一種基于稀疏表示的多光譜遙感圖像去云方法
【專利摘要】本發(fā)明涉及一種基于稀疏表示的多光譜遙感圖像去云方法，利用多時像方法的同時，利用SAR影像和不同時相的低分辨多光譜影像分別和高分辨多光譜影像的對應(yīng)圖像塊建立稀疏字典對，然后利用稀疏編碼重建云區(qū)部分信息。其中，低分辨光學影像字典提供主要的低頻信息，SAR圖像字典提供主要的高頻信息。本發(fā)明相對與傳統(tǒng)的僅利用SAR圖像去云的方法能得到更接近真實場景的重建圖像，在確保低頻信息完整的同時更好的保留了圖像的高頻信息。該方法同時適用于小區(qū)域云和大區(qū)域云的去除，均能得到較理想的結(jié)果。
【專利說明】一種基于稀疏表示的多光譜遙感圖像去云方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計算機圖像的處理，涉及一種多光譜遙感圖像的處理，具體涉及一種 基于稀疏表示的多光譜遙感圖像去云方法。

【背景技術(shù)】
[0002] 光學影像作為重要的遙感數(shù)據(jù)源，在資源、氣象、環(huán)境監(jiān)測等領(lǐng)域具有重要的應(yīng)用 價值。但光學影像容易受到天氣尤其是云霧的影響，根據(jù)數(shù)據(jù)統(tǒng)計每年大概2/3的光學影 像都受到云霧的干擾，這使得光學影像丟失了中大量的重要信息，并且給后續(xù)圖像的判讀 和分析帶來巨大的困難，例如圖像識別和分類。因此，運用圖像處理技術(shù)，去除或削弱云霧 的影響，提高遙感數(shù)據(jù)的利用率具有非常重要的研究背景和實用意義。
[0003] 傳統(tǒng)的遙感圖像去云方法主要有基于圖像修復(fù)、基于多光譜和基于多時相三種方 法?；趫D像修復(fù)的方法是利用含云圖像本身的信息來重建云區(qū)信息，由于缺少輔助圖像 的信息使得所得結(jié)果不夠準確?；诙喙庾V的方法大多數(shù)都是利用多光譜圖像中不同波段 的信息來重構(gòu)云區(qū)部分。基于多時相的方法主要是利用不同時相的無云遙感圖像來預(yù)測當 前圖像的含云區(qū)域。
[0004] 文獻 "Cloud Removal of Optical Image Using SAR Data for AL0S Application. Experimenting on Simulated AL0S Data" 中提出了利用差值技術(shù)和 SAR 圖 像信息來去除多光譜遙感影像中的云霧區(qū)域。但是該方法不具有普適性，而且對于某些特 定的目標去云效果較差。
[0005] 綜上所述，傳統(tǒng)的利用SAR圖像來去除云霧影像的方法具有不穩(wěn)定性等不足。


【發(fā)明內(nèi)容】

[0006] 要解決的技術(shù)問題
[0007] 為了避免現(xiàn)有技術(shù)的不足之處，本發(fā)明提出一種基于稀疏表示的多光譜遙感圖像 去云方法，將SAR圖像和多時像方法結(jié)合，通過基于學習的方法重建含云圖像中的云區(qū)信 肩、。
[0008] 技術(shù)方案
[0009] 一種基于稀疏表示的多光譜遙感圖像去云方法，其特征在于步驟如下：
[0010] 步驟1 :根據(jù)Landsat-5TM影像的特點，利用基于閾值的方法檢測給定目標圖像I 中的像素點，確定像素點的像素值大于閾值TH = 230的像素點為云區(qū)的候選點；然后將像 素值低于50,且按照光照方向在云區(qū)附近大小為原圖像尺寸25%的區(qū)域內(nèi)的點為云的陰 影點；標記云區(qū)的候選點和陰影點為1，其它為〇,得到云區(qū)標記圖像F ;
[0011] 步驟2 :提取多個無云的高分辨率多光譜影像HRI、低分辨率多光譜影像LRI和 SAR圖像的特征得到對應(yīng)的特征圖像，分別得到HRI特征塊H = {Xl，x2，…，xN}、LRI特征快 L = h，y2,…，yj和SAR特征塊S = {ζρ z2,…，zN};其中，LRI通過雙線性差值的方法放 大到與HRI具有相同大小，N表示圖像塊的數(shù)量，Xpyi和Ζρ分別表示三種圖像中

