基于高分一號遙感影像的薄云去除研究

王靜,呂杰,陳立福

（1.西安科技大學(xué)通訊與信息工程學(xué)院，陜西西安710054；2.長沙理工大學(xué)電氣與信息工程學(xué)院，湖南長沙410004）

基于高分一號遙感影像的薄云去除研究

王靜1,呂杰1,陳立福2

（1.西安科技大學(xué)通訊與信息工程學(xué)院，陜西西安710054；2.長沙理工大學(xué)電氣與信息工程學(xué)院，湖南長沙410004）

為了有效地去除高分一號遙感影像中薄云的影響，提高地物信息辨別的準(zhǔn)確率，為影像后期的分析和處理奠定基礎(chǔ)。以北京市密云縣影像數(shù)據(jù)作為研究區(qū)，提出了一種基于改善HOT算法和Flatten_peak算法的薄云去除算法。該算法采用改善的HOT算法進(jìn)行云層厚度檢測，運(yùn)用Flatten_peak算法進(jìn)行云層厚度完善，使用云點(diǎn)算法進(jìn)行薄云去除。給出了該算法的處理流程，通過ENVI/Haze tool工具展開實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明：該方法對于去除高分一號遙感影像中的薄云具有良好效果,驗(yàn)證了該方法處理的有效性。

高分一號影像；薄云去除；最優(yōu)化云變換；平峰；云點(diǎn)

高分一號（GF-1）衛(wèi)星的成功發(fā)射，實(shí)現(xiàn)了在國土資源部門、農(nóng)業(yè)部門、氣象部門、環(huán)境保護(hù)部門等的高精度、寬范圍的空間觀測，而且在地理測繪、海洋、氣候氣象、水利和林業(yè)資源監(jiān)測、地球系統(tǒng)科學(xué)等研究領(lǐng)域發(fā)揮著重要作用。但受天氣和氣候等因素的影響，在GF-1遙感影像具體獲得過程中，很多影像不可避免的都會(huì)或多或少地受到薄云的影響，出現(xiàn)局部影像被薄云覆蓋的情況。薄云的干擾一方面影響了地物信息的準(zhǔn)確辨別，另一方面也直接影響影像后期的分析和處理[1]，從而導(dǎo)致影像不能發(fā)揮應(yīng)有的使用價(jià)值。因此，研究GF-1遙感影像的薄云去除方法，減小或消除薄云對影像的影響，對獲取的遙感數(shù)據(jù)是否接近真實(shí)值具有決定性作用。目前針對此問題常用的處理方法主要有以下幾種：直方圖匹配法[2]。Richter R[3]分別畫出云區(qū)和非云區(qū)的直方圖，通過二者直方圖匹配來去除薄云。同態(tài)濾波法。趙忠明等[4]用頻率過濾與灰度變化相結(jié)合，通過分別處理照度（低頻成分）和反射率（高頻成分）對像元灰度值的影像去除云對影像的影響。小波變換法。周麗雅等[5]認(rèn)為薄云屬于低頻區(qū)，地物實(shí)體屬于高頻區(qū)，只要去除低頻區(qū)就可以實(shí)現(xiàn)薄云的去除。劉洋等[6-8]提出了基于多幅圖像疊加和多傳感器數(shù)據(jù)融合的方法（時(shí)間平均法）。該方法利用多幅圖像云層疊加取最大值，采用同一地區(qū)不同時(shí)間多幅圖像的信息來去除云區(qū)干擾。除以上方法外，還有基于多光譜信息的遙感圖像去云法[9]、氣溶膠光學(xué)深度估算法[10]、基于小波的同態(tài)濾波法[11]、HIS變換法[12]、面向?qū)ο蠓椒?、馬克洛夫隨機(jī)場法[13]、主成分法[14]、自動(dòng)云層評價(jià)法[15]等。以上所論述的方法雖然簡單易行,但由于去云效果的不理想并不能直接應(yīng)用到GF-1遙感影像薄云去除中。為了得到更好的去除薄云的遙感影像圖，本文提出一種基于云點(diǎn)算法和HOT的薄云去除方法。該算法采用改善的HOT算法進(jìn)行云層厚度檢測，運(yùn)用Flatten_peak算法進(jìn)行云層厚度完善，使用云點(diǎn)算法進(jìn)行薄云去除。為后續(xù)的影像目視解釋處理和分析提供了較好地依據(jù)。

1 GF-1遙感影像參數(shù)及預(yù)處理

GF-1衛(wèi)星一共搭載了六臺相機(jī)，分別是2 m分辨率全色相機(jī)、8 m分辨率多光譜相機(jī)，四臺16 m分辨率多光譜相機(jī)（主要收集密云縣遙感影像數(shù)據(jù)）。此次衛(wèi)星工程的不同之處，主要是把高時(shí)空分辨率結(jié)合的光學(xué)遙感技術(shù)，多載荷圖像拼接融合技術(shù)，高精度高穩(wěn)定度姿態(tài)控制技術(shù)，高可靠衛(wèi)星技術(shù)以及高分辨率數(shù)據(jù)處理與應(yīng)用等多種關(guān)鍵技術(shù)結(jié)合使用。GF-1衛(wèi)星有效載荷技術(shù)指標(biāo)如表1所示。

