基于高分一号遥感影像的薄云去除研究

王静,吕杰,陈立福

（1.西安科技大学通讯与信息工程学院，陕西西安710054；2.长沙理工大学电气与信息工程学院，湖南长沙410004）

基于高分一号遥感影像的薄云去除研究

王静1,吕杰1,陈立福2

（1.西安科技大学通讯与信息工程学院，陕西西安710054；2.长沙理工大学电气与信息工程学院，湖南长沙410004）

为了有效地去除高分一号遥感影像中薄云的影响，提高地物信息辨别的准确率，为影像后期的分析和处理奠定基础。以北京市密云县影像数据作为研究区，提出了一种基于改善HOT算法和Flatten_peak算法的薄云去除算法。该算法采用改善的HOT算法进行云层厚度检测，运用Flatten_peak算法进行云层厚度完善，使用云点算法进行薄云去除。给出了该算法的处理流程，通过ENVI/Haze tool工具展开实验，实验结果表明：该方法对于去除高分一号遥感影像中的薄云具有良好效果,验证了该方法处理的有效性。

高分一号影像；薄云去除；最优化云变换；平峰；云点

高分一号（GF-1）卫星的成功发射，实现了在国土资源部门、农业部门、气象部门、环境保护部门等的高精度、宽范围的空间观测，而且在地理测绘、海洋、气候气象、水利和林业资源监测、地球系统科学等研究领域发挥着重要作用。但受天气和气候等因素的影响，在GF-1遥感影像具体获得过程中，很多影像不可避免的都会或多或少地受到薄云的影响，出现局部影像被薄云覆盖的情况。薄云的干扰一方面影响了地物信息的准确辨别，另一方面也直接影响影像后期的分析和处理[1]，从而导致影像不能发挥应有的使用价值。因此，研究GF-1遥感影像的薄云去除方法，减小或消除薄云对影像的影响，对获取的遥感数据是否接近真实值具有决定性作用。目前针对此问题常用的处理方法主要有以下几种：直方图匹配法[2]。Richter R[3]分别画出云区和非云区的直方图，通过二者直方图匹配来去除薄云。同态滤波法。赵忠明等[4]用频率过滤与灰度变化相结合，通过分别处理照度（低频成分）和反射率（高频成分）对像元灰度值的影像去除云对影像的影响。小波变换法。周丽雅等[5]认为薄云属于低频区，地物实体属于高频区，只要去除低频区就可以实现薄云的去除。刘洋等[6-8]提出了基于多幅图像叠加和多传感器数据融合的方法（时间平均法）。该方法利用多幅图像云层叠加取最大值，采用同一地区不同时间多幅图像的信息来去除云区干扰。除以上方法外，还有基于多光谱信息的遥感图像去云法[9]、气溶胶光学深度估算法[10]、基于小波的同态滤波法[11]、HIS变换法[12]、面向对象方法、马克洛夫随机场法[13]、主成分法[14]、自动云层评价法[15]等。以上所论述的方法虽然简单易行,但由于去云效果的不理想并不能直接应用到GF-1遥感影像薄云去除中。为了得到更好的去除薄云的遥感影像图，本文提出一种基于云点算法和HOT的薄云去除方法。该算法采用改善的HOT算法进行云层厚度检测，运用Flatten_peak算法进行云层厚度完善，使用云点算法进行薄云去除。为后续的影像目视解释处理和分析提供了较好地依据。

1 GF-1遥感影像参数及预处理

GF-1卫星一共搭载了六台相机，分别是2 m分辨率全色相机、8 m分辨率多光谱相机，四台16 m分辨率多光谱相机（主要收集密云县遥感影像数据）。此次卫星工程的不同之处，主要是把高时空分辨率结合的光学遥感技术，多载荷图像拼接融合技术，高精度高稳定度姿态控制技术，高可靠卫星技术以及高分辨率数据处理与应用等多种关键技术结合使用。GF-1卫星有效载荷技术指标如表1所示。

本文以2014年7月GF-1卫星拍摄的北京市密云县影像数据作为研究区（如图1所示）。密云县，位于北京市面积最大东北部的一个区县，东西长69 km（西起E116°39′33〞东至E117°30′25〞），南北宽约64 km（南起N40°13′7〞北至N40°47′57〞），中部低凹，三面环山，西南呈开口的簸箕形。该研究区高分一号影像如图1所示，对其遥感影像进行预处理流程图如图2所示。

表1 GF-1卫星有效载荷技术指标

图1 研究区高分一号影像

图2 GF-1影像预处理流程图

2 GF-1遥感影像薄云去除方法

2.1 云层厚度检测

云层厚度检测是整个去除薄云流程的基础，采用的方法是加拿大遥感研究中心的Zhang Y等[16-17]提出的改善的最优化云的变换（HazeOptimized Transform，HOT）算法。其基本原理是：用HOT值表示薄云的云层厚度，计算影像中每个像素的HOT值。HOT值越大，表明该像素受云污染的程度越严重，反之，影响较小。又根据地物在蓝波（TM，band1）和红波（TM，band3）波段的相关性，在特征空间里几乎所有像素分布在晴空线上。但是由于云的干扰使得云下地物的光谱偏离了晴空线，且偏离值与云层厚度成正比。HOT的值定义为：

