水體上方云和云陰影檢測(cè)算法

劉 楊 江 濤 黃 玨

(山東科技大學(xué) 測(cè)繪科學(xué)與工程學(xué)院, 山東 青島 266590)

0 引言

云和云陰影的存在會(huì)阻礙地物目標(biāo)與傳感器之間能量的傳輸,對(duì)于水色遙感的相關(guān)研究而言,會(huì)降低衛(wèi)星數(shù)據(jù)在水環(huán)境監(jiān)測(cè)中的可用性。此外,不同類(lèi)型水體的光譜特征存在差異,也會(huì)對(duì)基于光譜分析的云和云陰影檢測(cè)結(jié)果產(chǎn)生影響。因此在云和云陰影檢測(cè)中考慮水體的光譜特征對(duì)提高檢測(cè)精度具有重要的意義[1-5]。

ZHU等[6]提出Fmask(Function of mask)算法,首先通過(guò)多光譜測(cè)試對(duì)影像中的可能云像元進(jìn)行標(biāo)記,其次通過(guò)水體測(cè)試進(jìn)行水陸分離并分別進(jìn)行云檢測(cè),實(shí)現(xiàn)水陸上方的云掩膜;QIU等[7]人在Fmask的基礎(chǔ)上提出了MFmask(Mountainous Fmask)算法,利用數(shù)字高程模型(Digital Elevation Model，DEM)數(shù)據(jù)對(duì)Fmask算法中的水體測(cè)試進(jìn)行改進(jìn),在提高水陸分離精度的基礎(chǔ)上進(jìn)一步提高云檢測(cè)的精度。云陰影在遙感影像上具有較低反射率的特性,不僅在幾何形狀上與云保持著相似性,而且與云像元保持著特定的位置關(guān)系[8]。例如王凌等[9]針對(duì)Landsat8-OLI(陸地成像儀，Operational Land Imager)影像,利用深藍(lán)和短波紅外波段的組合去除了云陰影;劉心燕等[10]針對(duì)高分四號(hào)衛(wèi)星,使用了紅和近紅外兩個(gè)單波段和彼此之間的波段組合識(shí)別了云陰影。通過(guò)對(duì)比上述的云和云陰影檢測(cè)算法發(fā)現(xiàn),算法中并未考慮不同水體的光譜特征及其影響。因此本文首先在Fmask算法的基礎(chǔ)上,對(duì)可能的云像元進(jìn)行識(shí)別;然后基于云與不同水體的光譜特征,利用光譜差異分析技術(shù)識(shí)別潛在云像元;最后根據(jù)云陰影的光譜特征設(shè)定基于影像的動(dòng)態(tài)閾值,識(shí)別云陰影像元。

1 原理和方法

1.1 云識(shí)別

Fmask算法中首先將整幅影像可能的云像元進(jìn)行識(shí)別,其次通過(guò)水體測(cè)試進(jìn)行水陸分離并分別進(jìn)行云檢測(cè)。然而Fmask算法中未考慮到不同類(lèi)型水體信息對(duì)識(shí)別結(jié)果的影響,因此本文在此基礎(chǔ)上利用TM/ETM+數(shù)據(jù)對(duì)算法進(jìn)行了補(bǔ)充,對(duì)不同類(lèi)型水體上的云進(jìn)行了識(shí)別檢測(cè)。云檢測(cè)的過(guò)程包括識(shí)別厚云像元和薄云像元兩步,并將含有泥沙和葉綠素的水體像元?dú)w為渾濁水像元,同時(shí)將藍(lán)、綠、紅、近紅外波段的反射率簡(jiǎn)寫(xiě)為Rb1、Rb2、Rb3、Rb4;TM/ETM+的第5和第7波段分別稱(chēng)為短波紅外1和短波紅外2波段,其波段反射率簡(jiǎn)寫(xiě)為Rb5、Rb7。

1.1.1識(shí)別厚云像元

通過(guò)對(duì)不同類(lèi)型水體進(jìn)行大量光譜測(cè)試發(fā)現(xiàn),渾濁水像元、純水像元的Rb5<0.1,而厚云像元Rb5>0.1;渾濁水像元、純水像元的Rb2<0.2,而厚云像元Rb2>0.2;渾濁水像元、純水像元的Rb7<0.12,而厚云像元Rb7>0.12;渾濁水像元、純水像元、云像元的Rb4/Rb1值存在差異,其厚云像元Rb4/Rb1>0.5。

1.1.2識(shí)別薄云像元

薄云像元具有一部分水體信息的特征,如果要精準(zhǔn)的識(shí)別,需要區(qū)分水體的類(lèi)型。通過(guò)Fmask水體測(cè)試分別將上述研究區(qū)域影像中渾濁水像元的Rb2從小到大排列,經(jīng)對(duì)比發(fā)現(xiàn),富含葉綠素高的水體其置信區(qū)間82.5%上分位的取值大于0.15,而富含泥沙高的水體其值小于0.15。

