基于纹理特征的深度学习云和云阴影检测

针对云和云阴影检测过程中存在边界不准确以及易与地表混淆等问题,构建一种融合纹理特征模块的卷积神经网络模型对Landsat 8遥感图像进行云和云阴影检测。引入基于统计特性的纹理特征模块进行纹理特征的提取和学习,在训练过程采用焦点损失函数削弱样本不均衡带来的影响。实验结果表明,该模型细化了云和云阴影的边界等纹理细节,减少了云和云阴影的误检和漏检现象,提高了云和云阴影的检测精度。

高分光学影像动态阈值云/阴影检测方法及应用

云和阴影对遥感图像在目视解译、地物识别分类等应用中有非常重要的影响,由于它们的遮挡作用,导致被遮挡地区的地物信息无法被准确识别。另外,在热红外温度反演方面,云也会对温度反演产生一定程度的影响。因此,识别云和阴影是遥感应用的必要前提。文章利用云像元在不同波段的特征表现,基于云像元表观反射率的统计值,通过构建严格的光谱阈值条件来分离确定的云像元和非云像元,再对云像元进行缓冲区扩展,结合局部区域动态阈值的方法,确定云对象和阴影对象的具体分割阈值,解决了常规采用固定阈值造成的云和阴影检测时产生大量漏检和误检的问题,可为国产高分数据在云和阴影检测技术上提供技术支撑。

陕西神仙垛子皮影的IP形象设计研究

神仙垛子皮影是陕西皮影中的重要组成部分。以民俗价值为核心的IP形象设计可以更好传达地域特点和传统文化。文章分析陕西神仙垛子皮影的文化价值、造型特点和图案形象,探讨其IP设计在民俗文化中的应用,以展现当地文化风貌和传播垛子皮影文化。

Landsat TM遥感影像中厚云和阴影去除

提出了一种新的利用多时相LandsatTM影像数据进行的厚云及其阴影去除的方法。该方法通过分析厚云及其阴影的光谱特征,设计了厚云和云阴影识别模型。该算法的实现是采用图像配准技术、非监督分类、像元替换等运算,计算出厚云和云阴影区域的TM影像替换数据,进而得到消除或者减少云影响的TM遥感影像。试验结果表明本文提出的厚云及其阴影去除方法效果很好,能消除或者弱化云对TM影像数据的影响。

考虑云层影响的大型光伏发电系统辐照强度计算模型

该文模拟云层遮阴导致大型光伏发电系统辐照强度空间分布不均的情形,在考虑太阳辐射随时间变化的同时重点分析了因云层移动导致的太阳辐射空间分布的随机性和不确定性。首先计算任意地点任意时刻的天文辐射强度,依次考虑大气层衰减、电站所在区域的云层的动态影响,计算到达水平地面的辐照强度,最终得到光伏组件倾斜面上的辐照强度。该模型考虑了地形地貌对日出日落时间的影响、云层分布特性及其和天气的相关性、不同类型的云层透光率、"云隙效应"、云层重叠及云层边缘效应,并能以较高时间分辨率进行仿真计算。由于综合考虑了辐照强度的确定性和随机性部分,该模型对研究光伏发电系统暂稳态分析、实时控制及并网光伏发电对电网的影响具有参考意义。

布告板云树木模型的阴影快速生成与绘制

阴影是树木的重要视觉特征,对提高树木绘制的真实感具有重要意义,同时阴影算法的效率也是影响树木绘制效率的重要因素.文中针对树木建模中广泛应用的布告板云(Billboard Cloud)树木模型的特点,提出了Billboard Cloud树木模型阴影快速生成与真实感绘制算法.在传统阴影图算法基础上,采用深度变换的方法解决了Billboard的自遮挡问题,使用阴影图滤波和屏幕阴影图滤波相结合的方法实现了树木软影效果,并利用图形硬件的多绘制目标功能对上述算法流程进行了优化,以提高算法效率.最后以SpeedTree树木模型为例进行了实验,结果表明,文中算法生成的Billboard Cloud树木阴影真实感强,且具有较高的效率.

基于光谱及几何信息的TM图像厚云去除算法

为了去除厚云及其阴影对光学遥感图像的影响,以TM图像为实验数据提出一种基于光谱及几何信息的去厚云算法。在分析单图像云区多光谱特征及对比多时相图像光谱特征的基础上,首先检测光谱特征明显的厚云,依据云和云影成对出现的成像几何关系,按确定的方位和距离搜索云影;然后采用数学形态学的侵蚀与膨胀算法对云区边缘进行碎片去除及填补、合并处理,使其准确反映图像中受云影响的数据总量;最后利用光谱线性回归匹配后的参考图像替换目标图像中的云区,达到去云目的。实验结果表明,上述算法去厚云效果显著,能够有效排除水体及地形阴影对云影识别的影响,具有快速、简单、实用性强的特点。

高分辨率遥感影像中的云阴影去除

文章提出了一种人机交互的半自动云阴影去除算法。首先通过人机交互半自动方式将图像分割为云区域、阴影区域、清晰地物区域以及过渡区域四个部分,然后通过将云阴影区域的直方图映射到清晰区域来对阴影区域灰度进行补偿,最后对边界进行后处理得到一幅过渡平滑的去除了云阴影的图像。实验结果表明,该方法对高分辨率遥感影像中的云阴影去除是有效的。

