基于多时相遥感影像去除朵云及阴影的改进方法

董保根,秦志远,杨安红

(信息工程大学测绘学院,河南郑州 450052)

基于多时相遥感影像去除朵云及阴影的改进方法

董保根,秦志远,杨安红

(信息工程大学测绘学院,河南郑州 450052)

利用多时相遥感影像进行相应区域替换是一种有效的去除朵云及阴影的方法。针对常规方法存在的不足,对去除过程中的一些关键技术进行改进。利用矩形区域表示不规则的云区域进行替换,并给出了矩形区域的确定方法;替换前采用多图像亮度规格化技术改善两幅影像的亮度差异;对替换后矩形区域边界与背景图像之间的拼接缝进行消除,得到最终去云影像。

多时相;朵云及阴影;矩形区域;多图像亮度规格化;拼接缝

一、引 言

光学遥感影像是十分重要的遥感数据源,但由于其自身构像机理的限制,成像过程极易受到云及阴影的影响。对于一幅待处理的云覆盖遥感影像来说,云的类型大致可分为两种：即薄云和朵云(也叫厚云)。目前,已经有不少国内外专家和学者对遥感影像上云层的去除算法开展了广泛深入的研究,有专门针对薄云的同态滤波处理,也有根据多光谱图像不同波段对云层的反射率差异进行云层的检测和处理[1]。由于薄云和朵云的不同成像原理以及在影像中表现出的不同特点,在去除的过程中所采用的思路和方法也不尽相同。本文重点对朵云及阴影的去除方法进行了研究。由于朵云及阴影总是相伴而生,本文为了方便起见,将朵云及其阴影区域统称为云区域。

二、基于多时相遥感影像云层去除的基本策略

由于星载传感器具有固定的回访周期,可以在不同的时间段内获得同一地区的遥感卫星影像,这为多时相遥感影像的去云处理提供了可靠的数据源,而去除遥感影像上的朵云及阴影最有效的方法也是在这一背景下产生的,其基本原理如下:

首先获得同一地区在不同时间拍摄的两幅遥感影像 I1、I2,假设 I1为有云影像,I2为无云或者有云影像(文献[2]称之为辅助影像);以 I1为基准影像,I2为待配准影像对两幅影像进行配准,得到配准后影像 I2′;然后对 I1和 I2′进行对比融合。这里假设 I2为无云影像,I1、I2′中任意像素 (x,y)有三个可取值,分别为 0(非云非阴像素)、1(云像素)和 2(阴影像素)。对于结果影像 R中任意像素 (x,y),若I1(x,y)≠0,则 R(x,y) =I2′(x,y)。

上述去云的方法实际上是一种替换法,对于去除比较厚的朵云,这种方法目前被广泛采用,但是在处理过程中存在一定的缺陷。当影像 I1和 I2的亮度以及对比度有明显差异时,即使在替换过程中使用了直方图匹配技术,最后的替换结果仍会受到很大影响。造成被替换的区域和整幅影像的亮度(或颜色)不一致,并且由于云区域本身呈现出不规则的形态特征,对于消除这种由不规则曲线构成的闭合区域与周边区域的拼接缝是一个比较棘手的问题。因此,本文针对朵云成像的特殊性,提出了一种基于多时相遥感影像去云的改进方法。具体表现在以下三个方面:①利用矩形区域代替云及阴影像素进行替换,同时给出了矩形区域的确定方法;②在替换前,使用多图像亮度规格化技术调整两幅影像,并且对调整时机作了改进;③利用加权平滑算法从四个方向对矩形云区域的边界进行拼接缝消除。

三、改进的去云算法

1.矩形云区域的确定

从朵云及阴影的几何特征来看,各云区域在影像中占有一定的面积比例,而且云与云、云与阴影、阴影与阴影之间基本没有粘连。因此可以先确定出云区域的最大外接矩形,直接用矩形区域作为云区域,然后再进行替换处理。

(1)自动双阈值分割

从朵云及阴影的辐射特征来看,它们在影像中分别表现出高亮度和低亮度特征。要达到同时检测朵云及阴影的目的,影像的阈值分割不失为一种最有效的方法。分割原理如下

式中,v和 u分别对应朵云及阴影的两阈值 Tcloud和Tshadow。经过多次试验表明,对于 SPOT、IKONOS、Landsat等卫星影像,Tcloud和 Tshadow可以选择为

式中,m为图像的亮度均值;σ为图像的标准方差。

(2)基于 Freeman链码的轮廓跟踪技术及矩形云区域自动生成

针对本文研究的内容,应用二值图像轮廓跟踪[3]算法对分割后的影像进行跟踪并且确定矩形云区域的过程:依据“左手准则”跟踪出图像中的所有云区域边界;同时记录存储每条边界的 Freeman链码数据,包括轮廓序列号、轮廓点数、方向码及各点图像坐标;利用点数特征剔除大部分的噪声和非云区域,然后计算各云区域的最大外接矩形。设矩形左上、右下角坐标分别为 (XL,YL),(XR,YR),则XL、XR和 YL、YR分别对应着边界点图像坐标在水平和垂直方向上的最小值和最大值。

2.多图像亮度规格化技术

假设遥感卫星成像时没有显著的季节变化,具有不同时相分辨率的两幅影像 I1、I2会有亮度和对比度差异,由这样的两幅影像进行对比融合或者相应云像素和阴影像素的替换后得到的结果影像 R中会出现“补丁”效应。文献[4]中提出了一种多图像亮度规格化技术,在进行像素替换前首先将两幅原始影像 I1、I2的亮度水平调节一致,实现方法为

