没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
云阴影检测是云检测中的一个重要环节,由于其光谱、纹理特征复杂,云阴影检测一直是云检测中面临的一大难题。本文针对传统云阴影检测方法的不足,提出一种基于多时相遥感数据支持的云阴影检测算法。该算法以同一区域相近时相或不同年份相近日期的卫星遥感地表反射率数据为参考,选取云阴影和典型地表样本点,对样本点进行统计分析,据其动态确定云阴影检测的阈值,并基于云阴影样本点去除土地利用/土地覆被变化对使用该方法进行云阴影检测造成的误判。基于 Landsat8 OLI数据,选择不同区域碎云、薄云和厚云产生的云阴影分析该方法的有
资源推荐
资源详情
资源评论
第
35
卷 第
2
期
20 1 6
年
4
月
Vol .35 No.2
A
p
r.20 1 6
64
Journal of Shandon
g
Un ivers it
y
of Science and Technolo
gy
NNaattuurraall SScciieennccee
基于多时相遥感数据的云阴影检测算法
米雪婷
,
孙
林
,
韦
晶
,
田信鹏
(
山东科技大学 测绘科学与工程学院
,
山东 青岛
2665 90
)
摘
要
:
云阴影检测是云检测中的一个重要环节
,
由 于 其 光 谱
、
纹 理 特 征 复 杂
,
云 阴 影 检 测 一 直 是 云 检 测 中 面 临 的
一大难题
。
本文针对传统云阴影检测方法的不足
,
提出一种基于多时相遥感数 据 支持的云 阴 影检测算 法
。
该算法
以同一区域相近时相或不同年份相近日期的卫星遥感地表 反 射 率 数 据 为 参 考
,
选 取 云 阴 影 和 典 型 地 表 样 本 点
,
对
样本点进行统计分析
,
据其动态确定云阴影检测的阈值
,
并基于云阴影样本点 去除土地 利 用
/
土地覆被 变 化 对使用
该方法进行云阴影检测造成的误判
。
基于
Landsat8 OLI
数据
,
选择不同 区 域 碎云
、
薄云和厚 云 产 生的云阴 影 分析
该方法的有效性
,
重点分析水体等容易与云阴影混淆的区域
。
结果表明
,
该方法能有 效 识别云阴 影
,
具有较高 的 整
体检测精度
。
关键词
:
地表反射率
;
云阴影
;
Landsat8 OLI
;
多时相
;
样本点
中图分类号
:
P407
文献标志码
:
A
文章编号
:
16 72-3767
(
2016
)
02-0064-09
Cloud Shadow Detection Al
g
orithm Based on Multi-tem
p
oral Remote Sensin
g
Data
MI Xuetin
g
,
SUN Lin
,
WEI Jin
g
,
TIAN Xin
p
en
g
(
Colle
g
e of Geomatics
,
Shandon
g
Universit
y
of Science and Technolo
gy
,
Qin
g
dao
,
Shandon
g
2665 90
,
China
)
Abstract
:
Cloud shadow detection
,
as an im
p
ortant
p
art of cloud detection
,
has been a tou
g
h
p
roblem in cloud detec-
tion because of its com
p
lex s
p
ectrum and texture features.Aimin
g
at the shortcomin
g
s of the traditional clolid shad-
ow detection
,
a cloud shadow detection al
g
orithm based on multi-tem
p
oral remote sensin
g
data was
p
ro
p
osed in the
p
a
p
er b
y
takin
g
the reflectance of the Landsat8 OLI in the same re
g
ion with closed dates or in different
y
ears as ref-
erence.The threshold value of cloud shadow detection is determined on the basis of the statistical anal
y
sis of the
sam
p
le
p
oints
,
which were selected from the cloud shadow and t
yp
ical surface on the OLI data.The false detection
of land use or land cover chan
g
e was removed based on cloud shadow sam
p
le
p
oints.Moreover
,
the
p
ro
p
osed al
g
o-
rithm was validated b
y
anal
y
zin
g
cloud shadows of thin cloud
,
thick cloud and broken cloud in different areas
,
es
p
e-
ciall
y
areas where cloud shadow is eas
y
to be mixed with water.The results indicate that the
p
ro
p
osed method can effec-
tivel
y
identif
y
cloud shadows and has an overall hi
g
her detection accurac
y
.