本文以2014年7月GF-1衛(wèi)星拍攝的北京市密云縣影像數(shù)據(jù)作為研究區(qū)（如圖1所示）。密云縣，位于北京市面積最大東北部的一個(gè)區(qū)縣，東西長69 km（西起E116°39′33〞東至E117°30′25〞），南北寬約64 km（南起N40°13′7〞北至N40°47′57〞），中部低凹，三面環(huán)山，西南呈開口的簸箕形。該研究區(qū)高分一號影像如圖1所示，對其遙感影像進(jìn)行預(yù)處理流程圖如圖2所示。

表1 GF-1衛(wèi)星有效載荷技術(shù)指標(biāo)

圖1 研究區(qū)高分一號影像

圖2 GF-1影像預(yù)處理流程圖

2 GF-1遙感影像薄云去除方法

2.1 云層厚度檢測

云層厚度檢測是整個(gè)去除薄云流程的基礎(chǔ)，采用的方法是加拿大遙感研究中心的Zhang Y等[16-17]提出的改善的最優(yōu)化云的變換（HazeOptimized Transform，HOT）算法。其基本原理是：用HOT值表示薄云的云層厚度，計(jì)算影像中每個(gè)像素的HOT值。HOT值越大，表明該像素受云污染的程度越嚴(yán)重，反之，影響較小。又根據(jù)地物在藍(lán)波（TM，band1）和紅波（TM，band3）波段的相關(guān)性，在特征空間里幾乎所有像素分布在晴空線上。但是由于云的干擾使得云下地物的光譜偏離了晴空線，且偏離值與云層厚度成正比。HOT的值定義為：

其中：B1為Landsat TM的band1的像元值，B3為Landsat TM的band3的像元值，θ是晴空線的傾角。在本文中，B1為GF-1遙感影像band1的像元值，B3為GF-1遙感影像的band3的像元值。

2.2 云層厚度分級/完善

云層厚度分級是整個(gè)去除薄云流程的中間環(huán)節(jié)。盡管改善的HOT算法盡可能多的突出云層信息，抑制了背景信息，但是總會(huì)有一些無云區(qū)域的HOT值很大，這種情況主要發(fā)生在水、土壤、雪花、建筑區(qū)等復(fù)雜地物上。HOT值很大目前有兩種可能，一是該像素被云覆蓋，二是HOT值本身偏大。只有確定了問題的源頭才能對HOT值進(jìn)行修正來消除偏差，這就用到了平峰（Flatten_peak）算法[17]。該算法利用云層厚度漸變而地物邊界驟變的特征將這兩者區(qū)別開來。

2.3 云層去除

去除云層是最后一步，也是最終目的。使用的方法是云點(diǎn)（Cloud Point）算法[16-17]。根據(jù)HOT值越大，云層越厚，地物的光譜偏離晴空線越大，地物受云層的影像越嚴(yán)重；HOT值越小，地物的光譜越靠近晴空線，云層越薄，地物受云層的影響就越小。由于HOT值是一個(gè)范圍，因此，為了盡可能的消除云的干擾并且增強(qiáng)地物信息，就需要根據(jù)云層厚度檢測獲得的HOT值對云層進(jìn)行分級。又由于當(dāng)影像受到云層的干擾時(shí)，藍(lán)波、紅波等可見光波段都會(huì)受到不同程度的影響，而這時(shí)候的中紅外波段受云層的影響較小，因此利用中紅外波段區(qū)別不同的地物覆蓋類型；然后對可見光波段中云層及無云區(qū)分別按照地物類型的不同進(jìn)行均值匹配，實(shí)現(xiàn)云的自動(dòng)去除。

綜合以上所述，本文對GF-1遙感圖像薄云去除的方法流程圖如圖3所示。

圖3 去云方法總體流程圖

3 數(shù)據(jù)處理和結(jié)果分析

為了驗(yàn)證在高分一號遙感影像薄云去除中使用的方法是否有效，本文以2014年7月拍攝的北京市密云縣GF-1影像數(shù)據(jù)作為研究區(qū)（如圖1所示），套用胡健波博士[18]使用的ENVI/IDL Haze Tool工具模塊進(jìn)行實(shí)驗(yàn)。

