Landsat 8 OLI-TIRS遥感影像云层去除的3种方法对比分析研究

刘姝岑，冉 菊

(云南省地图院，云南 昆明 650034)

0 引言

在遥感数据处理过程中，云噪声对遥感图像的解释有很大的影响。从测绘的角度来讲，遥感数据有越来越广泛的应用，大片的云将严重影响生成的图像映射，很难确保图纸的准确性，有时甚至不能使工作正常进行，所以需要对遥感影像图进行云层的去除研究。

在中国，云检测方法的发展起步很晚，主要是引进国外的方法。国外早期的经典云检测方法主要基于多光谱卫星图像融合技术。根据不同波段下云的不同反射率，适当选择一个宽度值进行云识别，该方法现在的应用已经很普遍，NDVI法、D网值法都是具有代表性的经典方法等。

2011年，意大利学者Riccardo Rossi等采用奇异值分解技术提取图像特征，快鸟卫星图像的云应用支持向量机(SVM)分类器来检测。然而，通过简单奇异值分解特征提取技术提取灰度统计分布的角度构造特征向量，云的质地和性质无法充分表达。2012年，意大利学者Paolo Addesso等人增加了可以代表SVM分类器中云和空间相关性的惩罚因子是建立在光学训练特征的基础。该方法将图像的光谱信息和空间信息相结合，取得了令人满意的结果。但也不适合高分辨率的全彩色图像，具有多光谱定位精度的影响。

目前，中国在去除云层方面又提出了基于支持向量机的遥感图像去厚云算法。

1 实验数据

实验数据采用的是Landsat-8 OLI-TIRS卫星数字产品。数据获取时间是2017年12月12日，条带号是116，行编号是32，经度是127.5191，纬度是40.3329，含云量达到28.18%。

2 云提取的方法

2.1 同态滤波法

同态滤波法，滤波器灰度变换是频率和处理的结合，模型反射图像的前提基础条件是频域处理，图像的亮度范围的压缩和增强图像的对比度是改善图像处理的一种技术。

一幅图像可以被认为是一个二维函数f(x,y)，这个函数可以简单的转化为光源的入射量函数fi(x,y)与地面反射率函数fr(x,y)的乘积，即：

f(x,y)=fi(x,y)×fr(x,y)

2.2 去霾处理

除雾处理是为了减少多波段图像(Landsat TM)或全色图像的雾度。对于多个波段的图像(Landsat TM)，除雾处理在本质上是以缨帽变换方法为基础，首先，对图像进行逆主分量变换处理，找到与图像模糊度相关的成分，然后对图像进行主成分逆变换处理。完成前面的操作之后再对颜色空间进行解析，达到去除雾霾的目的。对于全色图像，该方法采用点扩散卷积反演进行处理，根据情况选择5×5或3×3的卷积运算进行高频或低频的模糊度去除。

2.3 傅立叶变换

傅立叶变换在图像处理中，傅立叶变换是一种强有力的线性系统分析工具，如数字系统，它可以对采样点、电子放大器、卷积滤波器、噪声和显示点进行定量分析。利用实验来培养这项技术，以解决大多数图像处理问题。在傅立叶变换的时候可以选择不同的滤波器。

傅里叶变换的基本表达式为：

式中：x(n)(n=0,2…N-1)是列长为N的输入序列，在时域中通过实验收集的切片数据；x(k)(k=0,1…N-1)是列长为N的输出序列，这是在傅立叶变换之后的频域中的数据。

3 几种方式下的云层去除

3.1 去霾处理(Haze Reduction)

处理的时候坐标类型有地理坐标和像素坐标两种选择地理坐标；点扩展类型分为高和低两种，选择高的一种；零值得忽略里面有忽略统计中的零值和忽略输入的零值两种，选择忽略统计中的零值。处理以后原始影像与校正后影像的对比结果如图1所示。

(a)处理前

(b)处理后图1 去霾处理Fig.1 Haze reduction

去霾前的影像图云层覆盖明显，在去雾处理后，云层下的地面物体基本上出现了，虽然校正后影像反射率有一定的修正，但是校正的结果仍受云覆盖较大的影响。

3.2 同态滤波(Homomorphic Filter)

