遥感影像云检测和云去除方法综述

遥感影像是目前可以大范围获取海洋、大气和地球表面信息的数据资源,在农业、军事和城市规划等各个领域发挥重要作用.但是在影像观测过程中会受到云雾等污染因素的影响,导致遥感影像信息缺失,在实际应用中造成巨大的资源损失和浪费.因此,如何对遥感影像云雾覆盖区域进行检测并对其进行校正和修复是国内外专家广泛关注的具有挑战性的难点问题.全面综述其研究进展,总结了现有遥感影像云层检测和去除的挑战;根据是否利用深度学习技术将云检测方法分为2大类,根据是否利用辅助影像将云去除方法分为3大类,依照不同方法特性系统分析和对比了其基本原理和优缺点;基于上述总结在2组遥感影像公开数据集上分别对4种云检测、4种薄云去除和4种厚云去除方法进行了性能评测;最后讨论了本领域目前仍存在的问题,对未来研究方向进行了预测,希望能够对该领域研究人员提供有价值的参考.

变序字典学习AO-DL的资源三号遥感影像云去除

采用了一种压缩感知方法进行遥感影像去云。该方法以压缩感知为理论基础,在采用K-SVD字典学习与稀疏表示的正交匹配追踪算法(OMP)相结合的同时,在字典原子训练的过程中加入某种特定的排序规则,使得各个影像字典在拥有各自影像属性的同时其原子也具备相似的排列顺序,减小影像间差异的干扰,使得遥感影像受云和阴影污染区域的重建取得良好的效果。最后应用两组相同地区不同时域的资源三号卫星影像进行了试验验证。

基于多时相MODIS影像的云检测和云去除算法

光学卫星遥感的成像经常受到云区的影响,导致云下像元信息被削弱甚至缺失,降低了遥感数据的利用率。针对多时相的MODIS影像,实现了基于云检测的"像元相对变化率云补偿"算法,并对实验结果进行目视评价和统计分析。结果表明,该方法对于检测出的云区,去除云和云影的效果都很好。然而,该方法的效果很大程度上取决于云检测算法的精度,因此,提高云检测算法的准确率很有必要。

基于时空数据融合模型的TM影像云去除方法研究

针对已提出的各类云去除方法在实际应用中存在的局限性,将时空数据融合模型引入到云去除方法中。首先基于MODIS数据提供的时间维变化信息和辅助时相TM数据提供的空间信息,应用增强时空适应反射率融合模型(ESTARFM)得到了目标时相似TM合成数据;然后用TM合成数据替换掉目标时相TM影像中被云及其阴影覆盖区域的数据。在修复后的影像中替换区域与非云区域色调基本一致。通过非云区TM合成数据间接对替换云及其阴影区数据的精度进行定量评价。结果表明:相对于真实TM影像,非云区域合成数据各波段均值差异都在1%以内;各波段的相对误差分别为16.29%、12.92%、13.47%、12.87%、9.71%和11.84%,且各波段的相关系数均大于0.7;非云及其阴影区融合影像数据间接表明填补云及阴影区数据各波段的总体精度优于83%。因此,所提出的方法能够修复TM影像中被云及其阴影覆盖区域的数据,提高MODIS与TM数据的利用率。

基于面向对象与替换法的遥感影像云检测与去除技术

裁剪20090716和20090730两景HJ-1 CCD多光谱影像的部分作为试验区,基于面向对象法实现了厚云、薄云及云影的检测,进而利用替换法去除云和云影。对原影像、去云后影像的像元灰度均值、最大值、标准差、熵等指标进行了比较,结果表明,还原后的影像符合地面实际,面向对象与替换法可作为HJ-1 CCD多光谱数据的云检测与去除的重要方法。

融合YOLOv5s与Criminisi算法的农业遥感图像去云方法研究

【目的】构建融合YOLOv5s与改进Criminisi算法的农业遥感图像去云方法,为云层干扰环境下地表信息获取、地表物的解译等研究提供支持。【方法】首先使用基于容差的暗通道先验(dark channel prior,DCP)算法去除雾和部分薄云,以提升图像整体对比度与云层边缘清晰度;然后融合YOLOv5s深度学习网络进行云层区域阈值分割,实现云层蒙版的快速精确自动提取;最后通过样本块大小自适应调整策略对Criminisi算法进行改进,实现遥感图像的有效去云修复处理。通过对含不同大小云层的遥感图像进行去云试验,并利用信息熵、峰值信噪比(peak signal-to-noise ratio,PSNR)、均方误差(mean-square error,MSE)和结构相似性(structural similarity index measure,SSIM)4个指标对去云结果进行评价,以验证本研究算法的有效性。【结果】采用融合YOLOv5s和自适应样本块的改进Criminisi算法对8幅含云图像进行了修复,修复后图像的平均PSNR为21.01,平均SSIM为0.77;并对57幅模拟加云图像进行修复,其平均PSNR为28.59,平均SSIM为0.93,表明将改进Criminisi算法应用于遥感图像去云研究是可行的。在此基础上,对本研究算法的适用性以及阴影对去云效果影响的研究表明,不同大小和位置的云层干扰造成未知区域不确定度较大,对修复效果影响较为严重;阴影区域与云区域相接时存在阴影块填充,修复效果尚有待提升。【结论】融合YOLOv5s与改进Criminisi算法的去云方法可有效修复云层遮挡区域,同时保留较为真实的地表信息,可用于农业遥感信息精细感知研究。

