Landsat影像云去除：基于分类线性回归的新方法

"分类线性回归的Landsat影像去云方法 (2013年)" 本文探讨了一种基于分类线性回归的Landsat遥感影像去云方法，适用于解决由于云覆盖导致的遥感影像信息损失问题。在2013年，研究人员提出了一套流程来有效地检测和去除Landsat影像中的云层，提高影像分析的准确性和应用范围。 首先，该方法要求对参考影像和待处理的去云影像进行云覆盖区域的检测和掩膜。这一步骤是通过分析光谱特性来识别和隔离云层。云检测通常涉及光谱反射率阈值和云顶温度阈值等方法，但由于成像条件的变化，确定阈值可能存在不确定性。因此，该方法可能涉及到更复杂的算法，例如ACCA，以提高云检测的准确性。 接下来，研究人员对云覆盖区域掩膜后的参考影像执行ISODATA聚类算法。ISODATA是一种迭代的自组织数据分类方法，它通过合并或分裂类别来自动调整类别的数量，以达到最佳的图像分割效果。通过对参考影像进行聚类，可以将相似灰度值的像素归入同一类别。 然后，利用这些聚类结果，建立每个类别中参考影像灰度值与待去云影像灰度值的线性回归方程。线性回归是统计学中的一种基本模型，用于预测一个变量（在这里是待去云影像的灰度）基于另一个变量（参考影像的灰度）的关系。 在对待去云影像的云覆盖区域，采用最小距离分类方法。这种方法依据参考影像的灰度值，将云区像素分配到之前聚类形成的类别中，通过计算像素与类别均值的欧氏距离，将其归类到最接近的类别。 最后，利用每个类别的回归方程，对云覆盖区域的灰度值进行预测，从而恢复地表信息。实验结果显示，这种方法相比传统的去云技术，能更有效地检测和去除云区，且预测精度显著提高。 关键词：影像镶嵌、去云、云检测、分类线性回归。这一研究对于提高遥感影像处理的效率和准确性，特别是在大区域遥感调查和监测中，具有重要的实用价值。此外，该方法也强调了利用多时相遥感影像，通过镶嵌去云法来弥补单个时间点成像的不足，这在处理Landsat等多波段遥感数据时显得尤为重要。