Ke
y
words
:
Landsat8 OLI
;
surface reflectance
;
cloud shadow
;
multi-tem
p
oral
;
sam
p
le
p
oints
收稿日期
:
2015-10-10
基金项目
:
山东省杰出青年基金项 目
(
JQ20121 1
)
作者简介
:
米雪婷
(
19 92
—),
女
,
山东菏泽人
,
硕士研究生
,
主要从事大气遥感研究
.E-mail
:
mixuetin
g
@
y
eah.net
孙
林
(
19 75
—),
男
,
山东枣庄人
,
教授
,
博士
,
主要从事大气探测方面 的研究工作
,
本文通信作者
.
E-mail
:
sunlin6@126.com
云阴影在遥感影像上表现为团块状且极不规则的较暗区域
,
从遥感影像中提取土地覆被信息时
,
阴影是
造成混淆和误判的主要来源之一
[
1
]
,
阴影的存在不仅降低了地表变化检测的 精 度
[
2-3
]
,
也降低了遥感图像 定
量参数提取的精度
[
4-6
]
。
有效识别云阴影对地物目标识别以及定量参数遥感反演具有重要意义
[
7-9
]
。
目前常用的云阴影检测方法主要有阈值法
、
分类法
、
基于观测几何的方法
。
其中
,
阈值法因其算法简单
、
计
米雪婷等
基于多时 相遥感数据的云 阴影检测算法
65
Journal of Shandon
g
Un ivers it
y
of Science and Technolo
gy
NNaattuurraall SScciieennccee
算速度快
、
效率高而得到最广泛的应用
[
10
]
。
常用的阈值法有经验阈值法
、
滞后阈值法
、
云阴影地域增强模型等
方法
,
其中经验阈值法的基本思想主要基于组分光谱差异的分析技术
,
进行波谱分析和特征通道选择
,
使用一
个或多个波段或者衍生度量进行云阴影检测
[
1 1-12
]
;
滞后阈值法通过对黑暗区域分割进行云阴影区域的增长来
检测云阴影
,
这种方法容易导致地形阴影增长为云阴影
[
13
]
;
李炳燮等
[
14-15
]
提出的云阴影地域增强模型主要是针
对厚云产生的云阴影的检测方法
,
用相近时相或不同年份同一季节的无云数据生成地域增强模型进行云阴影
检测
,
这种方法阈值的选择范围较宽
,
但对薄云影区域容易漏判
,
适用于厚云影区域的云阴影检测
。
针对以上问题
,
提出了一种基于多时相遥感数据的云阴影检测算法
,
使用同一区域相近时相或不同年份
相近日期的无云影像自动检测云阴影
。
其基本思想是
:
假定在无云影区域
,
不同时相的地表反射率变化相对
较小
,
当待检测数据的像元反射率降低值超过一定阈值
,
则认为是云阴影像元
,
并且通过云阴影样 本 点 统 计
分析
,
去除土地利用土地覆被变化对云阴影检测造成的影响
。
基于上述算法
,
在对图像进行辐射 定 标
、
大气
校正和图像配准等处理基础上获得云阴影检测结果
。
本文运用目视解译方法分析不同地表覆盖上空的云阴
影识别结果
,
该算法能有效检测大部分地表类型上空的云阴影像元
。
1
原理与方法
云阴影和典型地表反射率的差异是云阴影识别的主要依据
,
因此
,
典型地表光谱特征分析是首先要做的
工作
。
从同一地区不同时相的两景影像上选取云阴影像元点
、
水体像元点和其他阴影像 元 点 各
200
个进行
光谱特征分析
。
图
1
为所选的用于光 谱 特 征 分 析 的 印 多吉湖附 近 区 域 的
Landsat8 OLI
(
O
p
erational Land
Ima
g
er
)
数据
,
该区域包括水体
、
植被
、
山地等多种下垫面
,
地表类型丰富
。
图
1
(
a
)
左图是
2014
年
11
月
20
日
Landsat8 OLI
数据的
5
,
4
,
3
波段彩色合成图
,
为待 检 测 数 据
;
右图是
201 5
年
2
月
27
日无云
Landsat8 OLI
数据的
5
,
4
,
3
波段彩色合成图
,
为参考数据
。
待检测图像中白色块状区域为云覆盖区域
,
