多目标遥感图像云的处理方法 【技术领域】
本发明涉及一种多目标遥感图像云的处理方法，尤其涉及光学遥感图像去云方法。
背景技术
随着信息技术和传感器技术的飞速发展，现代遥感数据非常丰富，卫星遥感影像分辨率正朝着更高的空间分辨率、光谱分辨率和时间分辨率方向发展，遥感影像已被广泛地用于农业评价、地质调查、环境监测等多个领域。但由于气候的原因，获取完全无云的遥感影像有时是比较困难的，大部分影像在获取时都会或多或少的受到云以及云在地面投射时的阴影及气溶胶等的影响。这给许多遥感影像的应用者带来了麻烦，如何从遥感影像中去除云的影响，往往是许多应用者所面临的首要问题。常见的遥感图像去云方法主要有：多项式改正法、数字高程模型校正去云法、小波分解的图像融合法、同态滤波法等。
多项式改正去云法：是利用多项式将另一幅图像纠正到基准图像上，以达到去云的目的。该方法的主要思想是：选取相同地区的一幅无云图像作为基准图，然后，将两幅图像用多项式配准，用无云图像替换被云遮盖的局部图像，达到对目标区图像去云的目的。该方法的缺点一是系数的确定存在一定的困难；二是配准地物参考点的数量取决于多项式系数，若目标区域的云分布较多时，多项式改正去云的图像配准工作量就比较大，而且一幅图像可能要有多个多项式的支持。
数字高程模型校正去云法：是针对海拔较高地区地形的抬升作用，在山体上空形成的云体而提出的去除云的方法，该方法是应用具有相同地理参考的图去校正有云的遥感图像，达到去除云的目的。
同态滤波法：是应用照度/反射率模型对遥感图像进行滤波处理，常常应用于揭示阴影区域的细节特征，但在算法上实现比较复杂，处理速度慢。
对在大范围内存在薄云的影像来说，采用同态滤波法较好。对于比较厚的云层来说，基于单景图像的去云处理已经没有可能。因此，可以采用多时相的图像的互补信息进行去云处理，即：利用时间相近的同一地区的无云图像对云区进行替代，从而达到去云的效果。
【发明内容】
本发明目的在于，提供一种多目标遥感图像云的处理方法，该方法将两幅时间相近的有云和无云的影像严格配准；将配准后的图像进行直方图匹配；对有云的图像进行掩膜；提取无云图像中相对应有云图像中有云区域的图像，提取有云图像中无云部分的图像；图像复合运算；平滑去噪，生成结果图。该方法通过直方图匹配实现两图像灰度分布大致相同，从而达到即可剔除图像中的云层，又可以保证原图像信息完好的无缝拼接去云效果；针对图像中遗留的一些坏点，用平滑的算法很容易就处理了，从而获取更清晰的图像；图像数据预处理简单有效，步骤操作简单明了。
本发明所述的多目标遥感图像云的处理方法，按下列步骤进行：
a、将两幅时间相近的有云和无云的影像严格配准；
b、将配准后的图像进行直方图匹配，匹配后两幅图像的直方图分布相似；
c、对有云地图像进行掩膜，生成两幅二值图像(A)和(B)，在图像(A)中有云的区域值白色区域为(1)，无云区域值黑色区域为(0)；图像(B)中有云的区域值黑色区域为(0)，无云区域值白色区域为(1)；
d、提取无云图像中相对应有云图像中有云区域的图像，提取有云图像中无云部分的图像，用图像(A)与无云图像进行运算，提取无云图像中相对应有云图像中有云区域的图像(C)，用图像(B)与有云图像进行运算，提取有云图像中无云部分的图像(D)；
e、图像复合运算，将图像(C)与(D)进行叠加运算，形成一幅完整的去云后的图像(E)；
f、步骤e中形成的图像总有些噪声点，通过选择平滑滤波器去除噪声点，再对步骤e的图像进行坏点修复，得最后的结果图F。
本发明所述的多目标遥感图像云的处理方法，由于传感器的状态、姿势以及太阳光照、大气扩散和吸收都会引起地物的辐射差异，填充的图像与地图之间有明显的边界线。因此如何消除边界线是一个主要的问题。为实现图像间的无边界，一般有两种方法。一是直接在现有的软件中直接对两幅图像进行直方图匹配；二是伪不变特征法。实现伪不变特征法一般需要3个步骤：
首先，选择两幅图像中辐射值没有或很少发生变化的目标区域(称为不变区域)；
然后用不变区域的平均辐射值，求解图像间辐射值的线性等式(1)中的参数和，得到辐射值的线性关系；
最后，根据得到辐射值间的线性关系，通过对辐射值的线性变换，完成相对辐射校正，使待校正图像的辐射值与参考图像上一致。因此，为实现遥感图像的相对辐射校正，就必须解决3个问题：①不变区域的选择；②线性关系式的求解；③图像灰度的变换。