其中：B1为Landsat TM的band1的像元值，B3为Landsat TM的band3的像元值，θ是晴空线的倾角。在本文中，B1为GF-1遥感影像band1的像元值，B3为GF-1遥感影像的band3的像元值。

2.2 云层厚度分级/完善

云层厚度分级是整个去除薄云流程的中间环节。尽管改善的HOT算法尽可能多的突出云层信息，抑制了背景信息，但是总会有一些无云区域的HOT值很大，这种情况主要发生在水、土壤、雪花、建筑区等复杂地物上。HOT值很大目前有两种可能，一是该像素被云覆盖，二是HOT值本身偏大。只有确定了问题的源头才能对HOT值进行修正来消除偏差，这就用到了平峰（Flatten_peak）算法[17]。该算法利用云层厚度渐变而地物边界骤变的特征将这两者区别开来。

2.3 云层去除

去除云层是最后一步，也是最终目的。使用的方法是云点（Cloud Point）算法[16-17]。根据HOT值越大，云层越厚，地物的光谱偏离晴空线越大，地物受云层的影像越严重；HOT值越小，地物的光谱越靠近晴空线，云层越薄，地物受云层的影响就越小。由于HOT值是一个范围，因此，为了尽可能的消除云的干扰并且增强地物信息，就需要根据云层厚度检测获得的HOT值对云层进行分级。又由于当影像受到云层的干扰时，蓝波、红波等可见光波段都会受到不同程度的影响，而这时候的中红外波段受云层的影响较小，因此利用中红外波段区别不同的地物覆盖类型；然后对可见光波段中云层及无云区分别按照地物类型的不同进行均值匹配，实现云的自动去除。

综合以上所述，本文对GF-1遥感图像薄云去除的方法流程图如图3所示。

图3 去云方法总体流程图

3 数据处理和结果分析

为了验证在高分一号遥感影像薄云去除中使用的方法是否有效，本文以2014年7月拍摄的北京市密云县GF-1影像数据作为研究区（如图1所示），套用胡健波博士[18]使用的ENVI/IDL Haze Tool工具模块进行实验。

本文在研究区GF-1遥感影像上根据云层薄厚、范围大小的不同选择A、B、C三处有云区域进行去云处理实验，如图4(A)、图4(B)和图4(C)所示。从影像中可以发现，图4(A)的云层范围以及厚度相比图4(B)、图4(C)，范围小、云层薄；图4(B)的云层范围以及厚度相比图4(A)、图4(C)，范围和厚度都属于居中程度；图4(C)的云层范围以及厚度相比于图4(A)、图4(B)相处，范围最大、云层最厚。清晰的遥感影响是进行遥感解释和分析的基础，影像越清晰，影像的价值应用的才越充分，然而云层的存在不仅严重影响了地物信息的准确辨别，而且干扰了影像后期的分析和处理。因此，必须对影像进行去云处理，以使影像发挥应有的价值，更好地服务于人类生产和生活。对影像有云区域做去云处理后得到的影像如图5(A)、图5(B)和图5(C)所示。目视分析去云前后影像的变化：去云前影像中云区影像偏亮，对比度小，云层掩盖了下面地物的信息；而去云之后地物比较清晰，像元亮度值降低，对比度提高，去云效果较好。

图4 去云前GF-1影像图

图5 去云后GF-1影像图

为了客观的评价影像去云处理后的效果，本文选取均值、标准差以及信息熵三个统计指标来评价结果影像的亮度、对比度以及影像信息丰富程度的变化情况。原始影像和结果影像相应波段的统计指标，计算结果如表2所示。从表2比较去云前后影像的R、G、B波段各统计指标值的变化情况，可以得到去云后影像的均值、标准差和信息熵都变小了。标准差和均值的变小说明了结果影像中像元亮度值降低了，被云遮盖的地物信息得到了恢复，地物比较清晰，对比度有了较好的提高，有利于影像的目视解释和后续的处理和分析。从表2可以看出，信息熵值减少了，但并不能说明影像信息的丰富程度降低了。因为影响信息熵值的因素很多，包括摄影时间、摄影质量以及人的视觉感受等，同时信息熵值受云雾影响的程度远远超过均值和标准差。因此，去云后结果影像信息的丰富度实际上是增加的。

表2 原始影像及结果影像中R、G、B波段统计精度指标

4 结语

本文基于高分一号（GF-1）遥感影像，以北京市密云县影像数据作为研究区，采用改善的最优化云的变换（HOT）算法进行云层厚度检测，运用平峰（flatten_peak）算法进行云层厚度完善，使用云点（Cloud Point）算法对云层进行分割分级去除影像中的薄云，借助于ENVI/Haze tool工具进行实验。通过对实验结果的目视分析和精度评价，证明了本文所采用的薄云去除方法对于GF-1遥感影像确实能够达到有效去除薄云的目的。但是，该方法具有一定的局限性，仅仅适用于对影像中薄云的处理，针对云层比较后的处理，效果有待改进。在以后的研究中，可以将本文的方法和厚云去除的支持向量机、云区替换融合等方法结合起来，以实现影像的薄云和厚云的共同去除，使GF-1卫星遥感影像能更好地应用于公安执法、灾害环保、漂物监察、地球遥感以及国际救灾等方面。

[1]唐王琴,梁栋,胡根生,等.基于支持向量机的遥感图像厚云去除算法[J].遥感技术与应用,2011,26(1):111-16.

