遥感图像云层去除
地信 冯锦云 11303038 18825043193
云层去除的意义
目前,广泛使用的卫星遥感数据大部分是光学影像。虽然光学影像具有信息量大、分辨率高
的特点,但同时它又极易受到气候因素的影响。云雾是影响卫星图像清晰度的主要因素,当云
雾很厚时,传感器无法接收到来自地表的信息,卫星就无法获得有效的云雾覆盖地区信息。当
云雾较薄时,有部分反映地表的信息透过云雾被传感器接收,因此要采取特殊的图像信息处理
方法。由于云雾的遮挡作用,每年都有大量的卫星图像因为云雾的影响而得不到有效的使用,
其比例约占 40%~50%左右,造成昂贵的卫星资源的极大浪费,尤其是在关系到国计民生的特
殊时期,由于云雾噪声的遮盖致使影像失效而对我国经济、社会和军事造成的负面影响将表现
得更为突出。对于航拍图像也存在此类问题。
因此,孔立明和李智慧(孔立明、李智慧,2006)指出开展卫星及航拍图像的云雾噪声去
除的研究,可以显著提高卫星等资源的使用效率,具有十分重要的经济意义、社会意义和军事
意义。
云层处理技术的发展
从八十年代开始,随着卫星技术的进一步发展,特别是伴随着计算机技术的突飞猛进,遥
感图像处理也获得了巨大的突破和应用,在 1977 年,R.Michall 等提出薄云成像模型
(R.Miehell 等,1977)。认为云噪声削弱了图像的高频信息,提高了图像的低频信息,可以
构建一个适当的滤波器,选择合适的闭值,将薄云从图像中去除。在 1996 年,赵忠明等(赵
忠明、朱重光,1996)对 R.Michell 云影像形成模型进行了简化,利用高通滤波器过滤云噪声。
同态滤波法假设整幅图像都被薄云所覆盖,这与实际情况不完全符合,所以处理后滤去图像低
频成分,也损失一部分图像的高频部分,即对薄云区域进行一定的去除,也对无云覆盖的清晰
区域造成影响。哥伦比亚大学自动视觉环境研究室的 Narasimban Srinivasa G. 和
Nayar.Schechner K.,他们从 1999 年至今持续做了许多相关工作。Shwartz 将衰减和大气光两种
大气散射模型结合恢复出景物的完整深度图和色度,仅仅需要天气状况的变化和景物亮度的精
确测量。谢华美等提出改进的方法,将同态滤波处理后的无云区域的灰度值用处理前的灰度值
代替。虽然可以通过交互方式来选定只处理图像中的云区覆盖部分,但是却无法解决云区部分
处理后的图像向未处理的清晰部分平滑过渡的问题。
冯春博士提出了利用邻区平均(冯春,2005)的方法来近似同态滤波中的低通滤波器;王
恒进(王恒进,2002)将小波引入的同态滤波中,用小波分解来代替同态滤波中的傅利叶变换
形成了基于小波的同态滤波方法;为了改善同态滤波去云后影像背景削弱的问题,樊厚春提出
了对同态滤波后影像基于原始影像的融合的方法(樊厚春,2004),也取得了明显效果。针对
遥感图像中出现的厚云,提出一种云层去除算法。由于被厚云层覆盖的地物信息几乎无法获得,
对于单幅图像进行处理,无法去除厚云,也很难获得厚云覆盖下的地物信息。因此,本章利用
SVM 的多分辨分析的方法并结合图像融合的方法,对图像进行厚云去除处理。2008 年,Tan
(Tan ,2008)发现去除云雾后的影像必然会比处理前影像的对比度要高。Fattal 利用单幅影
像估计了场景中的反射率并推导出介质的传输模型(Fattal,2008),克服了 Tan 方法的缺点,
具备物理有效性,能够获得较好的视觉效果和有效的深度图。经过近几十年的研究,国内一些
院校和科研机构也在这一领域取得了一些进展。如江兴方提出了惠更斯次波法和基于高次多项
式曲线方法,这种基于像素的局域图像增强方法,具有一般的意义;朱锡芳在江兴方的基础上,