,植被NDVI阴影影响基本去除;均方根误差RMSE为0.067。本模型能够将本身NDVI值很低的像元与阴影导致NDVI降低的植被像元区分开,符合实际地物情况;模型基于影像自身信息,去除NDVI阴影影响的同时,有效保持了NDVI的相对空间关系;本文基于物理机理构建模型,模型表达简洁、易于应用,且仅依赖于影像自身信息,无需异源数据,计算方便且高效。     

遥感影像去除云阴影的高山区冰湖信息提取方法

利用光学影像提取高山区的冰湖信息时,云阴影和地形阴影是影响冰湖信息提取精度的重要误差源。为减少这一影响,本文提出并实验了一种利用水体指数法提取冰湖信息,利用光谱夹角阈值法、DEM生成的坡度图及地形晕渲图分别消除云阴影、地形阴影的综合方法。将论文算法在两幅存在云阴影和地形阴影的TM影像上进行了实验验证,实验结果表明,本文的方法能够有效消除云阴影和地形阴影对冰湖信息的影响,提高了光学影像的利用率,改善了冰湖信息提取的精度。     

遥感影像阴影多波段检测与去除理论模型研究

阴影是遥感影像的基本特征之一，它使地物目标反映的信息量有所损失或受到干扰，而去除阴影一直是遥感影像处理的难题。从研究遥感影像阴影产生机理出发，提出了一种多波段检测阴影的方法和基于能量信息补偿去除阴影的理论模型。通过IKONOS影像进行方法与模型验证，真实再现阴影区地物特征，增加影像信息量，提高数据质量。     

植被信息的Landsat8卫星影像提取方法

传统植被信息提取的信息源多以TM/ETM+等影像为主,在如何应用Landsat8影像提取高精度的植被信息方面研究较匮乏。针对上述问题,该文应用大理市Landsat8影像开展了植被信息提取方法研究。研究过程中通过对原始波段组合法、主成分分量组合法、衍生波段组合法、直接解译法提取结果进行对比分析,确定最佳波段组合;之后将纹理信息作为最佳波段组合影像新的波段,与光谱信息一同分类,并对结果进行分析。研究结果表明,添加纹理能够在一定程度上提高植被信息提取的精度。     

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。     

分类线性回归的Landsat影像去云方法

首先,对参考影像和待去云影像上的云覆盖区域进行检测和掩膜;然后,对掩膜后的参考影像进行ISODATA聚类,并建立各个类别参考影像到待去云影像灰度值的线性回归方程;再对待去云影像上的云覆盖区域,依据参考影像上的灰度值进行最小距离方法分类,划分到聚类形成的各个类别之中;最后,依据各个类别回归方程进行灰度值预测。实验结果表明,所提方法能够进行云区的检测和去除,预测精度相比传统方法有较大提高。     

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。     

A Cloud Removal Algorithm to Generate Cloud and Cloud Shadow Free Images Using Information Cloning

One of the main problems of optical remote sensing is clouds and cloud shadows caused by specific atmospheric conditions during data acquisition. These features limit the usage of acquired images and increase the difficulty in data analysis, such as normalized difference vegetation index values, misclassification, and atmospheric correction. Accurate detection and reliable cloning of cloud and cloud shadow features in satellite images are very useful processes for optical remote sensing applications. In this study, an automated cloud removal algorithm to generate cloud and cloud shadow free images from multitemporal Landsat-8 images is introduced. Cloud and cloud shadow areas are classified by using process-based rule set developed by using spectral and spatial features after applying simple linear iterative clustering superpixel segmentation algorithm to the image to find cloud pixel groups easily and correctly. Segmentation-based cloud detection method gives better results than pixel-based for detection of cloud and cloud shadow patches. After detection of clouds and cloud shadows, cloud-free images are created by cloning cloudless regions from multitemporal dataset. Spectral and structural consistency are preserved by considering spectral features and seasonal effects while cloning process. Statistical similarity tests are applied to find best cloud-free image to use for cloning process. Cloning results are tested with the structural similarity index metric to evaluate the performance of cloning algorithm.     

Landsat影像标准化及城市变迁分析

利用日照大气校正模型讨论影像标准化方法,并分别以郑州市和平顶山市城区为研究区,使用两对研究区的Landsat影像为数据源,结合差值主成分法研究城市变迁。实验表明,经过影像标准化处理后两对影像可以明显削弱大气与日照影响,去除由此产生的噪声,得到的城市变化分级图真实反映了研究区城市化进程的变化幅度和空间特征。     

高斯混合模型云变换算法及其在图像分割中的应用

针对启发式云变换只能对一维特征进行变换的缺陷,提出一种基于高斯混合模型的改进云变换方法。通过EM算法和高斯分布的拟合误差求解云模型的数字特征,抽取图像底层概念,从而实现图像分割。通过图像分割实验验证了该算法的有效性。     

Landsat8影像分类多分类器对比分析

以去除卷云波段的洛阳市Landsat8的9个波段影像为数据源,通过分析影像可分的类别并采集样本,对比随机森林、支持向量机(SVM)、最大似然3种分类器在不同训练样本分类中的表现.结果 表明,对于以光谱波段为信息源的Landsat8影像分类,随机森林、SVM并不能体现其优越的分类性能,总体精度均低于最大似然,最大似然分类...     

西部山区RapidEye图像去薄云方法研究

针对我国西部山区RapidEye图像的去薄云问题,研究了在Photoshop软件环境下的两种方法:一种是直接用色阶调整功能分别对三波段图像进行调整;另一种是先进行波段替换(即用红外波段替换蓝光波段),再分别对三波段图像进行色阶调整.经实践发现,去薄云处理后的图像与原图像相比,影像质量明显改善,实际生产效率提高.