logo资料库

遥感图像去云.docx

发布时间：2022-06-09 发布人：admin 分类：说明书 资料大小：4.53M 资料格式：docx 举报 版权申诉
第1页 / 共7页
第2页 / 共7页
第3页 / 共7页
第4页 / 共7页
第5页 / 共7页
第6页 / 共7页
第7页 / 共7页
资料共7页，全文预览结束
    TM影像去云实验报告
    TM 影像去云实验报告 1. 实验数据：TM 影像 LT511903820090606 中的六个波段（Band 1,2,3,4,5,7）截取淀山湖 地区完成以下实验。 2. 实验方法：使用 Haze Tool 工具包。 将 Haze Tool 工具包置于***\ITT\IDL71\products\envi47\save_add 文件夹内，然后运行 ENVI，Basic Tool 菜单中会出现一个 Haze Tool 按钮。此过程中不可修改文件名，否则工具包 无法使用。 Haze Tool 主要由三部分组成：云层厚度检测（haze detection），云层厚度完善（haze perfection），云层去除（haze removal）。这三部分前后连贯，每一步的结果都会影响到最终 的除云效果。 实验步骤包含以下三步： Step 1. 云层厚度检测 一幅影像中往往云层厚度不一致，因此不同厚度云层覆盖下的地表需要恢复的强度也不 一样（不考虑厚云完全遮挡地面的情况）。此模块中云层厚度检测有两个指数：HOT13 和 HOT123。两者都是相对厚度检测，而不是绝对的光学厚度检测，HOT123 是 HOT13 的改进。 当没有厚云存在时，云非常薄的情况下，有的时候可以选择原始方法 HOT13。 （1） HOT13 HOT13（原称是 HOT,13 是加上云的标号，以示与 HOT123 的区别）是由加拿大遥感研究 中心的 Zhang Ying 提出的（Zhang et al.2002）。根据地物在蓝色（TM1）和红色（TM3）波段 的高度相关性，在特征空间里绝大部分像素分布在晴空线上。云的存在会使得云下地物的光 谱偏离这条晴空线，云越厚，偏离越大。HOT13 等于偏移距离。 （2） HOT123 在很多情况下，蓝色（TM1）和红色（TM3）高度相关，相关系数大于 0.9。但是，当 地物更加复杂的时候往往不成立。比如除了植被，同时存在大量的土壤和水体，水体非常浑 浊等。在 Quickbird 等高分辨率影像中，除了柏油和水泥以外的其他彩色地物也会降低 HOT13 的准确性。HOT123 是对 HOT13 的改进，即利用可见光波段（TM1\2\3）提取云层厚度。 HOT k    * b k   * b k    * b  b
    k  \ k  \ k  这 4 个参数的值使得 | \ b _ | 最小。其中， _Mean cloud Mean cloud Mean clear  _ SD clear _ _Mean clear 分别是有云区域（选择的区域云层越厚越好）和无云区域的 HOT123 平均值， 和 _SD clear 是无云区域的 HOT123 标准差。 Hot123 要满足有云区域和无云区域的厚度差值尽可能大，而又要使无云区域（背景） 的方差尽可能小。 Step2. 云层厚度完善 虽然 Step1 中尽可能地突出云层信息，抑制背景信息，但是仍然有不少无云区域的云 层厚度值偏离零很大，主要发生在水、浪花、土壤、雪、建筑区等地物上。 当地物很复杂的时候就需要对 HOT 值进行一些额外处理，以修正这些偏差。当然，云 层厚度完善中的几种方法都是非必须的，可以根据影像的特征酌情选用，也可不用。 其中，Haze perfection QB 适用于几乎所有光学遥感影像，如 Quickbird 等 4 波段影像（也 适用于 TM 等更多波段影像），这类影像会有几个可见光波段被云污染。这里包含四种可供 选择的方法：maskandinterpolation、thresholdandinterpolation、fill_sink、flattern_peak。其 中，fill_sink 和 flatten_peak 非常占内存，是 haze tool 最大能处理的影像的限制步骤。 Haze perfection TM 只适用于 TM 等含有中红外波段的影像，中红外波段往往很少受薄 云影响。这种方法的灵感来自 Liang shunlin 的聚类匹配方法（Liang et al.2001; Liang et al.2002）， 稍作修改后可用于 HOT 值的完善。该方法以利用 TM4\5\7 波段进行非监督分类的结果作为 输入参数，通过计算每类地物的平均 HOT 值并将其减去以达到归零的目的。 不管选择哪一个，处理后的结果都需要重新将无云区域 ROI 内的 HOT 平均值归零。因 此，必须确保在进行云层厚度完善操作之前，内在中有无云区域的 ROI 存在，否则最后将不 会进行归零操作。 Step3 云层去除 完成了云层厚度检测和云层厚度完善之后即可进行云层去除。此工具包中提供了三种方 法：Dark Substract（暗物质法），Hist match（直方图匹配法）和 Cloud Point（云点法）。Hist match 是分层直方图匹配方法，即将 HOT 图像分层分割，然后以无云区域 ROI 作为参照对每 一层进行直方图匹配操作。这种方法在地物分布较均匀的情况下效果较好。与暗物质法一样， 也会因为分层的原因导致分块效应。云点法是暗物质法的改进，相同之处是仍然要对 HOT 图像进行分层分割，不同之处是每层同时提取上限和下限两个值。通过上限和下限分别回归 得到两条回归直线的交点即云点（代表最厚的云）。以上这些方法都是按照云层厚度对图像 进行分层除云处理。