通過(guò)區(qū)分水體類(lèi)型之后并發(fā)現(xiàn),純水像元、渾濁水像元、薄云像元的Rb7/Rb3值差異較大,薄云像元Rb7/Rb3>0.2且Rb7>0.05,而純水或者渾濁水像元Rb7/Rb3<0.2且Rb7<0.05;同時(shí)Rb3和Rb2識(shí)別薄云像元也很關(guān)鍵,富含泥沙或者葉綠素的水體中,這兩個(gè)波段的反射率差異明顯,如果采用同一個(gè)閾值進(jìn)行提取,就有可能造成薄云像元的誤提,因此要分開(kāi)進(jìn)行薄云像元檢測(cè)。即:

當(dāng)水體含有較高的泥沙時(shí),薄云像元的Rb3>0.1且Rb2>0.14,當(dāng)水體含有較高的葉綠素時(shí),薄云像元的Rb3>0.15且Rb2>0.2。

1.2 云陰影的識(shí)別

1.2.1云陰影基本檢測(cè)

劉心燕[5]在利用GF-4號(hào)識(shí)別云陰影使用了紅、近紅外波段。根據(jù)本文的實(shí)驗(yàn),短波紅外2波段也能夠較好的識(shí)別水體上的云陰影，即

Rb3Rb3

Tb3為云陰影在紅光波段處的閾值;Tb7為云陰影在短波紅外2波段處的閾值;Tb4為云陰影在近紅外波段處的閾值。在可見(jiàn)光波段中,云陰影Rb3值會(huì)明顯低于富含泥沙或者葉綠素水體的;在短波紅外波段,云陰影的反射率與不同類(lèi)型水體的相比較低,且都處于低值;水體中富含泥沙或者葉綠素時(shí),云陰影Rb4會(huì)明顯低于水體的Rb4,將影像中的各個(gè)單波段反射率從小到大排列取置信區(qū)間12.5%下分位的值作為最終的閾值進(jìn)行云陰影檢測(cè),能夠提高精度。

1.2.2云陰影差異性檢測(cè)

王凌[4]針對(duì)OLI影像,為了更近一步地將水體與云陰影的差異性進(jìn)行擴(kuò)大,提出了使用深藍(lán)、短波紅外波段構(gòu)建暗像元指數(shù)NDPI,其次通過(guò)歸一化植被指數(shù)NDVI構(gòu)建比值陰影指數(shù)RSI來(lái)識(shí)別云陰影。本文對(duì)NDPI進(jìn)行了改進(jìn),采用藍(lán)綠光波段進(jìn)行歸一化處理,能夠更加的擴(kuò)大水體與云陰影的差異性。即:

(1)

(2)

(3)

經(jīng)分析得到,云陰影RSI的值大于不同類(lèi)型水體的值。為了排除外部條件因素對(duì)影像的干擾,本文將RSI進(jìn)行從小到大排列,選取每幅影像中其置信區(qū)間82.5%上分位值TS作為最終的閾值,能夠更好地將一些非陰影的物體進(jìn)行排除。即:

RSI>TS

(4)

將基本云陰影檢測(cè)和差異性檢測(cè)結(jié)合起來(lái),則為最終的云陰影檢測(cè)。完成云和云陰影檢測(cè)流程之后,為了能更好地展示檢測(cè)的結(jié)果,需要對(duì)云和云陰影的掩膜進(jìn)行腐蝕膨脹操作,最終得到精確的云和云陰影掩膜。

2 結(jié)果分析及討論

為了后續(xù)能夠更好地評(píng)價(jià)檢測(cè)結(jié)果的準(zhǔn)確性,根據(jù)資料得知黃河口、膠州灣屬于富含泥沙較高的水體類(lèi)型,而巢湖和太湖屬于富含葉綠素較高的水體類(lèi)型,分別對(duì)其水體上方的云和云陰影進(jìn)行檢測(cè)。

2.1 云及云陰影檢測(cè)結(jié)果

本文采用Matlab2014軟件通過(guò)Fmask算法中水體測(cè)試后,充分考慮到不同類(lèi)型水體光譜特征對(duì)云和云陰影識(shí)別的影響,對(duì)云識(shí)別部分進(jìn)行了改進(jìn)并結(jié)合提出的云陰影算法,選取了不同云類(lèi)型,不同時(shí)相的不同水域類(lèi)型進(jìn)行分析,并采取目視解譯的方式驗(yàn)證精度的可靠性。由于影像較大,為了能夠更好地展示檢測(cè)的結(jié)果,選取300×300子圖像進(jìn)行目視解譯。為了突出本文算法的優(yōu)勢(shì),對(duì)本文與Fmask3.2版本得到的云及云陰影檢測(cè)結(jié)果進(jìn)行了對(duì)比分析,如表1所示。在表1中,原圖為432波段合成的假彩色影像,其中白色為云塊,黑色為云陰影,背景為不同類(lèi)型的水體。圖中的圓圈為兩種結(jié)果的差異之處。

