基于偽彩色和支持向量機的遙感圖像云檢測方法
【專利摘要】本發(fā)明公開了一種基于偽彩色和支持向量機的遙感圖像云檢測方法，主要解決現(xiàn)有技術(shù)精度低、計算量大的問題。其實現(xiàn)步驟為：1)從遙感數(shù)據(jù)的多個波段中選取中紅外和熱紅外范圍的三個波段，以這三個波段的圖像灰度值作為RGB分量，合成偽彩色圖像；2)以訓(xùn)練圖像的RGB向量以及云與非云的先驗類別作為輸入，采用帶核函數(shù)的支持向量機方法計算特征空間的最優(yōu)分類超平面，構(gòu)建分類決策函數(shù)；3)對于待檢測圖像，以上述三個波段的灰度值為RGB向量，通過計算決策函數(shù)值，進行云檢測。本發(fā)明通過訓(xùn)練，為遙感圖像云檢測提供了決策函數(shù)，不僅提高了遙感圖像云檢測的精度，而且減少了計算量，可用于含中紅外和熱紅外波段的遙感圖像檢測。
【專利說明】基于偽彩色和支持向量機的遙感圖像云檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于航天遙感領(lǐng)域，涉及一種遙感圖像的云檢測方法，適用于含中紅外和 熱紅外波段的遙感圖像檢測。

【背景技術(shù)】
[0002] 我國遙感衛(wèi)星的地面測控站基本位于我國有限的國土范圍內(nèi)，衛(wèi)星僅在經(jīng)過測控 站的有限步長范圍內(nèi)能對地傳輸圖像數(shù)據(jù)。遙感數(shù)據(jù)傳輸過程中，存在數(shù)據(jù)量大、傳輸時間 短的矛盾。目前，解決該問題的主要方法是使用圖像壓縮技術(shù)減少數(shù)據(jù)量，但是圖像壓縮技 術(shù)能減少的數(shù)據(jù)量也是有限的，過度壓縮會造成圖像細節(jié)信息丟失，影響圖像的質(zhì)量。
[0003] 除了圖像壓縮外，使用遙感圖像云檢測技術(shù)可以進一步減少數(shù)據(jù)量。由于圖像中 經(jīng)常有部分或者全部區(qū)域被厚云覆蓋，被覆蓋的區(qū)域不含地面信息，卻同樣占用系統(tǒng)中的 存儲空間、處理能力和傳輸帶寬。如果能在星上進行云檢測，刪除云所在區(qū)域的數(shù)據(jù)，則可 以大幅度減少數(shù)據(jù)量。
[0004] 目前，遙感圖像云檢測方法主要分為兩類：
[0005] 1)閾值法：該方法主要根據(jù)云的反射特性和云層頂端的低溫度性質(zhì)，利用云在不 同光譜波段下的反射率，設(shè)置閾值進行云檢測。該方法計算較簡單，可以在星上有限硬件條 件下實現(xiàn)。但是其中需要考慮多個波段的閾值參數(shù)，閾值參數(shù)的提取沒有一般方法，依賴人 工經(jīng)驗進行；參數(shù)值和流程強烈依賴傳感器，且參數(shù)值需要隨季節(jié)和地理位置變化而調(diào)整。 例如，在相同的閾值參數(shù)下，對國內(nèi)和美國地區(qū)的遙感圖像進行云檢測時，能夠較準確地檢 測出美國地區(qū)的云區(qū)域，但是不能檢測出國內(nèi)遙感圖像的云區(qū)域。
[0006] 2)基于圖像特征的云檢測方法：該類方法利用云的形狀、灰度、紋理信息，提取云 的圖像特征，包括空間域特征和頻率域特征：空間域特征有均值、邊緣、直方圖求和、直方圖 方差、紋理共生矩陣等；頻域特征則采用傅里葉變換、小波變換等方法獲得。該類云檢測方 法首先提取云特征，再根據(jù)這些特性采用分類器進行云檢測。其過程中需要完成圖像分塊、 特征提取、高維度的特征空間存貯以及優(yōu)化算法。此類方法只能對成塊的圖像進行，不適用 于單像素，需要占用較大內(nèi)存，且算法復(fù)雜，需要較快的處理器。它主要用于地面遙感工作 人員進行云檢測，在星上有限硬件環(huán)境下難以實現(xiàn)。