[2]郑玉凤,李海涛,顾海燕.基于环境卫星CCD影像的薄云去除研究[J].遥感信息,2011(3):77-81.

[3]Richter R.Atmospheric correction of satellite data with haze removal including a hazy/clear transition region[J]. Computer&Geoscience,1996,22(6):675-681.

[4]赵忠明,朱重光.遥感图像中薄云的去除方法[J].环境遥感,1996,11(3):195-199.

[5]周丽雅,秦志远,殷小龙,等.小波变换在遥感图像薄云处理中的应用分析[J].信息工程大学学报,2011,12(6): 708-712.

[6]刘洋,白俊武.遥感影像中薄云的去除方法研究[J].测绘与空间地理信息,2008,31(3):120-125.

[7]Tseng D C.Automatic Cloud removal from multitemporal SPOT images[J].Applied Mathematics and Computation,2008,205:584-600.

[8]Lin C H,Lai K H,Chen Z B,et al.Patch-based information reconstruction of cloud-contaminated multitemporaliImages[J].IEEE transactionson geoscience and remote sensing,2014,52(1):163-174.

[9]王润,刘洪斌,宫瑞.多光谱遥感图像去云方法[J].计算机与现代化,2005(6):13-15.

[10]Liang S L,Fang H L,Chen M Z.Atmospheric correction of landsat ETM+land surface imagery－part I:methods[J].IEEE Transactions on Geoscience and Remote Sensing,2001,39(11):2490-2498.

[11]曹爽.高分辨率遥感影像去云方法研究[D].南京:河海大学,2006.

[12]樊厚春.遥感图像薄云去除研究[D].北京:中国科学院遥感应用研究所,2004.

[13]Cheng Q,Shen H,Zhang L,et al.Cloud removal for remotely sensed images by similar pixel replacement guided with a spatio-temporal MRF model[J].ISPRS Journal of Photogrammetry and Remote Sensing,2014,92(6):54-68.

[14]Li H,Zhang L,Shen H.A principal component based haze masking method for visible images[J].Geoscience and Remote Sensing Letters,IEEE,2014,11(5):975-979.

[15]Watmough G R,Atkinson P M,Hutton C W.A combined spectral and object-based approach to transparent cloud removal in an operational setting for Landsat ETM+[J].International Journal of Applied Earth Observation and Geoinformation,2011,13(2):220-227.

[16]Zhang Y,Guindon B,Cihlar J.An image transform to characterize and compensate for spatial variations in thin cloud contamination of Landsat images[J].Remote Sensing of Environment,2002,82:173-187.

[17]Zhang Y,Guindon B.Quantitative assessment of a haze suppression methodology for satellite imagery:Effect on land cover classification performance[J].IEEE Transactions on Geoscience and Remote Sensing,2003,41(5):1082-1089.

[18]Hu J B,Chen W,Li X Y,et al.A haze removal module for mutlispectral satellite imagery[J].2009 Joint Urban Remote Sensing Event,2009(5):1-4.

（责任编辑：李堆淑）

Research on Removing Cloud Cover Based on Remote Sensing Image of GF-1

WANG Jing1,Lü Jie1,CHEN Li-fu2
（1.School of Communication and Information,Xi'an university of Science and Technology,Xi'an 710054,Shaanxi;2.School of Electrical&Information Engineering,Changsha University of Science and Technology,Changsha 410004,Hunan）

For removing the cloud cover effectively for GF-1 remote sensing image，and improving the accuracy of area features extraction of later image analysis and processing，an cloud cover removal algorithm is proposed,based on improved HOT and Flatten_peak algorithm.As Miyun County for the research area of image data,firstly,the improved HOT algorithm is used for cloud thickness detection. secondly,Flatten_peak algorithm is used for cloud thickness classification.Finally,cloud point algorithm is used for Haze removed.The detail flow chart of the cloud removal algorithm is provided.The experimental data is processed by ENVI/Haze tool,the results show that it has good performance for the Haze removed of GF-1 remote sensing image,the validity of the method is verified.

GF-1 remote sensing Image；cloud removal；HOT；flatten_peak；cloud point

TP751

A

1674-0033（2015）06-0019-05

10.13440/j.slxy.1674-0033.2015.06.005

2015-10-22

国家自然科学青年基金项目（61302133）；西安科技大学校培育基金项目（201255）

王静：女，河南安阳人，博士，讲师