遥感图像云检测技术研究

马益

摘 要：光卫星传输的遥感图像具有图像清晰度高，视野范围广，可以获得世界各地不同地理位置的图像资源和地表信息。基于遥感图像云检测技术特点，具体分析了遥感图像云检测技术，展望了遥感图像云检测技术的发展趋势。

关键词：遥感图像;云检测;动态监测

随着卫星遥感技术的飞速发展，卫星遥感影像已广泛应用于环境、农业和气象等领域。然而，使用可见光卫星图像的图像往往受天气影响，由于图像被云层遮挡，无法直接应用和分析。因此，对图像进行云分类检测，通过一定的措施将无云和无云区域替换为不同时间获得的同一区域图像，得到完整的无云图像。被取代的图像包含更全面丰富的地表信息，进一步有助于图像的进一步分析和处理，如目标识别、动态监测等。这对于提高遥感数据的利用率非常重要。常用的云检测方法有阈值法和模式分类法。阈值法是利用云和地物在可见光和红外通道中表现出的反射率、亮度和温度的差异来实现云检测，包括多光谱阈值法、动态阈值法和多通道阈值。模式分类方法从模式识别的角度提取合适的特征，通过选择合适的分类器实现云图像判别，根据遥感图像的空间纹理特征和统计特征进行云判别，选择没有将被将每幅图像分割成小的子图像后，卫星遥感图像显示了安装在卫星上的各种波段传感器拍摄的电击波大小的图片。

1遥感图像云检测技术特点

与其他图像相比，光卫星传输的遥感图像具有图像清晰度高，视野范围广，可以获得世界各地不同地理位置的图像资源和地表信息，信息和数据卫星等丰富的资源包含多个波段的地表影像信息。广泛的采集渠道、多样性和图像量可以满足各层的需求，因此卫星遥感成像被广泛应用于许多领域。资源探测、城市建设、天气预报、防灾、军事对抗等方面而且它们非常重要，卫星的相位为我们的生活提供了重要的数据来源。根据该方法，一颗卫星的研制、发射和保险费用高，不包括后处理和地面接收站费用，以及传输卫星遥感图像的人工费用，尤其是遥感图像用于军事和商业用途时更高。图像需要高清和全特征信息，但对于光学遥感卫星，不能像雷达传感器那样通过云层获取地面信息，所以如果有卫星与地面之间的云屏障，然而卫星成像设备获取的图像数据中包含的地面目标信息量即使没有得到有效利用，也大大减少。卫星遥感图像云检测技术引起了人们的关注。遥感已成为卫星探测的重要研究领域。但也增加了无效影像数据下行传输的开销时间，费时费力，大大增加了卫星影像的成本，所以如果可以自动处理相位，就可以识别图像中的云，计算云覆盖率，手动设置阈值，自动丢弃超过阈值的云覆盖率。在照片的情况下，只传输有效照片，可以显着降低成本，对遥感卫星在轨应用具有重要意义。对很多传感图像都有很好的识别效果，对地面、雪山、沙漠、苔原等特殊基底面的识别往往力不从心，尤其是对于单RGB真彩图像，云和特殊基面的区分将变得更加困难，特殊基面的误判影响较大，会导致卫星上的大量有效影像数据被剔除，影响会很严重[1]。

