面向HY-1C卫星CZI陆地遥感图像的云检测方法研究
搭载在中国首颗海洋水色业务卫星HY-1C上的海岸带成像仪CZI(Coast Zone Imager)于2019年6月开始业务化运行,其获取的大量海岸带、陆地和海洋数据对于海洋灾害与环境监测研究具有重要意义.CZI对地观测受云干扰,影响数据的后续应用.现有的云检测算法大都基于RGB图像或者包含热红外的多光谱展开,对于HY-1CCZI这类RGB-近红外4个波段遥感图像研究较少.为此,本文提出了一种针对HY-1C CZI遥感图像的非监督遥感图像云检测方法.该方法包含训练样本选择、特征提取、支持向量机SVM(Support Vector Machine)分类和后处理这4个过程.在训练样本选择中,结合暗通道反射率、归一化植被指数和白度指数,提出了一种训练样本自动提取算法.该算法使用白度指数作为遥感图像细节信息提取数据源,并通过逐步细化过程精确提取样本.针对特征提取,选取图像的空—谱特征信息,包含反射率、光谱指数、纹理和结构特征,使云与非云区域的差异最大化.基于自动提取的训练样本及其特征描述,采用SVM对CZI遥感数据进行初分类,并在此基础上进行导向滤波、孔洞填充和几何判断后处理,以获取云检测结果.该算法的优势在于:(1)无需人工标注即可自动获取训练样本;(2)能够充分利用近红外波段信息.本文将该算法运用于植被、土壤、湿地和冰雪场景这4种典型场景中,并与目前流行的非监督云检测算法对比分析.相较于其他云检测算法,定性分析结果表明本文云检测结果与人工标注的云分布真实图具有较好的一致性;定量结果表明本文提出的算法在各个场景上都具有最低的错误率.通过以上对比分析,表明本文提出的云检测算法在不同的场景下识别结果都更加准确,证明了本文算法对于HY-1C CZI陆地遥感图像云检测的有效性.
HY-1C、海岸带成像仪、云检测、白度指数、非监督
27
P2(测绘学)
国家自然科学基金;湖南省自然科学基金项目
2023-03-10（万方平台首次上网日期，不代表论文的发表时间）
共13页
55-67