【權(quán)利要求】
1. 一種基于稀疏表示的多光譜遙感圖像去云方法，其特征在于步驟如下： 步驟1 :根據(jù)Landsat-5TM影像的特點，利用基于閾值的方法檢測給定目標圖像I中的 像素點，確定像素點的像素值大于閾值TH = 230的像素點為云區(qū)的候選點；然后將像素值 低于50,且按照光照方向在云區(qū)附近大小為原圖像尺寸25%的區(qū)域內(nèi)的點為云的陰影點； 標記云區(qū)的候選點和陰影點為1，其它為0,得到云區(qū)標記圖像F ; 步驟2 :提取多個無云的高分辨率多光譜影像HRI、低分辨率多光譜影像LRI和SAR圖 像的特征得到對應(yīng)的特征圖像，分別得到HRI特征塊H = {xp x2,…，xN}、LRI特征快L = {yi，y2,…，yJ和sar特征塊s = {ζ^ z2，…，zN};其中，lri通過雙線性差值的方法放大到 與HRI具有相同大小，N表示圖像塊的數(shù)量，Xp yi和Ζρ分別表示三種圖像1
大小 的圖像塊拉直后的列向量，i = 1，2, "·，Ν; 利用HRI和LRI特征塊學習得到稀疏字典
其中：XHL = [H ;L] ,DHL = [Dm ;DJ ,AHL = [AH ;AJ 是 XHL 的稀疏表示系數(shù),XHS = [H ;S], DHS = [DH2 ;DS]，AHS = [AH ;AS]是 XHS 的稀疏表示系數(shù)； 步驟3 :將云區(qū)標識圖F中各個云區(qū)以最小矩形標識，對每個標識矩形從外向內(nèi)按順時 針方向依次取相同大小的圖像塊并拉直后的圖像為待求圖像塊X，同時在對應(yīng)的LRI和SAR 中取相應(yīng)位置的圖像特征塊并拉直，記為y，z ; 計算y，z分別在dHIj和dhs下的稀疏表示系數(shù)：
利用LRI預(yù)測得到的圖像塊Xl = DH1 · a i 利用SAR預(yù)測得到的圖像塊x2 = DH2 · α 2 繼而得到待求圖像塊x"* = XJX2 = Dm · α i+D% · α 2 ; 步驟4 :依次用重建后的圖像塊替換圖像I中對應(yīng)的圖像塊，得到去云后的圖像Γ。
2. 根據(jù)權(quán)利要求1所述基于稀疏表示的多光譜遙感圖像去云方法，其特征在于：在步 驟3完成后，利用
周整重建圖像塊的灰度值，然后再用調(diào)整灰度值后的圖像 塊替換圖像I中對應(yīng)的圖像塊，得到去云后的圖像Γ ;其中：/Ω表示圖像I中的非云區(qū) 域，為有效數(shù)據(jù)區(qū)域；Ω為含云區(qū)域。
3. 根據(jù)權(quán)利要求1所述基于稀疏表示的多光譜遙感圖像去云方法，其特征在于：所述 高分辨率多光譜影像HRI、低分辨率多光譜影像LRI和SAR圖像塊的大小為5X5。
4. 根據(jù)權(quán)利要求1所述基于稀疏表示的多光譜遙感圖像去云方法，其特征在于：所述 兩個稀疏字典對或DHS的大小為512。
5. 根據(jù)權(quán)利要求1所述基于稀疏表示的多光譜遙感圖像去云方法，其特征在于：所述 訓(xùn)練樣本圖像塊數(shù)為10000。
【文檔編號】G06T5/00GK104156923SQ201410394871
【公開日】2014年11月19日 申請日期:2014年8月12日 優(yōu)先權(quán)日:2014年8月12日
【發(fā)明者】李映, 李文博, 韓曉宇 申請人:西北工業(yè)大學