遙感圖像云檢測技術研究

馬益

摘 要：光衛星傳輸的遙感圖像具有圖像清晰度高，視野范圍廣，可以獲得世界各地不同地理位置的圖像資源和地表信息。基于遙感圖像云檢測技術特點，具體分析了遙感圖像云檢測技術，展望了遙感圖像云檢測技術的發展趨勢。

關鍵詞：遙感圖像;云檢測;動態監測

隨著衛星遙感技術的飛速發展，衛星遙感影像已廣泛應用于環境、農業和氣象等領域。然而，使用可見光衛星圖像的圖像往往受天氣影響，由于圖像被云層遮擋，無法直接應用和分析。因此，對圖像進行云分類檢測，通過一定的措施將無云和無云區域替換為不同時間獲得的同一區域圖像，得到完整的無云圖像。被取代的圖像包含更全面豐富的地表信息，進一步有助于圖像的進一步分析和處理，如目標識別、動態監測等。這對于提高遙感數據的利用率非常重要。常用的云檢測方法有閾值法和模式分類法。閾值法是利用云和地物在可見光和紅外通道中表現出的反射率、亮度和溫度的差異來實現云檢測，包括多光譜閾值法、動態閾值法和多通道閾值。模式分類方法從模式識別的角度提取合適的特征，通過選擇合適的分類器實現云圖像判別，根據遙感圖像的空間紋理特征和統計特征進行云判別，選擇沒有將被將每幅圖像分割成小的子圖像后，衛星遙感圖像顯示了安裝在衛星上的各種波段傳感器拍攝的電擊波大小的圖片。

1遙感圖像云檢測技術特點

與其他圖像相比，光衛星傳輸的遙感圖像具有圖像清晰度高，視野范圍廣，可以獲得世界各地不同地理位置的圖像資源和地表信息，信息和數據衛星等豐富的資源包含多個波段的地表影像信息。廣泛的采集渠道、多樣性和圖像量可以滿足各層的需求，因此衛星遙感成像被廣泛應用于許多領域。資源探測、城市建設、天氣預報、防災、軍事對抗等方面而且它們非常重要，衛星的相位為我們的生活提供了重要的數據來源。根據該方法，一顆衛星的研制、發射和保險費用高，不包括后處理和地面接收站費用，以及傳輸衛星遙感圖像的人工費用，尤其是遙感圖像用于軍事和商業用途時更高。圖像需要高清和全特征信息，但對于光學遙感衛星，不能像雷達傳感器那樣通過云層獲取地面信息，所以如果有衛星與地面之間的云屏障，然而衛星成像設備獲取的圖像數據中包含的地面目標信息量即使沒有得到有效利用，也大大減少。衛星遙感圖像云檢測技術引起了人們的關注。遙感已成為衛星探測的重要研究領域。但也增加了無效影像數據下行傳輸的開銷時間，費時費力，大大增加了衛星影像的成本，所以如果可以自動處理相位，就可以識別圖像中的云，計算云覆蓋率，手動設置閾值，自動丟棄超過閾值的云覆蓋率。在照片的情況下，只傳輸有效照片，可以顯著降低成本，對遙感衛星在軌應用具有重要意義。對很多傳感圖像都有很好的識別效果，對地面、雪山、沙漠、苔原等特殊基底面的識別往往力不從心，尤其是對于單RGB真彩圖像，云和特殊基面的區分將變得更加困難，特殊基面的誤判影響較大，會導致衛星上的大量有效影像數據被剔除，影響會很嚴重[1]。