扎龙湿地水体遥感提取过程中云阴影去除方法研究

以扎龙湿地为研究区,利用空间分辨率高、纹理信息丰富、定位精度高和购买价格相对低廉的ALOS遥感影像,测定了研究区水体等5种典型地物和云阴影的波谱亮度值;根据水体和云阴影的光谱特征,利用阈值法对近红外波段ALOS影像进行阈值处理,将包含云阴影信息的水体信息提取出来;基于ALOS彩色影像,再采用决策树方法自动提取湿地水体信息,同时将云阴影信息去除,并再补充提取因去除云阴影而损失的水体信息;与目视解译结果相比,用本研究方法得到的研究区湿地水体信息精度高于85%。近红外波段阈值法和彩色影像决策树法相结合的方法是一种能有效去除云阴影而高精度获取湿地水体信息的方法。

利用云下阴影实现陆地上空气溶胶和地表反射率的同时反演——理论方法和模拟

卫星探测信号包含大气中分子和粒子的散射贡献以及地表反射的贡献 ,在陆地上空二者的贡献相当 ,并且陆地地表反射率在时间和空间上极度不均一 ,因此 ,很难区分二者的各自贡献从而定量提取大气气溶胶和地表反射率 ,陆地上空气溶胶的反演也一直是一个极具挑战性的课题。而高分辨率卫星资料如TM5的可见光通道能够很好地区分云和云下阴影 ,如果云是不透光的 ,在阴影上空 ,卫星信号仅包含大气散射贡献和地表漫反射贡献 ,而在邻近的非阴影区上空 ,卫星探测信号还包含地表直接反射的贡献。根据这个原理 ,利用辐射传输模式分析了阴影区和非阴影区上空卫星探测的辐射量差别与地表反射率和大气气溶胶的关系 ,提出一种利用云下阴影来同时提取阴影上空大气气溶胶和地表反射率的单波长反演方案 ,并对气溶胶单次散射反照率、散射相函数、测量精度以及地表反射率的不均一性进行了敏感性分析。

遥感影像的云及其阴影覆盖区光谱重构

以往遥感影像的云及其阴影去除方法侧重于受遮盖地物的几何特征恢复,不利于基于光谱特征的信息提取。为此,提出一种基于地物类别特征的光谱重构方法,采用两期相邻年份相近物候期的遥感数据,借助归一化差值和决策树分类的方法,检测厚云及其阴影,并提取相应区域地表覆盖类型信息,对两时相遥感影像各波段被遮挡区的每种地物类别做线性回归分析,获取被遮挡区的重构数据。实验结果表明,该方法在恢复受云影响地物几何信息的同时,较好地实现了遮盖区地物光谱信息模拟。

基于多时相遥感数据的云阴影检测算法

云阴影检测是云检测中的一个重要环节,由于其光谱、纹理特征复杂,云阴影检测一直是云检测中面临的一大难题。本文针对传统云阴影检测方法的不足,提出一种基于多时相遥感数据支持的云阴影检测算法。该算法以同一区域相近时相或不同年份相近日期的卫星遥感地表反射率数据为参考,选取云阴影和典型地表样本点,对样本点进行统计分析,据其动态确定云阴影检测的阈值,并基于云阴影样本点去除土地利用/土地覆被变化对使用该方法进行云阴影检测造成的误判。基于Landsat8OLI数据,选择不同区域碎云、薄云和厚云产生的云阴影分析该方法的有效性,重点分析水体等容易与云阴影混淆的区域。结果表明,该方法能有效识别云阴影,具有较高的整体检测精度。

单幅航空影像中云阴影的自动去除

云阴影的存在严重影响了高分辨率航空遥感影像的视觉效果和影像质量.为去除云阴影,提出了一种无需人工参与的自动处理方法.首先采用光谱特征阈值法初步检测云阴影,再结合形态学方法进行后处理,提取完整的云阴影区域;阴影去除时,设计了一种利用非阴影区域信息、阴影整体区域信息、阴影像素局部窗口及像素本身信息的综合补偿模型,所需参数均可自动获取,进而实现阴影的自动去除.实验表明,区域级、窗口级和像素级多层次信息的引入,使模型的细节敏感度增强,提升了对比度,能灵活根据复杂的云阴影遮挡情况对阴影进行合理提升,有效解决了部分补偿方法存在的补偿效果不均匀的问题,阴影中地物的色彩与纹理等信息均得到更真实的再现.