表1 不同水體類(lèi)型上的云及云陰影檢測(cè)結(jié)果

由表1可以看出,Fmask檢測(cè)結(jié)果中,厚云檢測(cè)結(jié)果較好,而薄云具有穿透性,具備了不同水體的光譜特征,Fmask算法未考慮到這一點(diǎn),使得薄云的檢測(cè)結(jié)果較差。本文因考慮到不同類(lèi)型水體的光譜特征對(duì)檢測(cè)結(jié)果的影響,因此無(wú)論是厚云、薄云還是碎云,經(jīng)過(guò)對(duì)比可以看出,云的檢測(cè)精度得到了提高,并且云的邊界清晰、結(jié)構(gòu)較為完整,位于影像邊界的云也能夠識(shí)別出來(lái)。Fmask算法得到的云陰影檢測(cè)結(jié)果,漏提和錯(cuò)提的現(xiàn)象較為普遍,而且云陰影的位置不能較精準(zhǔn)的識(shí)別,而本文得到的云陰影檢測(cè)結(jié)果與假彩色合成影像進(jìn)行對(duì)比發(fā)現(xiàn),云陰影位置較為準(zhǔn)確,結(jié)構(gòu)完整,并沒(méi)有出現(xiàn)較為嚴(yán)重的錯(cuò)提現(xiàn)象。

2.2 定量分析

為了能夠驗(yàn)證算法的適用性,對(duì)上述的云及云陰影檢測(cè)結(jié)果進(jìn)行了定量分析,并對(duì)云和云陰影進(jìn)行了矢量化處理,計(jì)算了云像元的正確率Rcct、云像元的誤判率Rccm、云像元的遺漏率Rcom、晴空像元正確率Rcsc,以及云陰影像云的正確率Rscct、云陰影像元的誤判率Rsccm、云陰影像元的遺漏率Rscom、晴空像元正確率Rscsc。計(jì)算公式如下:

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

式中:Rc為矢量化影像中云像元正確判別為云像元的總數(shù);Rcs為矢量化影像中云陰影像元正確判別為云陰影像元的總數(shù);Ec為矢量化影像中晴空像元誤判為云像元的總數(shù);Ecs為矢量化影像中晴空像元誤判為云陰影像元的總數(shù);Cs為矢量化影像中云像元漏判為晴空像元的總數(shù);Ccs為矢量化影像中云陰影像元漏判為晴空像元的總數(shù);Rs為檢測(cè)云像元時(shí),矢量化影像中晴空像元被正確判為晴空像元的總數(shù);Rss為檢測(cè)云陰影像元時(shí),矢量化影像中晴空像元被正確判為晴空像元的總數(shù);Tcloud為矢量化影像中云像元的總數(shù);Tclear為矢量化影像中晴空像元的總數(shù);Tshadow為矢量化影像中云陰影像元的總數(shù)。在計(jì)算云像元精度時(shí),把云陰影像元看作為晴空像元;在計(jì)算云陰影像元精度時(shí),把云像元看作為晴空像元。表2和表3分別為本文與Fmask對(duì)不同水體類(lèi)型上方云像云和云陰影像元的定量分析結(jié)果。從表2可以看出,本文的云像元檢測(cè)結(jié)果總體精度達(dá)90%以上,而Fmask云像元檢測(cè)結(jié)果總體精度達(dá)84%以上。本文云像元的誤判率較低,而云像元的遺漏率更低。Fmask算法中云像元遺漏率較高,主要是因?yàn)闆](méi)有考慮到不同水體信息對(duì)提取結(jié)果的影響,造成了一部分薄云像元的漏提。從表3可以看出,本文的云陰影像元檢測(cè)結(jié)果總體精度達(dá)88%以上,而Fmask云陰影像元檢測(cè)結(jié)果總體精度卻只達(dá)71%以上。本文云陰影像元的誤判率和遺漏率較低,而Fmask云陰影像元的誤判率和遺漏率較高,主要因?yàn)镕mask算法中云像元的提取存在很大偏差,在進(jìn)行云陰影匹配時(shí),造成了云陰影像云漏提或者錯(cuò)提現(xiàn)象更為嚴(yán)重。不管是云檢測(cè)還是云陰影檢測(cè),本文與Fmask的晴空像元的正確率都達(dá)到了90%以上。

表2 云像元結(jié)果定量分析

表3 云陰影像元結(jié)果定量分析

3 結(jié)束語(yǔ)

隨著水環(huán)境污染越來(lái)越重,時(shí)刻監(jiān)測(cè)水環(huán)境的問(wèn)題尤為突出。而運(yùn)用遙感技術(shù)在對(duì)水環(huán)境監(jiān)測(cè)方面頗為重要,但是云和云陰影的存在會(huì)阻礙遙感數(shù)據(jù)的應(yīng)用,因此合理有效的識(shí)別并去除云和云陰影對(duì)水色遙感相關(guān)研究十分重要。本文根據(jù)TM/ETM+數(shù)據(jù)完成了水體上方云和云陰影檢測(cè)識(shí)別,但數(shù)據(jù)單一,未來(lái)可以考慮利用多源數(shù)據(jù)完善云和云陰影識(shí)別算法。