《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 嵌入式技術(shù) > 設(shè)計(jì)應(yīng)用 > 一種基于光譜角原理的多光譜遙感圖像云檢測(cè)算法
一種基于光譜角原理的多光譜遙感圖像云檢測(cè)算法
2017年微型機(jī)與應(yīng)用第6期
孫舜蓉
工業(yè)和信息化部電信設(shè)備認(rèn)證中心,北京 100088
摘要: 為了滿足遙感衛(wèi)星實(shí)時(shí)云檢測(cè)要求,提出了一種基于光譜角的云檢測(cè)算法。首先在多光譜譜段構(gòu)成的歐式空間中構(gòu)造參考云矢量;然后計(jì)算圖像中各像元矢量與參考云矢量的光譜角,對(duì)光譜角進(jìn)行高斯濾波生成云掩膜;最后計(jì)算得到圖像中云量百分比。利用該算法對(duì)156景人工標(biāo)注過(guò)的LandSat7有云圖像進(jìn)行云檢測(cè),結(jié)果表明本文算法云檢測(cè)整體精度能到達(dá)83.6%,平均執(zhí)行速度為360 ms。本文算法原理簡(jiǎn)單,執(zhí)行速度快,檢測(cè)效果好,具有星上實(shí)時(shí)應(yīng)用潛力。
Abstract:
Key words :

  孫舜蓉

 ?。üI(yè)和信息化部電信設(shè)備認(rèn)證中心,北京 100088)

        摘要:為了滿足遙感衛(wèi)星實(shí)時(shí)云檢測(cè)要求,提出了一種基于光譜角的云檢測(cè)算法。首先在多光譜譜段構(gòu)成的歐式空間中構(gòu)造參考云矢量;然后計(jì)算圖像中各像元矢量與參考云矢量的光譜角,對(duì)光譜角進(jìn)行高斯濾波生成云掩膜;最后計(jì)算得到圖像中云量百分比。利用該算法對(duì)156景人工標(biāo)注過(guò)的LandSat7有云圖像進(jìn)行云檢測(cè),結(jié)果表明本文算法云檢測(cè)整體精度能到達(dá)83.6%,平均執(zhí)行速度為360 ms。本文算法原理簡(jiǎn)單,執(zhí)行速度快,檢測(cè)效果好,具有星上實(shí)時(shí)應(yīng)用潛力。

  關(guān)鍵詞云污染多光譜遙感;光譜角;云檢測(cè)

  中圖分類號(hào):P407.8文獻(xiàn)標(biāo)識(shí)碼:ADOI: 10.19358/j.issn.1674-7720.2017.06.006

  引用格式:孫舜蓉. 一種基于光譜角原理的多光譜遙感圖像云檢測(cè)算法[J].微型機(jī)與應(yīng)用,2017,36(6):16-18,21.

  0引言

  未來(lái)的遙感衛(wèi)星將向著更高空間分辨率、更高時(shí)間分辨率、更高光譜分辨率以及更高輻射分辨率的方向發(fā)展,這將導(dǎo)致圖像數(shù)據(jù)量的成倍增長(zhǎng),給星上硬件資源帶來(lái)巨大壓力。中國(guó)科學(xué)院地理空間數(shù)據(jù)云系統(tǒng)[1]對(duì)2014年1月1日到2015年1月1日的Landsat 7 ETM+ 湖北省的135景圖像進(jìn)行云量統(tǒng)計(jì),結(jié)果見表1所示。若定義云量小于5%的圖像為干凈圖像,則該比例僅為20%,即80%的圖像都或多或少地被云圖污染。云量在80%以上的圖像55景,占總圖像的40.78%,這部分圖像屬于云圖嚴(yán)重污染圖像,基本上沒有應(yīng)用價(jià)值,因此可以不需要從衛(wèi)星下傳到地面。同樣的結(jié)論可以從CNES(法國(guó)空間研究中心)對(duì)SPOT5圖像的統(tǒng)計(jì)中得到。地面神經(jīng)網(wǎng)絡(luò)分類器對(duì)SPOT5圖像分類結(jié)果表明80%以上為“有云”。

006.jpg

  除氣象衛(wèi)星外,云圖在高分辨率遙感圖像中有害無(wú)益,一是污染圖像,對(duì)地物識(shí)別造成困難;二是占用了大量寶貴的運(yùn)算和存儲(chǔ)資源;三是占用有限的傳輸帶寬。這三方面使得相機(jī)有效成像時(shí)間縮短,極大地限制了衛(wèi)星的成像能力。因此,開發(fā)星上實(shí)時(shí)高效的云檢測(cè)算法勢(shì)在必行。星上可根據(jù)云量的檢測(cè)結(jié)果對(duì)原始圖像進(jìn)行針對(duì)性的處理,可以有效改善衛(wèi)星成像效率,然而星上云檢測(cè)遠(yuǎn)不如地面云檢測(cè)成熟。

  云檢測(cè)算法在文獻(xiàn)[2]、[3]中得到很好的歸納總結(jié)??傊?,現(xiàn)有算法具有以下特點(diǎn):