    3. 实验过程与结果 543 波段组合成的图像如下图 1.1 所示 图 1.1(a) 波段组合原始影像 图 1.1(b) 截取的实验影像(sub0606) 图 1.2 有云和无云的 ROI 选取 图 1.3 选择待处理影像 Step1 云层厚度检测 这里选择 HOT123 方法，所选有云 ROI 和无云 ROI 如图 1.2 所示，其中红色区域为
    Basic Toolhaze toolhaze detectionHOT123; clearsub.roi，即无云区；绿色区域为 yun.roi，即云层遮挡区。操作步骤如下： 1) 打开待处理影像，建立无云区域 ROI 和有云区域 ROI 作为对照，并保存； 2) 3) 弹出对话框选择待处理的影像，并且在 Spectral subset 中选择蓝色、绿色和红色三 个波段，即 TM 影像上的第一第二第三波段，如图 1.3；选择有无云和有云区，如 图 1.4。 4) 生成 HOT123 图像，如图 1.5 所示。 图 1.4（a） 选择无云区 图 1.4（b）选择有云区 图 1.5 生成的 HOT123 图 图 2.1 选择 457 波段作非监督分类 Step2 云层厚度完善 这里选择 Haze perfection TM 方法，操作步骤如下： 1) 利用 TM4/5/7 波段进行非监督分类，类的数量我们采用 20-50 类，选择的是非监督分类 中的 isodata 分类法，如图 2.1 所示； 2) 选择所需要处理的 HOT 影像，这里选择 Step1 中得到的 HOT123； 3) 选择对应的非监督分类图； 4) 选择无云区域的 ROI，这里是 clearsub.roi; 5) 决定是否要对某些方差特别大的类型进行插值操作，如图 2.2 所示。这里选择 Cancel。
    图 2.2 得到的 HOT123 的均值和方差图 Step3 云层去除 这里采用云点法去除云层。具体操作步骤如下： 1) 选择需要除云的影像，并且在 Spectral subset 中选择需要除云的波段，这里选用可见光 波段和近红外波段，如图 3.1 所示。 2) 选择经过云层厚度检测和云层厚度完善而得到的 HOT123 影像。 3) 选择有云区域 ROI 计算云点，ROI 的选择直接决定了最终的除云质量。若选择 Cancel 表明利用整幅影像计算云点，不仅计算量大，而且效果不如人工选择更合适的区域。 图 3.1 选择需要除云的波段 4) 对图像云层进行切割分别处理。[minimum,maximum]范围外将不被处理，默认情况下， minimum=最小 HOT，maximum=最大 HOT。Increment 表示切割云层的厚度，默认情况 下 increment=1。Lowerandupperlimite 是作为下限的固定百分点，默认情况下等于 2%， 那么上限的固定百分点是 98%。0%则表示最小值作为下限，最大值作为上限。确定后， 会输出各层的结果图：
    图 3.2 各层的结果图 5) 根据上一步的结果选择用于计算云点的 HOT 范围。 这里要求范围内各层的像素不能太少（根据各层的像素个数图来确定）；同时还要求各 层的上限值减去下限值随着 HOT 的增加逐渐稳定地减少（根据各层的上限值减去下限 值图来确定）。这里选择的范围最小值是 10，最大值是 77。最后得到的去云结果如下图 3.3 所示。 图 3.3(a)去云前 (b)去云后
    4 实验结论 由于原始影像数据量庞大，在运行这个 Haze tool 过程中会出现溢出，导致 ENVI 无响应， 所以这里截取影像中淀山湖地区的 325*423 大小的一块小区域作为实验数据。 实验过程中，最关键的一个步骤是人工干预的选取无云和有云区域的 ROI。这两块 ROI 的选取直接关系到最后去云的质量。选择无云区域的 ROI 时，要求所选区域尽量涵盖各种土 地利用类型；选择有云区域的 ROI 时，要求选择的区域地物完全遮挡云层，如果没有此类厚 云，也可以选择相对最厚的薄云来代替，要求所选区域有不同厚度的云覆盖，该区域内的 HOT 值范围尽可能大，使有更多的下限和上限点用于回归，并且区域内的地物分布尽量均匀， 以减少地物造成的影响。 这里的实验中所使用的影像数据块儿为淀山湖区域，从视觉上看，整个影像块儿都有一 层薄云覆盖，而且此区域水体覆盖面积大，造成最后的去云结果不太理想，而使得影像整体 呈现蓝色，如图 3.3（b）所示。 实验证明，此 haze tool 工具包在光学影像去云上是可行的，但去云效果很大程度上取 决于有云和无云区域 ROI 的选取，人工干预因素对实验结果影响太大。
    分享到：
    赞 收藏

    相关推荐

    资料库

    课程资源

    共收录17145份资料，累计13个分类，关注成员有19位，主要包括：PHP,网络管理,网页制作,Java,.Net,数据库,3G/移动开发,C/C++,游戏开发,嵌入式,讲义,软件测试,专业指导

    热门标签

    PHP 网络管理 网页制作 Java .Net 数据库 3G/移动开发 C/C++ 游戏开发 嵌入式 讲义 软件测试 专业指导

    最新资料