基于變換檢測的薄云去除算法

王自柯 王梅

摘要：薄云覆蓋遙感圖像使圖像上的地物信息模糊，嚴(yán)重影響了圖像的質(zhì)量，限制了圖像的應(yīng)用。本文給出基于變換檢測的地物信息恢復(fù)方法。首先對多源多時相相目標(biāo)薄云遙感圖像和相同地區(qū)不同時相的無云源域遙感圖像分別進行檢測變化，再利用對偶樹復(fù)小波變換對變化區(qū)域和未變化區(qū)域分別進行分解，對未變化區(qū)域的高頻子帶進行高低頻融合，然后對變化區(qū)域的低頻子帶進行T-SVR，從而重構(gòu)出地物信息恢復(fù)圖像。實驗結(jié)果表明：該方法能夠很好的去除薄云恢復(fù)地物信息。

關(guān)鍵詞：薄云；空間特性；變換檢測；小波變換法；多時圖像融合法

中圖分類號：TP311 文獻標(biāo)識碼：A 文章編號：1009-3044（2018）29-0222-02

1 引言

根據(jù)云層的空間特性，遙感圖像中包含的云可以被分成兩類：薄云與厚云。厚云覆蓋的遙感圖像是傳感器無法穿透云層，使得圖像上幾乎不含任何地面信息；而薄云是半透明的，薄云污染的遙感圖像混合了地物信息和薄云信息，地物信息雖未完全被遮擋，但云信息在圖像中產(chǎn)生一定的陰影，使得圖像上的地物信息模糊或者缺失，降低了遙感圖像的質(zhì)量，嚴(yán)重影響了圖像的判讀和分析。因此，在當(dāng)前的物理條件下，尋找一種更加有效的地物信息恢復(fù)方法，是增加遙感圖像應(yīng)用的重要途徑。

2 算法步驟

選用空間頻率、平均梯度、峰值信噪比、偏差指數(shù)和結(jié)構(gòu)相似度五個指標(biāo)對不同方法恢復(fù)地物信息的效果進行定量評價，本章算法去除薄云較為徹底，所獲得的地物信息恢復(fù)圖像保留了目標(biāo)圖像中更多的地物信息；偏差指數(shù)指標(biāo)低于其他六種算法，說明本章算法恢復(fù)的地物信息失真度更小，地物信息的恢復(fù)效果更好。可以看出，本章算法與其他三種方法相比較地物信息恢復(fù)效果更好。

4 總結(jié)

由于傳感器獲取的遙感圖像之間存在一定的差異，利用變化檢測方法將圖像分為變化區(qū)域和未變化區(qū)域，再結(jié)合對偶樹復(fù)小波變換的多方向選擇性與近似平移不變性進行多分辨率分解，然后針對未變化區(qū)域的子帶系數(shù)進行PCNN融合，針對變化區(qū)域的子帶系數(shù)進行域自適應(yīng)的遷移學(xué)習(xí)方法，最后重構(gòu)獲得地物信息恢復(fù)圖像，與其他的地物信息恢復(fù)方法相對比，該方法能夠更多地保留原始遙感圖像的信息。

參考文獻：

[1] Kingsbury N. The Dual-Tree Complex Wavelet Transform： A New Technique For Shift Invariance And Directional Filters[J]. Image Processing， 1998：319--322.

[2] Celik T， Ma K K. Unsupervised change detection for satellite images using dual-tree complex wavelet transform[J]. 2010， 48（3）：1199-1210.

[3] WangMinJia， HuangLiang. Multi temporal remote sensing image change detection method based on exponential entropy [J]. remote sensing information， 2017， 32（3）：81-85.

【通聯(lián)編輯：唐一東】