2遥感图像云检测技术

云是Landsat卫星的主要噪声源之一，是地球大气水循环的产物，是由天空中的水蒸气液化形成并随高度变化而形成的具有恒定形状和高度的可见聚合物。云的空间大小和厚度云可分为三类：低云、中云和高云。低云一般存在于2500米以下，根据人眼可见云的各种视觉形态，可分为积云、层积云、层积云和高积云。云仍可分为混沌云、高层云和卷云，高云一般在5000米以上，高云仍可分为卷层云和卷云。云空间的高度和厚度以及云的视觉形状共同决定了云的类型。以上是对云的种类的简单分类，但在现实生活中，云的种类有很大的不同。即使是同一类型的云，也会因地域、阳光等条件的不同而出现不同的现象。不同的水分含量。然而，云的独特属性是相同的，云的整体特征表现出很强的相似性和一致性。云的光谱特性主要是由于云对不同波长的光的透射和散射的差异。由于云中各种粒子的光学特性，云不仅对太阳表现出很高的反射率，而且还吸收了大部分从下方反射的光波，因此遥感图像中云区的成像主要发生在云本身。阳光的反射只包含很少的根或很少的特征信息。在红外波段，云的反射率仍然很高，但雪的反射率大大降低。当然，在特殊情况下，如许多天然金属材料或一些人造房屋，光谱反射率远高于云层。但是，一般来说，在大多数遥感影像中，云的反射率很高，所以整幅影像的亮度往往很高。真彩色图像可以更好地提取图像的纹理特征。虽然便于后续研究和云样本块，但主要地表样本块主要用于对到达地面的阳光反射进行成像。由于大多数基面仅对某些光谱波长具有高反射率并吸收大部分光波光谱，因此即使基面类型相同，基面的成像特性也不同。根据环境和一天中的时间，通常会有很大差异。因此，基本面样块的灰度值往往波动较大，层次和连续性通常较差。可以看出，与大多数下伏表面相比，云的纹理通常表现出更强的一致性。相比积雪覆盖的次表层，云样本块的边界更平滑，灰度梯度好，跳跃快。浮冰下方的表面类似于一个灰色值很小的湖泊，通常带有一些地面物体的投影。总之，纹理特征反映了物体多方面的特征，评价指标各不相同，根据纹理特征，可以区分大部分云层和下垫面的一般类型，部分类型的雪地和冰原。

3遥感图像云检测技术的识别

根据提取的云面特征，对地理空间数据云网站提供的Landsat系列卫星遥感影像进行云检测，并利用平台构建人机交互界面。在云检测算法中，研究了基于现有SVM的简单阈值法、多阈值法、OTSU自适应阈值法和云检测方法。为了弥补这些方法的不足，提出了一种基于三通道和统计方法的新的云检测方法。针对难以准确识别雪和其他特殊热表面的问题，我们提出了一种基于PSVM 的云检测方法。结合基于光谱特征和纹理特征的两种方法的优点，提出了统计方法和基于PSVM的云检测方法，取得了较好的效果。简单的读取方法计算速度最快，但在整个图像亮或暗时识别效果不佳。换句话说，单个阈值不是通用的。与简单阈值法相比，多阈值法覆盖面更广，适应性更强。绿色通道或红色通道中较高的值可以更好地识别基面，但对于某些遥感来说仍然很特殊。图像和雪地，底部识别效果不好。基于最大类间方差的自适应阈值法计算速度较快，对大部分遥感影像显示出很好的识别效果，因为阈值可以自适应，但一旦云范围过大或太低，识别效果不好[3]。基于统计方法的云检测方法速度较快，在计算速度和处理结果上都有较好的效果，可以对云区域进行更精细、更高的检测，但常用于雪等特殊基面。无力同样，这种方法在识别特殊基面时通常无能为力。

4结语

基于偏好支持向量机的云检测方法，通过对特殊基面的偏好训练，支持向量机不仅可以识别云和一般基面，还可以准确识别特殊的云和雪。最后，为了提高基于偏好的支持向量机方法的粒度识别，结合基于光谱特征的云检测方法和基于纹理特征的云检测方法的优点，提出了云检测方法。在像素级别识别云和下垫面，并且云边界和小云区域具有良好的识别效果。同时可以准确区分云、雪等特殊下垫面，识别时间适中。未来的研究将使用更多的卫星拍摄的遥感图像，我们不断提高分类器的识别准确率和识别广度。

参考文献：

[1]冯希胤，刘梦，姜艳，李路，范雪松.基于多光谱遥感图像的火点检测技术[J].无线电工程，2021，51（11）：1195-1201.

[2]王留洋，芮挺.基于级联特征融合的遥感图像目标检测技术研究[J].長江信息通信，2021，34（08）：15-18+23.