 ?。?)云判算法多為地面應(yīng)用,發(fā)展比較成熟,但星上實(shí)時(shí)云判研究較少。

 ?。?)單譜段云圖檢測(cè)基于圖像閾值、圖像紋理進(jìn)行云判別。由于云千變?nèi)f化,云檢測(cè)分類器往往難以區(qū)分與云具有相似紋理的冰雪下墊面。

 ?。?)云檢測(cè)算法針對(duì)特定的傳感器進(jìn)行量身定制,還沒有一種云檢測(cè)算法能適應(yīng)所有類型的傳感器。

 ?。?)地面算法較為復(fù)雜,不適合直接移植到星上應(yīng)用,基于光譜和紋理的分類思想具有借鑒意義。

  本文在分析云和典型地物的光譜反射率特性的基礎(chǔ)上,給出利用光譜角進(jìn)行云檢測(cè)的算法原理和步驟,然后對(duì)比自動(dòng)云覆蓋評(píng)估算法,給出云檢測(cè)結(jié)果以及代碼執(zhí)行效率,最后給出分析結(jié)論。

1算法原理及實(shí)現(xiàn)流程

  不同地物由于物理特征的不同,各自具有獨(dú)特的光譜反射特性。圖1為云和典型地物的光譜反射率曲線。由圖1可見,在0.4μm ~0.9μm可見光區(qū)域,云具有相對(duì)高的反射率,但是比冰雪低;在1.4μm以上的短波紅外譜段,云的反射率比冰雪、土壤和植被的反射率都高。多光譜探測(cè)器的光譜響應(yīng)在其譜段范圍內(nèi)響應(yīng)是近似線性的,那么,典型地物反射率曲線等價(jià)于探測(cè)器對(duì)地物的光譜響應(yīng)曲線,也就是說(shuō)地物反射率越高,表現(xiàn)為圖像的量化值越大。而且,譜段越多,光譜分辨率越高,描繪的光譜曲線越完整,利用發(fā)射率信息對(duì)地物的區(qū)分度就越高。本文提出一種利用光譜矢量表征地物,進(jìn)而利用光譜矢量與標(biāo)準(zhǔn)地物參考矢量之間的相似性,即光譜角的大小和矢量長(zhǎng)度來(lái)對(duì)地物進(jìn)行分類的方法,原理描述如下。

001.jpg

  對(duì)于具有n個(gè)譜段的多光譜圖像,圖像像元可用n維矢量來(lái)表示,例如圖2中的Pi。假設(shè)Pr為某地物參考矢量,若Pi與Pr的指向相近,且長(zhǎng)度也相近,則可以認(rèn)為Pi與Pr相似。Pi的長(zhǎng)度可以通過(guò)對(duì)Pi的求模操作即|Pi|來(lái)得到,而Pi與Pr間的光譜角可用如下數(shù)學(xué)表達(dá)式得到:

  αi=arccos(Pi·Pr/|Pi|·|Pr|)(1)

  式中:αi為圖像像元矢量與參考像元矢量之間的夾角,即光譜角,代表了光譜響應(yīng)的相似性,其變化范圍是[0,π/2]。Pi·Pr為矢量點(diǎn)乘操作,|Pi|表示Pi的長(zhǎng)度,|Pr|表示Pr的長(zhǎng)度。光譜角度越小,同時(shí)矢量長(zhǎng)度越接近,則被估計(jì)像元的光譜響應(yīng)與參考像元的光譜響應(yīng)就越相似,參考物與被估計(jì)像元為同一類型的概率就越高。如圖2所示,假設(shè)圖像有3個(gè)譜段,分別用i,j,k表示,αi就是像元Pi與參考像元Pr之間的光譜角。

  

002.jpg

  基于光譜角的云檢測(cè)流程如圖3所示。

 

003.jpg

  基于以上分析,提出基于光譜角的云檢測(cè)算法如下:

  (1)計(jì)算遙感圖像某像元Pi與云參考像元Pr的之間的光譜角,見式(1)。

  (2)為了利用矢量的長(zhǎng)度信息,構(gòu)造一個(gè)包含像元Pi矢量與云參考像元Pr矢量長(zhǎng)度的高斯濾波器,對(duì)αi進(jìn)行濾波,即乘以一個(gè)高斯權(quán)重系數(shù)GsCoef,該權(quán)重系數(shù)由式(2)得到,范圍是(0,1 ]。高斯系數(shù)的作用是給那些矢量長(zhǎng)度與參考像元矢量長(zhǎng)度接近的像元賦予較大的權(quán)重,直觀解釋就是矢量長(zhǎng)度相近的像元更有可能是同一類地物。濾波結(jié)果為Cgsi,其范圍是(0,1]。

  GsCoef=e-((|Pi|-|Pr|)2/(0.35·|Pr|2))(2)

  Cgsi=GsCoef*(π-αi)/π(3)