通过同态滤波处理以后原始影像与校正后影像的对比结果如图2所示。

(a)处理前

(b)处理后图2 同态滤波Fig.2 Homomorphic filter

通过同态滤波的处理后原图上的云层覆盖的地方，薄云和厚云的厚度一定程度上被减弱，但是没有被完全消除，被云层覆盖下的地物部分可以显现出来，同态滤波处理后仍然受云覆盖的影响较大。

3.3 傅立叶变换(Fourier Anlysis)

通过傅立叶变换处理以后原始影像与校正后影像的对比结果如图3所示。

(a)处理前

(b)处理后图3 傅立叶变换Fig.3 Fourier anlysis

对图像进行傅立叶变换处理以后，从肉眼上看图像变得模糊，但是很多区域的云雾还是有明显的去除，薄云基本可以消除，厚云只是在原图的的基础之上得到了一定程度的削弱，并没有完全去除。而且傅立叶分析以后影像图上的地物可见性明显降低了。傅立叶变换处理后图像仍然受云雾的影响较大。

通过对由各层的像素个数及上下限值曲线确定计算点云的HOT范围。各层的结果图如图4所示。

图4 各层的结果图Fig.4 Results from each layer

通过去云补丁对含云影像图做了云层厚度的检测、云层厚度的完善、云层的去除处理得到了最后去云的结果，如图5所示。

(a)厚云处理前

(b)厚云处理后

(c)薄云处理前

(d)薄云处理后

4 结果对比分析

4.1 定性分析

(1)同态滤波处理后图像变得十分模糊，影像图的边缘曝光，边缘以外的部分用肉眼观测只有黑色看不见其他的地物信息，需要进行调色后才可以查看云雾去除的程度，调色后可以看到薄云没有完全去除，只是在一定程度上减弱了云层的的厚度。

(2)去霾处理后的图像经过处理后图像也变得模糊，虽然可以明显的看出图像的云雾有一定程度去除，但是薄云没有完全去除，和同态滤波法一样只是在一定程度上减弱了云层的厚度。

(3)利用傅立叶变换做图像处理后，图像由原来的彩色图像变为了全色影像，薄云基本上得到了消除，厚云只是在原来的基础上得到削弱，图像变得模糊，地物的可见度很大程度上有了降低。

4.2 定量分析

通过分析每种方法去云后图像的信息熵、均值、标准差3个指标来进行分析，其中，信息熵主要反应的是图像所含信息的多少，熵值越大信息含量越大；均值则是反应图像像素的平均亮度；而标准差反映的是偏离灰度均值的程度，如果标准差越大，则说明灰度级越大，则图像包含的信息就越多(表1)。

表1 不同方式去云后的定量统计表Tab.1 Quantitative statistics of different ways to remove cloud

(1)从上面的统计数据可以看出去霾处理、同态滤波、傅立叶变换去云处理后的的信息熵的大小依次排列下来，即去云后的图像的信息含量的多少也是依次排列下来，说明去霾处理对影像图的信息含量影响相对较小，之后的两种方法对影像图的信息含量影响逐渐增大。

(2)均值也是一样的顺序依次排列下来，去霾处理后的图像平均亮度最大，发光物体的反射越高，则发光的物体就越多，说明这个方法去掉的云最多，去云效果最好，而傅立叶变换方法的均值最小平均亮度最小，发光物体的反射就越低，则发光的物体就越少，说明去掉的云最少，去云效果最差。

(3)标准差按照一定的顺序排列下来，其中去霾处理的标准差最大，说明了去霾处理的去云效果最好。

5 结论与讨论

对于云层去除效果的评价，定性分析只能人为的去评判，主观性比较强一点。在实际的应用中，更多的还是运用一些定量的指标来进行。通过对去霾处理、同态滤波、傅立叶变换3种方式去除结果的定量分析发现，虽然3种方式都可以去除云层，但是相比较而言，去霾处理是一种效果最好的去除方式。在后续的工作中，笔者会在这方面做更深层次的研究，同时也会在目前出现的一些新方法之间做一些尝试。