[0007] 上述第一類方法需要提取多個閾值參數(shù)，依賴人工經(jīng)驗完成，缺乏一般系統(tǒng)方法， 在光譜波段數(shù)較多的情況下參數(shù)提取困難，檢測結(jié)果可靠性不高；上述第二類方法需要考 慮千變?nèi)f化的云的形狀、紋理等特征，計算量大。


【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的在于針對上述已有技術(shù)的不足，提出一種基于偽彩色和支持向量機 的遙感圖像云檢測方法，以提高檢測精度，有效地減少遙感圖像云檢測中的計算量。
[0009] 本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：
[0010] -.技術(shù)原理
[0011] 隨著遙感技術(shù)的發(fā)展，遙感圖像傳感器向多光譜方向發(fā)展，圖像傳感器的波段數(shù) 目越來越多，例如美國Landsat7TM遙感圖像傳感器有7個光譜波段，MODIS遙感圖像傳感器 有32個光譜波段。這些光譜波段除了可見光之外，還有近紅外、中紅外和熱紅外波段。不 同波段對物體的反射率不同，表現(xiàn)為圖像上的灰度值不同。選擇其中三個波段作為紅綠藍 RGB顏色分量，可以得到不同的偽彩色圖像，并且可以利用這種偽彩色圖像進行分類。例如 Landsat7TM+數(shù)據(jù)有7個波段（B1-B7)，以其中的M、B3、B2波段的灰度值作為RGB分量，可 以得到偽彩色圖像，其中藍藻呈現(xiàn)紅色，水體呈現(xiàn)藍黑色，用于觀察藍藻爆發(fā)情況。
[0012] 本發(fā)明利用偽彩色區(qū)別云層與下墊面。由于云層相對于下墊面具有水分含量大、 熱輻射小的特點，在熱紅外和中紅外波段相對下墊面具有較大的反射值差異。其中，波長 范圍約為9-13um熱紅外波段對熱輻射性質(zhì)敏感，可以反映出云與下墊面的溫度差異；波 長范圍約為I. 8-3.Oum的中紅外波段對水分敏感，對陸地和云的反射值差異較大；波長約 為I. 3-1.Sum的中紅外波段能區(qū)別云和雪，可以避免將低溫的冰雪誤判為云。分別選擇在 上述三個波長區(qū)間的光譜波段作為RGB分量，由于每個波段的反射值差異較大，不難得到 云與地面具有較大顏色差異的圖像。例如：在Landsat7TM+的7個波段中，選擇波長范圍 為2. 09-2. 35um的中紅外波段B7、波長范圍為10. 4-12. 5um的熱紅外波段B6、波長范圍為 I. 55-1. 75um的中紅外波段B5作為RGB顏色分量合成偽彩色圖像。在MODIS的32個波段 中，可以選擇波長范圍為10. 780-11. 28um的熱紅外波段M、波長范圍為2. 105-2. 155um的 中紅外波段B16、波長范圍為I. 628-1. 652um的中紅外波段B23作為偽彩色圖像的RGB分 量。
[0013] 得到偽彩色圖像后，云與非云區(qū)域的判斷是圖像上的一個二分類問題。支持向量 機SVM是定義在特征空間上的間隔距離最大的線性分類器，是目前性能較優(yōu)良的一種二分 類器，而且，其中可以使用核函數(shù)成為非線性分類器，可以處理非線性可分的情況。在RGB 顏色空間中，云與非云區(qū)域是部分線性可分的，使用帶核函數(shù)的SVM分類器可以在顏色空 間實現(xiàn)云和非云區(qū)的最大距離分類。
[0014] 二.技術(shù)步驟
[0015] 根據(jù)上述原理，本發(fā)明的實現(xiàn)步驟包括如下：
[0016] 1)在遙感圖像傳感器中，選擇波長不超過9-15um的一個熱紅外波段，波長不超過 I. 8-3.Oum和波長不超過I.O-L8um的兩個中紅外波段，以這三個波段的灰度值作為圖像 的紅綠藍RGB三個顏色值，形成偽彩色圖像；