  (3)取適當(dāng)?shù)拈撝祵?duì)Cgsi進(jìn)行二值化,即當(dāng)minThreshold<Cgsi<=maxThreshold時(shí),該像元Ci為云,否則非云。其中minThreshold為最小閾值,maxThreshold最大閾值。

  if (Cgsi>minThreshold && Cgsi<=maxThreshold)

  Ci=1;//該像元判斷為云

  else

  Ci=0;//該像元判斷為非云

  (4)重復(fù)步驟(1)~(3),依次完成所有像元檢測(cè),生成云掩膜。統(tǒng)計(jì)云像元所占比例,為后續(xù)處理做好準(zhǔn)備。

2實(shí)驗(yàn)結(jié)果

  為了便于比較,本文利用開源遙感圖像處理軟件Grass7.0提供的自動(dòng)云評(píng)估ACCA算法C++代碼,與文中的光譜角云檢測(cè)算法C++代碼,從整體檢測(cè)精度(Cloud Overall Accuracy, COA)以及執(zhí)行速度上進(jìn)行比較。計(jì)算平臺(tái)為:Lenovo Windows 7 64 bit PC; Intel Core i52520 @2.5 GHz CPU; 4.00 GB RAM。

  從美國(guó)地質(zhì)調(diào)查局網(wǎng)站得到156景經(jīng)過(guò)人工標(biāo)注的Landsat7圖像,作為本文云檢測(cè)精度評(píng)價(jià)的標(biāo)準(zhǔn)圖像。此156景數(shù)據(jù)分布在9個(gè)不同的緯度區(qū)域,對(duì)不同地域的云分布有一定統(tǒng)計(jì)意義,同時(shí)它們是文獻(xiàn)[3]中所采用的212幅人工標(biāo)注圖像的子集。在這156景8 bit量化的遙感圖像中,圖像專業(yè)分析人員利用Photoshop中的圖像套索工具一點(diǎn)點(diǎn)地分離云和非云像元。

  綜合考慮檢測(cè)精度和運(yùn)算速度,本文取Landsat7中的Band1(450~515 nm),Band3(630~690 nm),Band4(750~900 nm),Band5(1 550~1 750 nm)作為試驗(yàn)對(duì)象,利用這四個(gè)譜段構(gòu)造光譜角進(jìn)行云檢測(cè)。同時(shí),為了更好地模擬在軌實(shí)時(shí)處理過(guò)程,利用從原始圖像截取的1 024像元×1 024像元大小的含不同云量的圖像進(jìn)行試驗(yàn)。云參考矢量Pr取(225,215,182,168),minThreshold取0.6,maxThreshold取1,比較結(jié)果如圖4~6所示。

  

004.jpg

  對(duì)于參考圖像,ACCA算法耗時(shí)較長(zhǎng),平均耗時(shí)為2 299.6 ms。耗時(shí)曲線中顯示對(duì)不同的圖像,耗時(shí)相差較大,這是因?yàn)锳CCA算法針對(duì)不同的地物采用不同的算法分支,而某些分支中包含有循環(huán)處理。SA執(zhí)行速度很快,平均耗時(shí)僅為361.1 ms。

005.jpg

  圖7是帶云的原始圖像,圖8是人工標(biāo)注的云圖像,圖中,云標(biāo)注為全白,非云地物為全黑。典型的ACCA云檢測(cè)結(jié)果如圖9所示,SA檢測(cè)結(jié)果如圖10所示。整體檢測(cè)精度分布如表2所示,可知ACCA的整體檢測(cè)精度達(dá)到89.05%,高于SA算法的83.6%。對(duì)檢測(cè)誤差較大的圖像進(jìn)行分析發(fā)現(xiàn),高緯度地區(qū)覆蓋的冰和雪常被誤檢為云,因?yàn)楸┓瓷渎逝c云接近,且具有較高亮度;對(duì)薄云的漏檢在兩種算法中均存在,SA算法相對(duì)較嚴(yán)重。

007.jpg

3結(jié)論

  分析可知,SA的檢測(cè)精度略低于ACCA,但是仍然高于83%。最為關(guān)鍵的是,SA算法執(zhí)行時(shí)間僅為ACCA算法執(zhí)行時(shí)間的1/6,這在實(shí)時(shí)圖像處理中尤為重要。對(duì)于高緯度地區(qū)SA算法的過(guò)檢問題,可以針對(duì)高緯度地區(qū)的冰雪特點(diǎn),適當(dāng)調(diào)高閾值,提高檢測(cè)精度。在軌應(yīng)用時(shí),一些實(shí)際問題例如圖像的輻射校正、幾何校正、圖像匹配等問題需要加以考慮。

  參考文獻(xiàn)

 ?。?] 侯舒維, 孫文方, 鄭小松. 遙感圖像云檢測(cè)方法綜述[J]. 空間電子技術(shù), 2014, 11(3).6877.

 ?。?] TAPAKIS R, CHARALAMBIDES A G. Equipment and methodologies for cloud detection and classification: a review[J]. Solar Energy, 2013,95(5): 392430.


此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。