遥感影像云团和云影检测与去除

以图像处理和分析理论为依据,建立了云团、云影图像模型和区域恢复模型,并采用阈值法对图像分割。用1988年TM遥感影像对2002年ETM遥感影像中云团及云影进行去除试验,再现云团和云影区地物特征,提高遥感影像数据的可用性。结果表明,使用阈值法并利用直方图形态分析选取阈值、检测云团和云影的计算方法简单且效果好;选取合适的两遥感影像灰度平均值之比,可以得到理想的恢复效果,再现云团和云影区地物特征,达到提高遥感影像的可用性。

多光谱图像中云层及阴影的检测与消除

云层及阴影的检测是遥感应用领域的一个非常重要的问题。目前这方面的资料比较少,尤其是在被动接收条件下。提出了一种云层及阴影检测的算法,该算法的主要依据是云层及阴影覆盖区域高平滑性的特征,算法主要包括图像变换、亮度校正、云层及阴影的检测、滤波四个步骤。相对于现存方法而言,优点在于整个算法适合主被动接收条件,算法的处理比较简单,算法实现过程中没有很苛刻的参数选择,算法的适用范围较广。仿真结果不仅验证了上面的分析,而且表明该算法去云层及阴影的效果比较理想。

基于MPHD算法的高分辨率遥感影像对海洋上空的云及其阴影的识别与匹配

对云及其阴影的识别是遥感图像处理中的一项基础性工作,在高分辨率遥感影像中,云及其阴影在图像中的分布是有规律的,利用两者在平坦区域高分辨率卫星影像上具有相似性的特征对其进行识别与匹配,可以比较简单地利用图像域值分割方法得到更好的识别与匹配结果。采用面向对象的思路提取云及其阴影的轮廓,在分析图像分割误差原因的基础上,考虑影像上云与其阴影的空间拓扑关系,应用改进的分数Hausdorff距离的图像匹配方法(MPHD),通过云及其阴影的局部相似的匹配,从而很好地识别出云及与其匹配的阴影,同时还可计算出匹配两者在投影平面上的距离。提出的云及其阴影的识别与匹配算法,为计算云高和应用遥感图像处理云及其云阴影的掩模提供科学依据。

基于随机森林算法构建云-云阴影-水体掩模

遥感图像数据中云和云阴影的存在是影响数据应用的主要原因，专家已经研发了多种去除云及其阴影的方法。在对不同目标像元光谱曲线分析的基础上，研究了基于随机森林（random forests，RF）分类器的云-云阴影-水体掩模建立方法。由于云阴影是阴影与地表物体的叠加，其光谱曲线与水体的光谱曲线之间存在细微的差别，这使得决策树（decision tree，DT）分类方法不能非常有效地应对这种细微差别。RF分类器是建立在多个DT分类结果集成的基础上，其算法原理保证了该算法的稳健性和有效性。研究结果表明：在样本容量较少时，RF算法比DT具有更好的分类效果；而在样本容量增大到250～400个像元时，2种方法的分类效果没有明显区别。这表明RF算法可以成功地用于建立云-云阴影-水体掩模，这将在遥感数据处理中得到更加广泛的应用。

Tree species classification in an extensive forest area using airborne hyperspectral data under varying light conditions

Although airborne hyperspectral data with detailed spatial and spectral information has demonstrated significant potential for tree species classification,it has not been widely used over large areas.A comprehensive process based on multi-flightline airborne hyperspectral data is lacking over large,forested areas influenced by both the effects of bidirectional reflectance distribution function(BRDF)and cloud shadow contamination.In this study,hyperspectral data were collected over the Mengjiagang Forest Farm in Northeast China in the summer of 2017 using the Chinese Academy of Forestry's LiDAR,CCD,and hyperspectral systems(CAF-LiCHy).After BRDF correction and cloud shadow detection processing,a tree species classification workflow was developed for sunlit and cloud-shaded forest areas with input features of minimum noise fraction reduced bands,spectral vegetation indices,and texture information.Results indicate that BRDF-corrected sunlit hyperspectral data can provide a stable and high classification accuracy based on representative training data.Cloud-shaded pixels also have good spectral separability for species classification.The red-edge spectral information and ratio-based spectral indices with high importance scores are recommended as input features for species classification under varying light conditions.According to the classification accuracies through field survey data at multiple spatial scales,it was found that species classification within an extensive forest area using airborne hyperspectral data under various illuminations can be successfully carried out using the effective radiometric consistency process and feature selection strategy.

基于遥感的山区土地覆盖分类研究——以重庆市酉阳县为例

以酉阳县为例,利用TM卫星遥感影像及相关资料提取土地覆盖信息。针对山区地势起伏大、地形复杂,且常年多云雾、分类难度大的特点,着重加强对影像的地形校正、阴影去除、去云处理,以此来提高图像分类精度。研究结果表明,这种方法能有效的提取TM卫星遥感土地覆盖信息。

TM影像解译中去除云层及其阴影方法研究

目的对TM(Thematic Mapper,专题制图仪)影像上的云层及其阴影进行处理以识别被覆盖的地物。方法在遥感图像处理软件ERDAS的支持下,综合运用该软件提供的多种图像处理方法,分别进行去除云层及其阴影试验。结果利用空间卷积运算、傅立叶变换、傅立叶图像编辑、傅立叶逆变换组合和缨帽变换的方法有效地去掉了试验区图像上的云层;利用去霾处理和主成分分析方法按一定顺序组合将有效地去除云层的阴影。结论该方法及其思想不仅可用于去除云层和阴影对遥感图像质量的影响,而且也可用于其他图像处理中,如影像的割补、分类后处理等。