[0017] 2)選擇不同季節(jié)、不同地理位置的多幅偽彩色圖像作為訓(xùn)練圖像，在訓(xùn)練圖像的 云區(qū)和非云區(qū)選擇N個像素，以這些像素的RGB數(shù)值作為輸入向量，根據(jù)像素的所在位置確 定像素的類別：如果這些像素在云區(qū)，則作為正類，如果這些像素在非云區(qū)，則作為負類，
[0018] 3)采用帶核函數(shù)的支持向量機SVM方法求解正、負類在特征空間的最優(yōu)分類超平 面的拉格朗日乘子 < 和截距f,得到?jīng)Q策函數(shù)：
[0019]

【權(quán)利要求】
1. 一種基于偽彩色和支持向量機的遙感圖像云檢測方法，其特征在于包含如下步驟： 1) 在遙感圖像傳感器中，選擇波長不超過9-15um的一個熱紅外波段，波長不超過 1. 8-3.Oum和波長不超過1. 0-1. 8um的兩個中紅外波段，以這三個波段的灰度值作為圖像 的紅綠藍RGB三個顏色值，形成偽彩色圖像； 2) 選擇不同季節(jié)、不同地理位置的多幅偽彩色圖像作為訓(xùn)練圖像，在訓(xùn)練圖像的云區(qū) 和非云區(qū)選擇N個像素，以這些像素的RGB數(shù)值作為輸入向量，根據(jù)像素的所在位置確定像 素的類別：如果這些像素在云區(qū)，則作為正類，如果這些像素在非云區(qū)，則作為負類， 3) 采用帶核函數(shù)的支持向量機SVM方法求解正、負類在特征空間的最優(yōu)分類超平面的 拉格朗日乘子《/和截距b%得到?jīng)Q策函數(shù)：
其中，Xi為第i個像素的RGB向量，i= 1，2,…N，N為訓(xùn)練像素數(shù)目；yiG{+1,-1}表 示第i個像素的正、負類別；K(x，Xj)為核函數(shù)； 4) 對于待檢測的一幅遙感偽彩色圖像，選取其中一個像素，以像素的RGB值作為輸入 向量X，帶入決策函數(shù)f(x)計算決策函數(shù)值； 5) 根據(jù)函數(shù)值判斷該像素的類別：當決策函數(shù)值為+1時，則像素所在位置為云區(qū)；當 決策函數(shù)的值為-1時，則像素所在位置為非云區(qū)； 6) 遍歷待測圖像的每個像素，得到整幅圖像的云區(qū)。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于所述步驟3)中核函數(shù)：K(x，x^，表示如 下：
其中，x和Xi分別為兩個像素的RGB向量，||x-xJI2是向量x和距離的平方，〇 為高斯函數(shù)的方差。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于所述步驟3)中的特征空間最優(yōu)分類超平面 的拉格朗日乘子a,'，按如下公式求解：
該公式的求解屬于凸二次規(guī)劃問題，其最優(yōu)解為拉格朗日乘子向量
別表示第i個和第j個拉格朗日乘子，yJPh分別表示第i個像素和第j個像素的正、負 類別，x,xj分別為第i個像素和第j個像素的RGB向量，C為懲罰參數(shù)，N為像素個數(shù)。
4. 根據(jù)權(quán)利要求1所述的方法，其特征在于所述步驟3)中的特征空間最優(yōu)分類超平面 的截距b%按如下步驟進行： 4a)從拉格朗日乘子向量的最優(yōu)解中找到一個正分量<，滿足0 <<<C; 4b)將序號j對應(yīng)的第j
個像素的正、負類別t帶入公式： 求解出b%其中，<為第i個拉格朗日乘子的最優(yōu)解，yi為第i個像素的正、負類別，N為像素個數(shù)。
【文檔編號】G06K9/62GK104484670SQ201410578165
【公開日】2015年4月1日 申請日期:2014年10月24日 優(yōu)先權(quán)日:2014年10月24日
【發(fā)明者】賈靜, 李小平, 劉彥明, 謝凱, 方海燕, 王俊光 申請人:西安電子科技大學(xué)