式中,第一幅影像 I1的平均亮度为M1,标准方差为V1;第二幅影像 I2的平均亮度为 M2,标准方差为V2;Icor为经过规格化校正的第二幅影像。平均亮度及标准方差的计算公式为

上述方法存在的不足是当影像中存在大量的云和阴影时,全局规格化技术中一些统计参数 (例如均值和方差)可能受到极大的影响。因此,为了避免云和阴影对整幅影像亮度的干扰,本文提出了一种改进的方法,具体做法是:先利用经过配准后的影像 I2′对 I1上的云区域进行初次替换,得到结果影像 R′;然后以 R′为基准影像,对 I2′进行亮度规格化;最后利用规格化后的影像 I2″对 R′再次进行替换操作,得到替换结果影像 R。

3.拼接缝消除

本文中,利用影像 I2″上的非云区域替换 I1上的云区域可以看成两幅影像内部的“局部镶嵌”,替换区域的边界可以看成拼接缝。虽然在替换的过程中使用了直方图匹配和多图像亮度规格化技术,但这种“局部镶嵌”的过程仍需要对替换后的影像进行拼接缝的消除处理。目前拼接缝消除的方法有很多,简便有效且使用较多的是基于影像重叠的加权平滑法。其基本思想为:对拼接缝上任意一点两侧的灰度按如下公式进行处理式中,f(xi,yi)为与拼接缝距离为的任意点 i经平滑处理后得到的像元灰度值;f1(xi,yi)、f2(xi,yi)分别为重叠区域上该位置两幅影像的像元灰度值;W为平滑宽度;K为权系数。W由用户给出,其值不大于重叠区域的宽度 L,K在平滑范围内呈线性反向变化。由于本文使用矩形区域代替云区域进行替换,所以需要从四个方向对矩形区域进行加权平滑,以达到消除拼接缝的目的。图 1所示的为这一方法原理示意图。

图1 消除拼接缝示意图

四、试验结果及分析

本文所采用的试验数据来自 SPOT 5拍摄的上海地区高分辨率卫星遥感影像,有云影像 I1和无云影像 I2的获取时间分别为2001年和 2000年。由于数据过于庞大,本文采用截图显示,原始图像大小分别为 600像素 ×385像素,684像素 ×454像素。去云的整个过程如图 2所示。

图2 去云过程

值得注意的是,图 2(i)所示的是用常规方法去云的效果。这里的常规方法是指在没有进行多图像亮度规格化和拼接缝消除处理的情况下,直接用I2′上的像素替换相应位置的云像素和阴影像素,这样做的后果导致了图像上的“补丁”效应,并且很难去除。表1所示是对两种方法处理结果的比较。

表1

从表 1中可以看出,经本文方法去云后的图像部分指标有所提高。尤其是影像均值、标准差以及两种方法处理结果与原始影像的相关系数值,信息熵的下降客观上是由于辅助影像数据的地面分辨率较低造成的。

五、结束语

基于多时相遥感影像的替换法是去除朵云的一种常用方法,本文在研究该算法的同时,对替换策略及替换过程中的细节作了改进,使得最终去云效果有了较大提高。但是从整体来看,该方法的局限性在于由于需要辅助影像作支持,所以数据来源以及成像质量是个首要问题,这为去云工作带来了较高成本;其次两幅影像配准精度也直接影响替换的结果。在上述条件都能满足的情况下,利用本文方法是切实可行的,有效地提高了遥感资源利用率。

[1] 郭童英,尤红建.一种基于小波融合的多时相遥感图像去云方法[J].测绘通报,2007(3)：40-42.

[2] 朱述龙,朱宝山,沙从术,等.利用辅助影像进行 IKONOS图像的去云处理[J].测绘科学与工程,2004,24 (4)：25-28.

[3] 何斌,马天予,王运坚,等.Visual C++数字图像处理[M].北京：人民邮电出版社,2001：435-444.8

[4] 张永生,戴晨光,张云彬,等.天基多源遥感信息融合[M].北京：科学出版社,2005：127-134.

[5] 马瑾,陈立潮,张永梅.轮廓跟踪与边沿检测的图像自动识别[J].中北大学学报,2006,27(5)：431-435.

[6] 朱述龙,钱曾波.遥感影像镶嵌时拼接缝的消除方法[J].遥感学报,2002,6(3)：183-187.

[7] 史金霞,王铮.一种拼接缝消除方法[J].现代电子技术,2005,(13)：116-120.

[8] LU D.Detection and Substitution of Clouds/Hazes and Their Cast Shadows on IKONOS Images[J].International Journal of Remote Sensing,2007,28(18)：4027-4035.

[9] LAVREAU J.De-HazingLansat ThematicMapper Images [J].Photogrammetric Engineering&Remote Sensing, 1991,57(10)：1297-1302.

The ImprovedM ethod of C irrus and Shadows Removal Based on M ulti-temporal Remote Sensing Images

DONGBaogen,Q IN Zhiyuan,YANGAnhong

0494-0911(2010)12-0014-03

P237

B

2009-12-22

董保根(1977—),男,河南鹤壁人,博士生,从事遥感图像处理方面的研究。