邻近的黑色部分是
云阴影
。
图
1
(
b
)
为统计的水体
、
植被和云阴影像元点的波谱曲线
,
可以看出
,
直接用阈值法不易检测云阴影
像元与低反射率地表像元
。
图
1
(
c
),(
d
),(
e
)
分别为待检测数据的植被
、
水体
、
云阴影在
485~865nm
波长范
围内与对应区域的参考数据的反射率对比
,
其中虚线表示参考数据中反射率随波长的变化
,
实线表示待检测
数据中反射率随波长的变化
。
从曲线图中可以看出
,
在无云影区域
,
不同时相
、
同一区域的地表反 射 率 差 异
不大
,
而在云阴影区域反射率差值较大
。
为了降低大气状况等因素对云阴影检测产生的影响
,
使用经过大气校正的地表反射率数据
。
将不同时
相同一区域的无云影数据作为参考数据
,
基于待检测数据和参考数据
,
每一波段的反射率相对变化设定合理
的阈值来检测云阴影
,
生成基于多时相的云阴影检测算 法
。
将待检测数据上的像元与对应的参考数据上的
清晰像元对比
,
当降低值超过给定的变化范围时
,
则认为此像元为潜在的云阴影像元
。
为了更精确地确定云
阴影检测的阈值
,
对待检测数据和参考数据通过人工目视判读方法选取大量样本点
,
包括云阴影样本点和典
型地物样本点
。
分别从待检测数据和参考数据选出云阴影区域以及 清晰地表区域
,
图
2
为部分样本点的反
射率差值散点图
,
在 散 点 图 中
,
云 阴 影 样 本 点 和 清 晰 地 表 样 本 点 并 不 是 完 全 分 离 的
。
为 了 找 到 最 佳 阈 值
T
i
,
对选取的样本点进行统计分析
,
获取待检测数据和参考数据云阴影像元点差值的最大值和最小值
,
以
0.
001
为步长变化
,
统计随着阈值变化云阴影检测的正确率和误判率
(
式
1
)。
当正确率与误判率的差值达到最
大值时
,
此时云阴影检测的正确率高并且误判率低
,
选取这个阈值为最佳阈值
T
i
。
AC
=
TP
N P
。 (
1
)
式中
,
AC
为云阴影检测的正确率
,
TP
为识别正确的云阴影像元数
,
N P
为总的像元数
。
土地利用
/
土地覆被变化也会导致不同时相数据反射率的变化
,
容易与云阴影混淆
。
为了更精确地检测
云阴影区域
,
分析了土地利用
/
土地覆被变化导致的反射率变化
。
云阴影区域的每个波段的反射率都要低于
植被
、
裸土等其他地表类型的反射率
,
采用云阴影光谱反射率低的特征可区分云阴影和土地利用
/
土地覆被
变化区域
。
因此
,
在上述检测基础上
,
以待检测数据云阴影像元库反射率最大值
R
i
为阈值
,
检测云阴影去除
土地利用
/
土地覆被变化的影响
,
见公式
(
3
)。
剩余8页未读,继续阅读
资源评论
weixin_38741030
- 粉丝: 3
- 资源: 924
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- C#物联订单仓储综合管理系统源码 物联综合管理系统源码数据库 SQL2008源码类型 WebForm
- 2024年最新敏感词库(7万余条)
- java带财务进销存ERP管理系统源码数据库 MySQL源码类型 WebForm
- java制造业MES生产管理系统源码 MES源码数据库 MySQL源码类型 WebForm
- 基于无人机航拍数据实现的三维场景重建python源代码+文档说明+数据集(高分项目)
- 【重磅,更新!】全国2000-2022年植被指数数据(分辨率30m)
- 包含Qt5Core.dll Qt5Gui.dll Qt5Network.dll Qt5Svg.dll Qt5Widgets.dl
- python3.6 get-pip.py
- python期末大作业基于ResNet的人脸表情识别项目源码+数据集+模型文件(高分项目)
- C#大型多门店4S连锁汽车维修保养管理系统源码(带文档)数据库 SQL2008源码类型 WebForm
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功