高分一号光学遥感数据自适应云区识别
Self-adaptive cloud detection approach for GaoFen-1 optical remote sensing data作者机构:北京师范大学信息科学与技术学院北京100875 中国林业科学研究院资源信息研究所北京100091
出 版 物:《红外与毫米波学报》 (Journal of Infrared and Millimeter Waves)
年 卷 期:2019年第38卷第1期
页 面:103-114页
核心收录:
学科分类:070207[理学-光学] 07[理学] 08[工学] 0803[工学-光学工程] 0702[理学-物理学]
基 金:十三五"国家重点研发计划"多尺度落叶松人工林生长预测"(2017YFD0600404) 国家自然科学基金"基于高分辨率遥感数据的森林生物多样性监测"(31570546) 中央高校基本科研业务费专项资金项目"L波段森林的微波辐射与传输特性研究"(2015KJJCA12)~~
主 题:云区识别 自适应 同态滤波 GF-1遥感数据 截止频率
摘 要:光学卫星遥感数据在获取过程中易受云层干扰,云区识别是光学遥感数据应用及分析的一个基础但重要的步骤,高效的云区识别技术对节省数据收集成本和提高数据利用效率具有较强的现实意义.同态滤波算法是经典的基于单幅影像的云区识别方法之一,该算法具有计算快速方便、云区检测精度较高的优点,然而识别的云区范围极大程度取决于同态滤波器截止频率的位置.同态滤波截止频率通常采用经验值,显然经验截止频率无法适应批量遥感数据的自动处理需求.针对以上问题,本文通过建立输入影像频谱能量与截止频率的关系,结合白度指数(Whiteness Index)和形态学算子,实现对国产高分辨率光学卫星高分一号(GF-1)遥感数据的批量云区识别处理.与传统同态滤波方法相比,该算法能根据影像频谱能量自适应判定同态滤波时采用的截止频率,具有更强的适用性.通过对98景GF-1多光谱数据进行随机点人工目视标记精度检验,精度检验结果表明该算法对云区有较好的检测效果,总体识别精度达93. 81%.该算法对GF-1遥感数据能进行批量化云区检测,获得高精度的云区掩膜结果,并有效降低高反射率地物造成的误识率.