这两种方法都是基于同一原理。通过直方图匹配可以使两幅图像的亮度分布尽可能的接近，这样可以消除辐射差异，是融合后的影像没有明显的界线。直方图匹配原理如下：
通过将源图像的直方图与目标图像的直方图进行匹配，使其与目标图像有一致的直方图分布，可是达到去边界线的目的。
假设不同时相的图像灰度值问满足线性关系，这种假设在近似情况下是成立的。这时可以通过线性等式来描述不同时相图像中的灰度关系。在处理过程中，对每个波段生成了一个缝隙掩码文件，将图像中可用数据标记为1，而将需要填充的数据标记为0。一旦确定了有云区域的位置，就可以利用线性直方图匹配法，在两幅图像之间建立起一个线性变换，变换所用的校正增益和偏置可通过图像数据的均值和标准方差来计算得出。
对于无云图像中某一点的像元值x和有云图像中同一点的像元值Y，建立的线性变换可以用式Y等于GX加B，其中G是用于直方图匹配的校正增益，B是用于直方图匹配的偏置。将这个变换应用到整幅填充图像中，即为直方图匹配法。在直方图匹配过程中，G和B都是固定的值，因此有云图像中有云部分每个需要填充的象素点从而达到去云的目的。
【附图说明】
图1为本发明流程图
图2为本发明两幅时间相近的有云和无云的影像图，其中1为有云图，2为无云图
图3为本发明云掩膜图(A)，背景掩膜图(B)
图4为本发明提取云区对应的图(C)
图5为本发明提取的背景图(D)
图6为本发明复合后的图(E)
图7为本发明平滑后的结果图(F)
【具体实施方式】
实施例
为实现去云的目的，本发明主要利用IDL编程软件来实现，以两幅影像图进一步描述
a、将两幅时间相近的有云和无云的影像严格配准；
b、将配准后的图像进行直方图匹配，匹配后两幅图像的直方图分布相似；
c、对有云的图像进行掩膜，生成两幅二值图像A和B，在图像A中有云的区域值白色区域为1，无云区域值黑色区域为0；图像B中有云的区域值黑色区域为0，无云区域值白色区域为1，在envi软件中，建立一个掩膜提取有云区域图A，再建立一个反掩膜提取图B，通过建立一个简单的表达式(b1 eq 0)*1or(b1 eq 0)*0来实现。当b1的值为0时将其换为1，其值为1时换成0，实现黑白颠倒。尤其注意在建立掩膜时，要适当选择阈值来提取有云区域(本发明实验中云区的阈值设为60-255)；
d、提取无云图像中相对应有云图像中有云区域的图像，提取有云图像中无云部分的图像，用图像A与无云图像进行运算，提取无云图像中相对应有云图像中有云区域的图像C，用图像B去与有云图像进行运算，提取有云图像中无云部分的图像D，在envi软件中直接应用掩膜即可获得相应的图像；
e、图像复合运算，将图像C与D进行运算叠加在一块，形成一幅完整的去云后的图像E，将这两幅图像C、D通过一个波段运算进行复合，表达式为(b1 eq 0)*b2 or(b1 ne 0)*b1，当波段b1中象元的值为0时，将值为0的象元替换成波段b2所对应的像素值；当波段b1中象元的值不为0时，不替换，其中b1对应的是图像C，b2对应的是图像D；
f、步骤e中形成的图像总有些噪声点，通过选择平滑滤波器去除噪声点，再对步骤e的图像进行坏点修复，得最后的结果图F，在envi软件中可以用一个表达式来完成，表达式：(b1gt 200)*smooth(b1，3)or(b1 le 200)*b1，如果该点的像素值大于200，则用其周边相邻的8象元值的均值来填充该值；若值小于200则无变化，这样就可以消除噪声点，达到需要的效果。
从处理的结果图中看到原图中有云的区域被很好的填补上了相应的地物，而且消除了边界线，达到需要的目视效果。
本发明所述的多目标遥感图像云的处理方法，主要是利用不同时相图像信息的互补特性来达到对某一区域目标的最佳视觉效果。可以最大限度的保留原图的信息，在不损失原图信息时尽量恢复有云区域的信息。通过直方图匹配实现两图像灰度分布大致相同，从而达到即可剔除图像中的云层，又可以保证原图像信息完好的无缝拼接去云效果；该方法并不局限于不同时相的图像，它对同一区域不同传感器获取的多光谱图像数据实现去云处理，而且该方法在现有的各种图像处理软件中都能够实现。