本發(fā)明涉及圖像處理，具體涉及一種光學(xué)遙感圖像處理方法和裝置。

背景技術(shù)：

1、當(dāng)前，遙感技術(shù)已成為監(jiān)測地球的主要方式，并積累了海量的、多類型的地球觀測數(shù)據(jù)，涉及多種場景，如環(huán)境監(jiān)測、農(nóng)業(yè)管理、城市化監(jiān)測和災(zāi)害應(yīng)急等等，特別是時間分辨率較高(日乃至小時)的遙感數(shù)據(jù)為進(jìn)一步監(jiān)測地球表面變化提供了重要的數(shù)據(jù)基礎(chǔ)，這一過程中產(chǎn)生了大量的各種專題的遙感產(chǎn)品，應(yīng)當(dāng)理解的是，不同專題遙感產(chǎn)品服務(wù)于不同地物，也可以理解為不同的應(yīng)用場景?？晒鈱W(xué)圖像不含斑點噪聲和地理失真，且肉眼可讀性高，因此使用光學(xué)遙感對地成像是最普遍、直觀的遙感對地觀測手段。但光學(xué)遙感圖像不可避免地被云和陰影污染或覆蓋，使得真實的地面信息缺失，這極大地限制了光學(xué)遙感圖像的應(yīng)用。

2、為此，現(xiàn)有技術(shù)中多通過去云方法來重建云覆蓋圖像，云去除本質(zhì)上是圖像中缺失數(shù)據(jù)重建的過程。在重建缺失數(shù)據(jù)的過程中，通常需要利用局部空間鄰域或局部時間鄰域圖像的光譜或空間的信息搜尋輔助相似像元填補缺失區(qū)域。目前被廣泛用于長時序遙感圖像去云的方法主要為時域分析法、空間插值法、時空插值法和機(jī)器學(xué)習(xí)(深度學(xué)習(xí))方法。

3、但是，在使用時域分析法時，當(dāng)遇到長期連續(xù)的數(shù)據(jù)缺失(如持續(xù)多周或多月的云覆蓋)時，重建效果顯著下降；主要關(guān)注時間維度的信息，空間信息利用不足；對于長時間序列和大范圍區(qū)域，逐像元進(jìn)行時域分析的計算負(fù)擔(dān)很重；在使用空間插值法時，當(dāng)遇到大面積數(shù)據(jù)缺失時(如大范圍云覆蓋)，重建效果顯著下降；在缺失區(qū)域的邊界處，重建結(jié)果往往出現(xiàn)明顯的不連續(xù)性或模糊效應(yīng)；某些高級空間插值方法(如克里金法)在處理大規(guī)模遙感圖像時計算復(fù)雜度高，效率低；在使用時空插值法時，通常需要同時處理大量的時間和空間數(shù)據(jù)，計算復(fù)雜度高，效率低；時空插值模型通常涉及多個參數(shù)，如時間權(quán)重、空間相關(guān)性范圍等，參數(shù)選擇不當(dāng)會顯著影響重建質(zhì)量；在使用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法時，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型的性能高度依賴于訓(xùn)練數(shù)據(jù)的質(zhì)量和數(shù)量；泛化能力有限，在未見過的數(shù)據(jù)或環(huán)境中可能表現(xiàn)不佳，特別是當(dāng)測試數(shù)據(jù)與訓(xùn)練數(shù)據(jù)分布差異較大時；訓(xùn)練復(fù)雜的機(jī)器學(xué)習(xí)或深度學(xué)習(xí)模型通常需要大量的計算資源。

4、鑒于此，提供一種光學(xué)遙感圖像處理方法和裝置，以至少部分解決現(xiàn)有技術(shù)中存在的針對長時序逐日遙感產(chǎn)品的遙感圖像去云效果較差、處理周期較長的問題。

技術(shù)實現(xiàn)思路

1、為此，本發(fā)明實施例提供一種光學(xué)遙感圖像處理方法和裝置，以期充分利用時域和空域信息，結(jié)合計算機(jī)視覺技術(shù)，同時具備高效的并行計算能力，以解決現(xiàn)有技術(shù)中存在的針對長時序逐日遙感產(chǎn)品的遙感圖像去云效果較差、處理周期較長的問題，進(jìn)而解決云污染導(dǎo)致的時空不連續(xù)問題，提高遙感數(shù)據(jù)的可用性和分析精度。

2、為了實現(xiàn)上述目的，本發(fā)明實施例提供如下技術(shù)方案：

3、本發(fā)明提供了一種光學(xué)遙感圖像處理方法，所述方法包括：

4、獲取遙感圖像，并基于遙感圖像構(gòu)建不同使用場景下的遙感圖像集；

5、在所述遙感圖像集中選擇目標(biāo)圖像集，對所述目標(biāo)圖像集中的每幅遙感圖像進(jìn)行去云處理；

6、其中，所述去云處理包括時域去云、空域去云和邊緣檢測與填充；所述時域去云過程中，根據(jù)所述目標(biāo)圖像集的使用場景確定時域信息的選取時限，基于所述選取時限對所述目標(biāo)圖像集進(jìn)行時域去云。