本文在研究區(qū)GF-1遙感影像上根據(jù)云層薄厚、范圍大小的不同選擇A、B、C三處有云區(qū)域進(jìn)行去云處理實(shí)驗(yàn)，如圖4(A)、圖4(B)和圖4(C)所示。從影像中可以發(fā)現(xiàn)，圖4(A)的云層范圍以及厚度相比圖4(B)、圖4(C)，范圍小、云層薄；圖4(B)的云層范圍以及厚度相比圖4(A)、圖4(C)，范圍和厚度都屬于居中程度；圖4(C)的云層范圍以及厚度相比于圖4(A)、圖4(B)相處，范圍最大、云層最厚。清晰的遙感影響是進(jìn)行遙感解釋和分析的基礎(chǔ)，影像越清晰，影像的價(jià)值應(yīng)用的才越充分，然而云層的存在不僅嚴(yán)重影響了地物信息的準(zhǔn)確辨別，而且干擾了影像后期的分析和處理。因此，必須對影像進(jìn)行去云處理，以使影像發(fā)揮應(yīng)有的價(jià)值，更好地服務(wù)于人類生產(chǎn)和生活。對影像有云區(qū)域做去云處理后得到的影像如圖5(A)、圖5(B)和圖5(C)所示。目視分析去云前后影像的變化：去云前影像中云區(qū)影像偏亮，對比度小，云層掩蓋了下面地物的信息；而去云之后地物比較清晰，像元亮度值降低，對比度提高，去云效果較好。

圖4 去云前GF-1影像圖

圖5 去云后GF-1影像圖

為了客觀的評價(jià)影像去云處理后的效果，本文選取均值、標(biāo)準(zhǔn)差以及信息熵三個(gè)統(tǒng)計(jì)指標(biāo)來評價(jià)結(jié)果影像的亮度、對比度以及影像信息豐富程度的變化情況。原始影像和結(jié)果影像相應(yīng)波段的統(tǒng)計(jì)指標(biāo)，計(jì)算結(jié)果如表2所示。從表2比較去云前后影像的R、G、B波段各統(tǒng)計(jì)指標(biāo)值的變化情況，可以得到去云后影像的均值、標(biāo)準(zhǔn)差和信息熵都變小了。標(biāo)準(zhǔn)差和均值的變小說明了結(jié)果影像中像元亮度值降低了，被云遮蓋的地物信息得到了恢復(fù)，地物比較清晰，對比度有了較好的提高，有利于影像的目視解釋和后續(xù)的處理和分析。從表2可以看出，信息熵值減少了，但并不能說明影像信息的豐富程度降低了。因?yàn)橛绊懶畔㈧刂档囊蛩睾芏?，包括攝影時(shí)間、攝影質(zhì)量以及人的視覺感受等，同時(shí)信息熵值受云霧影響的程度遠(yuǎn)遠(yuǎn)超過均值和標(biāo)準(zhǔn)差。因此，去云后結(jié)果影像信息的豐富度實(shí)際上是增加的。

表2 原始影像及結(jié)果影像中R、G、B波段統(tǒng)計(jì)精度指標(biāo)

4 結(jié)語

本文基于高分一號（GF-1）遙感影像，以北京市密云縣影像數(shù)據(jù)作為研究區(qū)，采用改善的最優(yōu)化云的變換（HOT）算法進(jìn)行云層厚度檢測，運(yùn)用平峰（flatten_peak）算法進(jìn)行云層厚度完善，使用云點(diǎn)（Cloud Point）算法對云層進(jìn)行分割分級去除影像中的薄云，借助于ENVI/Haze tool工具進(jìn)行實(shí)驗(yàn)。通過對實(shí)驗(yàn)結(jié)果的目視分析和精度評價(jià)，證明了本文所采用的薄云去除方法對于GF-1遙感影像確實(shí)能夠達(dá)到有效去除薄云的目的。但是，該方法具有一定的局限性，僅僅適用于對影像中薄云的處理，針對云層比較后的處理，效果有待改進(jìn)。在以后的研究中，可以將本文的方法和厚云去除的支持向量機(jī)、云區(qū)替換融合等方法結(jié)合起來，以實(shí)現(xiàn)影像的薄云和厚云的共同去除，使GF-1衛(wèi)星遙感影像能更好地應(yīng)用于公安執(zhí)法、災(zāi)害環(huán)保、漂物監(jiān)察、地球遙感以及國際救災(zāi)等方面。

[1]唐王琴,梁棟,胡根生,等.基于支持向量機(jī)的遙感圖像厚云去除算法[J].遙感技術(shù)與應(yīng)用,2011,26(1):111-16.

[2]鄭玉鳳,李海濤,顧海燕.基于環(huán)境衛(wèi)星CCD影像的薄云去除研究[J].遙感信息,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]趙忠明,朱重光.遙感圖像中薄云的去除方法[J].環(huán)境遙感,1996,11(3):195-199.

[5]周麗雅,秦志遠(yuǎn),殷小龍,等.小波變換在遙感圖像薄云處理中的應(yīng)用分析[J].信息工程大學(xué)學(xué)報(bào),2011,12(6): 708-712.

[6]劉洋,白俊武.遙感影像中薄云的去除方法研究[J].測繪與空間地理信息,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]王潤,劉洪斌,宮瑞.多光譜遙感圖像去云方法[J].計(jì)算機(jī)與現(xiàn)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.高分辨率遙感影像去云方法研究[D].南京:河海大學(xué),2006.

[12]樊厚春.遙感圖像薄云去除研究[D].北京:中國科學(xué)院遙感應(yīng)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.

（責(zé)任編輯：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

國家自然科學(xué)青年基金項(xiàng)目（61302133）；西安科技大學(xué)校培育基金項(xiàng)目（201255）

王靜：女，河南安陽人，博士，講師