2遙感圖像云檢測技術

云是Landsat衛星的主要噪聲源之一，是地球大氣水循環的產物，是由天空中的水蒸氣液化形成并隨高度變化而形成的具有恒定形狀和高度的可見聚合物。云的空間大小和厚度云可分為三類：低云、中云和高云。低云一般存在于2500米以下，根據人眼可見云的各種視覺形態，可分為積云、層積云、層積云和高積云。云仍可分為混沌云、高層云和卷云，高云一般在5000米以上，高云仍可分為卷層云和卷云。云空間的高度和厚度以及云的視覺形狀共同決定了云的類型。以上是對云的種類的簡單分類，但在現實生活中，云的種類有很大的不同。即使是同一類型的云，也會因地域、陽光等條件的不同而出現不同的現象。不同的水分含量。然而，云的獨特屬性是相同的，云的整體特征表現出很強的相似性和一致性。云的光譜特性主要是由于云對不同波長的光的透射和散射的差異。由于云中各種粒子的光學特性，云不僅對太陽表現出很高的反射率，而且還吸收了大部分從下方反射的光波，因此遙感圖像中云區的成像主要發生在云本身。陽光的反射只包含很少的根或很少的特征信息。在紅外波段，云的反射率仍然很高，但雪的反射率大大降低。當然，在特殊情況下，如許多天然金屬材料或一些人造房屋，光譜反射率遠高于云層。但是，一般來說，在大多數遙感影像中，云的反射率很高，所以整幅影像的亮度往往很高。真彩色圖像可以更好地提取圖像的紋理特征。雖然便于后續研究和云樣本塊，但主要地表樣本塊主要用于對到達地面的陽光反射進行成像。由于大多數基面僅對某些光譜波長具有高反射率并吸收大部分光波光譜，因此即使基面類型相同，基面的成像特性也不同。根據環境和一天中的時間，通常會有很大差異。因此，基本面樣塊的灰度值往往波動較大，層次和連續性通常較差。可以看出，與大多數下伏表面相比，云的紋理通常表現出更強的一致性。相比積雪覆蓋的次表層，云樣本塊的邊界更平滑，灰度梯度好，跳躍快。浮冰下方的表面類似于一個灰色值很小的湖泊，通常帶有一些地面物體的投影?？傊y理特征反映了物體多方面的特征，評價指標各不相同，根據紋理特征，可以區分大部分云層和下墊面的一般類型，部分類型的雪地和冰原。

3遙感圖像云檢測技術的識別

根據提取的云面特征，對地理空間數據云網站提供的Landsat系列衛星遙感影像進行云檢測，并利用平臺構建人機交互界面。在云檢測算法中，研究了基于現有SVM的簡單閾值法、多閾值法、OTSU自適應閾值法和云檢測方法。為了彌補這些方法的不足，提出了一種基于三通道和統計方法的新的云檢測方法。針對難以準確識別雪和其他特殊熱表面的問題，我們提出了一種基于PSVM 的云檢測方法。結合基于光譜特征和紋理特征的兩種方法的優點，提出了統計方法和基于PSVM的云檢測方法，取得了較好的效果。簡單的讀取方法計算速度最快，但在整個圖像亮或暗時識別效果不佳。換句話說，單個閾值不是通用的。與簡單閾值法相比，多閾值法覆蓋面更廣，適應性更強。綠色通道或紅色通道中較高的值可以更好地識別基面，但對于某些遙感來說仍然很特殊。圖像和雪地，底部識別效果不好?；谧畲箢愰g方差的自適應閾值法計算速度較快，對大部分遙感影像顯示出很好的識別效果，因為閾值可以自適應，但一旦云范圍過大或太低，識別效果不好[3]?；诮y計方法的云檢測方法速度較快，在計算速度和處理結果上都有較好的效果，可以對云區域進行更精細、更高的檢測，但常用于雪等特殊基面。無力同樣，這種方法在識別特殊基面時通常無能為力。

4結語

基于偏好支持向量機的云檢測方法，通過對特殊基面的偏好訓練，支持向量機不僅可以識別云和一般基面，還可以準確識別特殊的云和雪。最后，為了提高基于偏好的支持向量機方法的粒度識別，結合基于光譜特征的云檢測方法和基于紋理特征的云檢測方法的優點，提出了云檢測方法。在像素級別識別云和下墊面，并且云邊界和小云區域具有良好的識別效果。同時可以準確區分云、雪等特殊下墊面，識別時間適中。未來的研究將使用更多的衛星拍攝的遙感圖像，我們不斷提高分類器的識別準確率和識別廣度。

參考文獻：

[1]馮希胤，劉夢，姜艷，李路，范雪松.基于多光譜遙感圖像的火點檢測技術[J].無線電工程，2021，51（11）：1195-1201.

[2]王留洋，芮挺.基于級聯特征融合的遙感圖像目標檢測技術研究[J].長江信息通信，2021，34（08）：15-18+23.