7、在一些實施例中，基于遙感圖像構(gòu)建不同使用場景下的遙感圖像集，之前還包括：

8、對獲取的遙感圖像進(jìn)行預(yù)處理。

9、在一些實施例中，基于所述選取時限對所述目標(biāo)圖像集進(jìn)行時域去云，具體包括：

10、s31：在所述目標(biāo)圖像集中，確定任一日期為目標(biāo)日；

11、s32：若所述目標(biāo)日的目標(biāo)像元的前后n日均為非云像元，則取前后n日均值賦值給目標(biāo)像元；

12、s33：若前后n日僅有一日為非云像元，則直接使用該像元值賦值給目標(biāo)像元；

13、若前后n日均為云像元，則分別以前后n日作為目標(biāo)日并重復(fù)步驟s31-s33，直到目標(biāo)日及其前后n日均為云像元時停止迭代；

14、其中，n為大于或等于1的正整數(shù)。

15、在一些實施例中，對目標(biāo)圖像集進(jìn)行空域去云，具體包括：

16、以目標(biāo)圖像集中的空缺像元作為中心參考像元；

17、根據(jù)預(yù)設(shè)大小的搜索窗口從參考圖像中初步確定缺失像元的相似像元，計算得到每個相似像元的空間權(quán)重；

18、獲取空缺像元的預(yù)測值并進(jìn)行填充，多次迭代至圖像云污染下降比例小于預(yù)設(shè)值。

19、在一些實施例中，對目標(biāo)圖像集進(jìn)行邊緣檢測與填充，具體包括：

20、使用邊緣檢測算法識別云與非云區(qū)域的邊緣以及紋理特征；

21、通過梯度計算和雙閾值邊緣檢測實現(xiàn)邊緣識別；

22、使用鄰近像元信息的均值來填充云區(qū)，并且結(jié)合云覆蓋區(qū)域與非云區(qū)域的紋理特征填充邊緣。

23、在一些實施例中，雙閾值邊緣檢測實現(xiàn)邊緣識別時，若邊緣檢測算子返回水平方向的梯度gx和垂直方向的梯度gy，則梯度的幅度g和方向角度值θ的表達(dá)式為：

24、

25、θ＝atan2(gx,gy)

26、其中，atan2(·)表示具有兩個參數(shù)的arctan函數(shù)，梯度的方向總是與邊緣垂直的。

27、在一些實施例中，在所述遙感圖像集中選擇目標(biāo)圖像集，對所述目標(biāo)圖像集進(jìn)行去云處理，之前還包括：

28、對同一天內(nèi)多時相圖像進(jìn)行合成。

29、本發(fā)明還提供一種光學(xué)遙感圖像處理裝置，所述裝置包括：

30、數(shù)據(jù)獲取單元，用于獲取遙感圖像，并基于遙感圖像構(gòu)建不同使用場景下的遙感圖像集；

31、去云處理單元，用于在所述遙感圖像集中選擇目標(biāo)圖像集，對所述目標(biāo)圖像集中的每幅遙感圖像進(jìn)行去云處理；

32、其中，所述去云處理包括時域去云、空域去云和邊緣檢測與填充；所述時域去云過程中，根據(jù)所述目標(biāo)圖像集的使用場景確定時域信息的選取時限，基于所述選取時限對所述目標(biāo)圖像集進(jìn)行時域去云。

33、本發(fā)明還提供了一種計算機(jī)設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機(jī)程序，所述處理器執(zhí)行所述程序時實現(xiàn)如上所述方法的步驟。

34、本發(fā)明還提供了一種非暫態(tài)計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如上所述方法的步驟。

35、本發(fā)明所提供的光學(xué)遙感圖像處理方法，通過獲取遙感圖像，并基于遙感圖像構(gòu)建不同使用場景下的遙感圖像集；在所述遙感圖像集中選擇目標(biāo)圖像集，對所述目標(biāo)圖像集中的每幅遙感圖像進(jìn)行去云處理；其中，所述去云處理包括時域去云、空域去云和邊緣檢測與填充；所述時域去云過程中，根據(jù)所述目標(biāo)圖像集的使用場景確定時域信息的選取時限，基于所述選取時限對所述目標(biāo)圖像集進(jìn)行時域去云。

36、這樣，本發(fā)明所提供的方法和裝置，將時域-空域二階段去云和邊緣檢測與填充相結(jié)合，利用邊緣檢測算法識別云與非云區(qū)域的邊緣以及圖像紋理特征，避免直接使用空間信息填充云像元帶來的模糊和不連續(xù)問題；通過圖像本身的空間信息、紋理結(jié)構(gòu)重建云污染像元，與時域插值法、時空插值法相比，大大降低了計算復(fù)雜度，提高了計算效率；通過并行計算的時域-空域二階段算法，在一定程度上充分時間信息、空間信息，并提高了計算效率。從而充分利用了時域和空域信息，結(jié)合計算機(jī)視覺技術(shù)，同時具備高效的并行計算能力，解決了現(xiàn)有技術(shù)中存在的針對長時序逐日遙感產(chǎn)品的遙感圖像去云效果較差、處理周期較長的問題，進(jìn)而解決了云污染導(dǎo)致的時空不連續(xù)問題，提高了遙感數(shù)據(jù)的可用性和分析精度。