光學遙感圖像厚云檢測與去除方法研究.pdf

1、遙感數據出現厚云遮擋地物是圖像預處理中最常遇到的一種情況，它不僅影響了遙感圖像數據的成像質量，而且還在一定程度上降低了地物解譯和判讀的準確性。因此，探討如何有效地檢測并去除厚云是遙感圖像預處理階段中重要的任務之一，這對提高遙感數據的有效使用有著十分重要的意義。
　　本文在分析人工神經網絡（ANN）與支持向量機（SVM）算法原理的基礎上，對厚云的檢測與去除方法進行研究。分別利用SVM的改進方法最小二乘支持向量機（LS-SVM）進行云

2、檢測、使用人工神經網絡做云去除處理。主要研究內容和成果包括以下幾個方面：
　　1．分析光學遙感影像中云檢測與去除的研究背景和研究意義，總結了國內外學者對云檢測和云去除兩個方面的研究現狀。
　　2．研究支持向量機和人工神經網絡兩種模式識別的計算原理和推導過程。另外，根據經典支持向量機存在的不足，指出最小二乘支持向量機對SVM的改進算法。同時總結了LS-SVM和BP神經網絡在遙感圖像中的應用情況。
　　3．研究了遙感圖像厚

3、云及其陰影的檢測原理和實現方法。最優(yōu)云變換法（HOT）在厚云邊界的半透明區(qū)域具有非常好的檢測效果，但對高亮體（如干燥裸地、沙漠、雪、建筑物等）卻不敏感。針對這一問題，本文提出一種基于LS-SVM的云檢測方法：首先利用HOT算法突出云區(qū)信息并抑制下墊面地物的光譜，初步閾值分割云區(qū)像元；然后提取高亮體的分界樣本點作為支持向量，利用LS-SVM檢測高亮體；最后在HOT云檢測結果中剔除高亮體像元，得到只含有云像元的檢測圖。實驗結果證明，該方法的

4、檢測精度以及適用性相對于原有HOT法有所提高。
　　4．研究了遙感圖像厚云及其陰影的去除原理和實現方法。針對多時相影像間光譜信息存在非線性關系問題，提出一種基于人工神經網絡的光譜差異消除法。根據地物類別提取樣本點，以樣本點特征為依據進行人工神經網絡模擬，再將整幅參考影像的像元灰度值作為預測數據輸入模擬好的神經網絡，最終輸出與目標影像光譜特征相近的圖像，從而對云區(qū)與陰影像元進行補償修復。與其他方法的實驗結果相比，神經網絡的光譜匹配圖