Knowledge Resource Center for Ecological Environment in Arid Area
| DOI | 10.27562/d.cnki.gkyyz.2021.000037 |
| 遥感图像云检测技术的研究 | |
| 杜家昊 | |
| 出版年 | 2021 |
| 学位类型 | 硕士 |
| 学位授予单位 | 中国科学院大学(中国科学院国家空间科学中心) |
| 中文摘要 | 现代卫星遥感图像在人们的生产、生活中得到了广泛的应用,然而,一旦卫星与地面之间有云层阻隔,卫星遥感图像包含的地物可用信息会大大减少,甚至无法有效使用。目前卫星下行的图像主要依靠地面接收站进行剔除处理,费时费力,更浪费了卫星宝贵的存储空间。因此如果能在卫星中对图像进行云检测,将云层覆盖较多的图片进行自动剔除,只传输有效图片,将极大地节约卫星图像存储空间,提高地面处理图片的效率,对遥感卫星在轨应用意义重大。本文进行的主要研究工作以及取得的成果主要包括以下几点:(1)对遥感图像云检测技术的发展和研究现状进行了调研,分析对比了国内外常用的遥感图像云检测方法的适用场景及优缺点。通过云特征提取分析,确定了云和下垫面分类判据。基于地理空间数据云网站,精选了600幅包含各类云和下垫面信息的Landsat卫星遥感图像,对遥感图像进行了预处理,人工标注图像的云和下垫面区域,完成了相关卫星遥感图像库的搭建。(2)开展了基于光谱特征的云检测方法的研究,设计实现了简单阈值法、多阈值法、基于最大类间方差(OTSU)的自适应阈值法,新提出了一种基于统计方法的云检测方法,对每种方法的效果及优缺点进行了深入分析。实验结果表明基于统计方法的云检测方法识别效果最好,识别准确率达到了90.87%。(3)开展了基于纹理特征的云检测方法的研究,通过计算图像的灰度共生矩阵,提取图像的能量、熵、逆差矩、自相关性以及平均灰度值5个分类指标,使用支持向量机(Support Vector Machine,SVM)分类。针对此方法分类判别指标较少,分类效果较差的问题,新提出了一种基于图像纹理特征和“三维灰度共生矩阵”的判别方法,大大提高了遥感图像的识别准确率。针对图像的云区域判别问题,本文提出了一种重叠分块的云区判别方法,有效提高了识别的精度和准确率。(4)针对雪地、雪山、冻原、沙漠等高亮的特殊地物易误判为云的问题,本文提出了一种基于偏好型支持向量机(Preference Support Vector Machine,PSVM)的云检测技术,使用偏好训练产生偏好型支持向量机模型,并与传统的支持向量机模型共同进行云检测。这种方法不仅使得模型对云和一般下垫面的识别准确率有了一定的提高,还使得模型对云和特殊下垫面的识别准确率提升了3倍以上。该算法平均识别准确率为97.66%,特殊下垫面识别准确率为99.31%。(5)搭建人机交互界面,可以在界面中选择算法的类型和待处理的图片,算法自动识别遥感图像中的云区并用特殊颜色标识,自动计算图像的云层覆盖率,通过界面手动设置阈值自动剔除云层覆盖率较高的图片。 |
| 中文关键词 | 遥感图像 ; 云检测 ; 支持向量机 ; 光谱特征 ; 纹理特征 |
| 语种 | 中文 |
| 国家 | 中国 |
| 中图法分类号 | TP751;P237 |
| 资源类型 | 学位论文 |
| 条目标识符 | http://119.78.100.177/qdio/handle/2XILL650/373355 |
| 作者单位 | 中国科学院大学(中国科学院国家空间科学中心) |
| 推荐引用方式 GB/T 7714 | 杜家昊. 遥感图像云检测技术的研究[D]. 中国科学院大学(中国科学院国家空间科学中心),2021. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [杜家昊]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [杜家昊]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [杜家昊]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