面向3D道路点云地图的杂波目标去除算法

道路信息高精度点云地图通过移动地理信息系统(MGIS)构建包含道路周围设施的信息,在运行MGIS时获取除设施以外的非结构化形式目标数据已成为研究难题。将除道路信息外的杂波定义为杂波目标,以MGIS移动平台为基础,利用几何数学模型建立杂波目标在地图坐标系中的坐标,通过Microsoft公共(MS-COCO)数据集对掩模R-CNN算法的权重进行预训练,从而加快算法对图像的实例分割,结合零填充方法完成图像缓冲区域的像素填充。通过在帧级去除杂波目标,然后对干净点云帧进行累积得到干净点云地图。将该方法应用于Kitti数据集,去除杂波目标的总体精度为95%,并且整个点云地图的误检误差仅为1%。

Hα全日面太阳图像云污染的去除

Hα全日面太阳图像对太阳物理研究有着重要的意义,但其观测过程中可能受天气的影响,导致观测图像含有云层覆盖的污染。主要通过对这种Hα全日面太阳图像的云污染进行处理,从而得到较为清晰的太阳活动细节。具体算法为:首先将含云污染的图像扣除模板图像的标准临边昏暗轮廓,然后对其进行中值滤波获得云层图像,最后在原始图像上扣除云层图像得到修复后的全日面图像。实验证明此方法可以有效地去除Hα全日面太阳图像上的云污染,并对太阳活动区域影响较小。

一种融合光学与SAR的植被指数提取算法

多光谱影像计算的植被指数具有监测植被类型、计算叶面积指数、反演植被覆盖度和估算生物量等作用,但光学影像易被云与阴影污染,增加了获取植被指数的难度.为了获取云层覆盖区域的植被指数,提出了一种融合光学与SAR的植被指数提取算法.实验以新疆维吾尔自治区乌苏市2020年9月11日的Sentinel 1、2020年9月3日无云的Sentinel 2和2020年9月8日有云的Sentinel 2影像为数据源,首先利用Sentinel 1影像构建出6种匹配模型,然后分别利用6种匹配模型的光谱特征重构Sentinel 2影像的云与阴影覆盖的像元,获取6景去云与阴影后的Sentinel 2影像,再用每景去云与阴影后的影像计算3种植被指数(增强型植被指数EVI、归一化植被指数NDVI和土壤调节植被指数SAVI),用无云的Sentinel 2影像作为验证数据,最后使用均方根误差(RMSE)、平均绝对误差(MAE)和相关系数(R)对结果进行精度评价.实验结果表明:该方法能有效地去除光学影像云与阴影的影响,获取云与阴影覆盖区域像元的植被指数;3种植被指数的总体精度较好,相关系数均大于0.8;在6种匹配模型方面,第四种匹配模型在3种植被指数中的精度均为最高.

一种快速图像块填充算法及其在遥感影像处理中的应用

针对Drori的图像块填充算法计算复杂度高,计算量大的缺点,提出了一个快速的改进算法。并结合光学遥感影像的特点,将其应用到遥感影像中的厚云及阴影去除上。实验结果表明,在能够取得近似相同结果的情况下,本文算法与Drori算法相比,能够较好地缩短计算时间。

基于深度学习的SAR辅助下光学遥感图像去云方法

针对现有基于深度学习的SAR辅助下光学图像去云方法对光学图像纹理、光谱信息考虑不足,导致去云后影像往往存在模糊、光谱损失等现象,根据杭州市余杭区哨兵一号(Sentinel-1)和哨兵二号(Sentinel-2)卫星影像,构建了SAR辅助下光学图像去云数据库,并充分考虑光学遥感图像的细节、纹理以及色彩信息,建立了基于条件生成对抗网络(conditional generative adversarial network,cGAN)的SAR辅助下的光学遥感图像去云模型,实现了SAR辅助下光学图像薄云、雾、厚云等覆盖下地物信息的有效复原与重建。实验结果表明,所提方法可有效实现SAR辅助下的光学图像去云,相比于其他方法具有更优性能。

AutoScan系列复杂零件自动化三维测量装备开发与应用

自动化三维测量可实现复杂零件的精度检测,为后续工艺优化提供基础数据,是保证航空航天领域复杂零件成形精度的关键技术,但应用时尚存在以下问题:其一,自动化三维测量视点规划仍以人工示教为主,规划效率低、效果差;其二,锻造成形等工业现场工况恶劣,易使系统预先标定的参数发生漂移,测量精度难以保证;其三,多视测量数据拼接仍主要采用标志点拼接的方式,过程繁琐,应用局限大;其四,在线自动化测量时受工装夹具等影响,测量点云中存在大量背景噪声,影响数据自动处理的精度与稳定性。针对上述难题,介绍了基于双目测头的自动化测量视点规划、基于耦合焦距比例约束的系统参数自标定、基于全局优化的多视测量数据拼接、基于自适应阈值迭代最近点(ICP)点云背景噪声自动去除等关键技术;在此基础上,研制了系列自动化三维测量装备,包括PowerVirtualPlan视点规划软件、PowerScan三维测量软件、iPoint3D数据处理软件的开发;最后,介绍自动化三维测量装备在航天航空等领域的工程应用情况。