利用对象光谱与纹理实现高分辨率遥感影像云检测方法

针对高分辨率遥感影像云检测过程中合适的云检测光谱阈值难以确定及影像中类云地物对云检测精度影响的问题,提出一种基于对象光谱与纹理的高分辨率遥感影像云检测方法。首先,对影像进行直方图均衡化处理,根据均衡化影像直方图获得合适的影像云检测光谱阈值。其次,用简单线性迭代聚类算法对影像进行分割生成分割对象,以对象为处理单元,根据云检测光谱阈值和对象光谱属性对对象进行云检测过滤,获得初始云检结果。然后,求得直方图均衡化影像的纹理图,根据对象的纹理均值及角二阶矩对初始云检测结果提纯,消除类云地物对云检测精度的影响。最后对提纯云区域进行区域增长及膨胀处理,获得最终的影像云检测结果。定性对比试验和定量评价结果表明,本文方法可以获得良好的影像云检测结果。

一种IPSIAST算法及其在遥感影像分割中的应用

针对PSI(Pixel Shape Index)算法存在的弊端,本文对其加以改进,提出一种光谱阈值自适应的改进型像元形状指数(Improved Pixel Shape Index of Adaptive Spectral Threshold,IPSIAST)算法。相比原算法,新算法的改进主要体现在:1)在方向线生成阶段,为了充分考虑不同波段光谱特征的同质性存在的差异,每个波段数据层方向线的生成分开独立进行,提高了方向线生成的合理性;2)将每一条方向线长度定义为各波段数据层在该方向的方向线长度的加权和,以体现不同波段光谱特征之间同质性上存在的差异,从而提高像元PSI值的精确性;3)光谱阈值T1能根据局部区域内光谱特征同质性的大小而自适应地调整,降低了地物边缘处的对比度对像元形状指数计算的影响。最后,结合目视对比和5个定量评价指标,通过影像分割对比实验证明:相比PSI指数,IPSIAST指数能进一步提高影像的分割精度。