關于遙感圖像云檢測方法研究進展

劉增偉

（山東科技大學測繪科學與工程學院，青島 266590）

如今隨著社會科技的進一步發展，人們對遙感圖像的需求已經運用到了地球資源探測、自然災害救災預測、海洋環境污染監測等等各方個面上面。但是由于遙感圖像收大氣密度、濕氣、云層等因素影響，針對對其產生遮擋問題。很研究人員針對云檢測方法進行分析，以擬補對遙感圖像形成中過程中容易造成地物信息缺失情況。通過云檢測手段對云層特性進行研究和把握。有助于我們對遙感影像進行修復，目前有大量針對云檢測的方法被提出來，可這方面國內研究尚有比較大的欠缺，因此本文在參過大量的國內外文獻后，針對遙感云檢測方面進行研究和討論并且進行大量比較和歸類得出云檢測方法的研究進展，希望能為我國云檢測方法可持續發展添磚加瓦。

1 遙感圖像云檢測技術現狀

目前市面上存在最多的云檢測技術為“閾值法”。常見閾值法通過對光譜普段進行閾值檢測，然后運用于遙感圖像判斷，判斷其是否是云層。這種方法簡單易行，但是準確率低，如，在夜間不能很好判斷，地域復雜情況下如海岸線、河流等也不好判斷，檢測時候容易誤解成云層。

但隨著問題的出現，后來采用多組閾值法組合判斷、自動云覆蓋估算、雙通道動態閾值檢測法、通道綜合運算檢測法等方法的提出，這也是屬于閾值類思維方法的一種，閾值法的多組運用容易使得運算速度變慢。

于此同時還有一些基于文理特征和統計特征的方法也運用到云檢測中來，但是其中最有潛力的還是隨著計算機技術的發展提出人工神經網絡聚類等技術的運用。

但是目前的所有方法都有各自的一個局限性。即同一種云檢測方法在不同的光線環境下也可能造成不同的結果。實際使用中是各種方法互相補充，互相配合的。且目前云檢測使用方法組合使用還是過多的依賴工作經驗積累。

2 遙感圖像云檢測方法分類。

2.1 基于閾值的云檢測方法

閾值法是云層檢測一種最基礎的檢測方法，它是利用多光譜的物理特性，光譜普段進行閾值檢測，從而認定某個數值為閾值，進而在在單個像素上面進行檢測。但是閾值選取有分為固定閾值和動態閾值兩類，以前都是基于固定閾值進行檢測的，只是社會對遙感圖像的像素要求越來越高，而固定閾值有著自身的局限性，所以采用動態閾值來檢測。動態閾值最大的特點是能夠根據不同的環境條件來使用不同的閾值，這大大提高了閾值方法使用空間。其中閾值法的物理方法計算量比較小容易實現，目前仍然大量的使用在云檢測方面。

2.2 基于云的紋理和空間特性的檢測方法

基于云的紋理和空間特性的檢測方法和閾值法相似，知識檢測的依據不一樣，閾值法主要是針對光譜的波段進行分類定制。而紋理和空間特性檢測方法進行云檢測的依據是圖像空間的數據。隨著社會對遙感圖像分辨率要求越來越高，紋理和空間特性在檢驗中越來越關鍵。遙感圖像中的云存在顯著的空間變化，所以云紋理和空間特征進行云檢測是有效的檢測方法。

圖像紋理空間是反映圖像光譜亮度空間變化的特征。云層變化可將云層圖像特征分為：灰度特征、頻率特征、紋理特征。算法主要選用紋理特征分為形維數和角二階矩，并采用一種基于樹狀判別結構的快速算法，有效提高算法的運行速度。

2.3 基于人工神經網絡聚類的檢測方法

在我國和巴基斯坦合作衛星云檢測上，人工神經網絡的云檢測方法在時間和地區上具有良好的普適性。而且表現效果很好，減少了很多由于人員主觀原因造成的誤差。目前人工神經網絡檢測方法有十大類別，其中使用自組織特征映射網絡、概率神經網絡和最大似然神經網絡表現最好，分辨率最高，起結果圖的視覺效果也是最好的。

我們人工神經網絡方法在已知的類別標簽上進行可以得到很好的效果，但是檢測范圍擴大，和實際工作環境的復雜，缺少形成模式類過程的樣本，往往只能使用沒有類別標簽樣本進行工作，這就涉及到自動學習方法“聚類”。

聚類方法可以提取物理特征、感興趣區域、圖像聚類和標記、光譜分析等來識別薄卷云、冰和雪上云等。是一種非常好的云檢測方法。

3 結束語

目前在遙感圖像云檢測中，閾值法還是在各大機構中占據主流的方法，但是最近幾年計算機技術和互聯網科技的發展，如：神經網絡聚類、SVM等，科技含量比較高的方法也得到了運用和發展。這些新的技術方法有著精確度高、準確率高、可適應多種復雜天氣環境等優勢，但另一方面我們也感受到這類新的技術方法運算量大，運算模式復雜，在一般情況條件下不利于實現。而且實際運用中維護難度和數據優化算法將作為主要的專研方向。我們可以看出未來云檢測的研究進展方向主要在于計算機技術發展神經網絡聚類、SVM等方面。這也是我國要研究的方向。