吳金亮

（中國電子科技集團公司第五十四研究所，河北石家莊050081）

國產(chǎn)高分多光譜數(shù)據(jù)的自動云檢測

吳金亮

（中國電子科技集團公司第五十四研究所，河北石家莊050081）

針對國產(chǎn)高分多光譜影像質量判定的需求，提出閾值法與聚類分析相結合的云檢測算法。分析大量高分多光譜影像中云區(qū)的特征，計算云區(qū)值域的統(tǒng)計區(qū)間。根據(jù)統(tǒng)計結果，首先識別出影像中云區(qū)的種子區(qū)域和地物的種子區(qū)域。利用相似性聚類分析，進一步細化未識別區(qū)域，檢測出影像中完整的云區(qū)。該方法在大量高分多光譜影像數(shù)據(jù)上進行實驗，均得到較好結果。

閾值法聚類分析圖像分割云檢測

1　引言

2013年4月26日，高分一號衛(wèi)星成功發(fā)射升空。高分一號影像數(shù)據(jù)包括2 m/8 m全色、8 m/16 m多光譜四類。截至2013年底，高分一號衛(wèi)星共向用戶部門提供了2 m/8 m影像247 731景，16 m影像75 766景，在國土資源調查與動態(tài)監(jiān)測、地質災害監(jiān)測，氣候變化監(jiān)測和農(nóng)業(yè)設施分布調查等方面發(fā)揮了重要作用。

影像數(shù)據(jù)的質量極易受拍攝地區(qū)的天氣狀況影響，發(fā)生信息的損失及污染，對后續(xù)的信息處理造成影響，如地物的分類、目標的檢測和地物的識別等。由于天氣狀況的影響，云的遮擋造成的污染最常見也最嚴重。對影像數(shù)據(jù)進行質量檢測，計算其被云遮擋的區(qū)域范圍，有著重要的應用價值，可以避免無效數(shù)據(jù)的存儲及其對后續(xù)計算資源的浪費。高分影像數(shù)據(jù)量巨大，質量檢測如果完全依賴人工操作，將大大增加人力成本和時間成本。自動云檢測算法將減少人工操作，提高效率并降低成本。

2　相關工作

目前有大量云檢測算法被提出。楊俊等［1］利用插值法獲取局部閾值來識別云區(qū)，周麗娟［2］提取圖像結構紋理特征，利用SVM優(yōu)化分類面實現(xiàn)云檢測，曹瓊等［3］分析圖像的紋理特征，并結合簡單分類面實現(xiàn)自動云檢測，鄭君杰等［4］將圖像紋理特征以及神經(jīng)網(wǎng)絡引入到云檢測算法中。目前的遙感影像云檢測主要依據(jù)國外衛(wèi)星（Landsat、MODIS和NOAA等）的影像進行分析處理。針對國內高分影像數(shù)據(jù)的云檢測算法研究較少。相較于國外的高分影像數(shù)據(jù)，國內高分數(shù)據(jù)在空間分辨率、波譜參數(shù)方面都有所不同，處理方式也不相同，本文主要針對國內高分多光譜影像數(shù)據(jù)進行自動云檢測。

3　云區(qū)特征統(tǒng)計分析

高分多光譜影像有4個波段，每個波段提供大量地物信息，為自動云檢測提供數(shù)據(jù)基礎。通過分析大量高分多光譜影像中云區(qū)的特征，發(fā)現(xiàn)云區(qū)的值域區(qū)間與地物的值域區(qū)間存在較大差異，可以通過閾值法進行簡單區(qū)分。分析高分多光譜影像及其對應的剖面圖，顯示云區(qū)中像素在各個波段的取值都集中于較高的值域區(qū)間，而地物像素會在某個波段取較低值。

4　云區(qū)識別及提取

提出的自動云檢測算法對于待檢測的高分多光譜影像數(shù)據(jù)，首先利用均值偏移算法［5］對其進行分塊預處理，以每個分割塊作為基本處理單元，利用統(tǒng)計閾值進行初步檢測，利用相似性聚類分析來細化粗分結果，下面章節(jié)將詳細描述相關處理。

4.1分塊預處理

影像分塊作為云檢測預處理，合并相鄰的相似像元。以分割塊作為處理單元可以降低后續(xù)處理的計算復雜度，提高處理的穩(wěn)定性。采用均值偏移算法對影像進行分塊處理，均值偏移算法通過不斷迭代偏移均值，將相似像素進行聚類合并。如圖1所示，圖1（a）為輸入的高分影像，（b）為其對應的分割結果，每個分割塊的顏色值取區(qū)塊內像素點的平均值。定義2個分割塊p和q在CIE-Lab顏色空間的距離：

圖1　提出的自動云檢測流程

4.2統(tǒng)計閾值法云檢測

利用云區(qū)的統(tǒng)計值域區(qū)間與地物的統(tǒng)計值域區(qū)間，對輸入的高分多光譜影像進行初步云區(qū)檢測，識別出云區(qū)的種子區(qū)域及地物的種子區(qū)域。圖1（c）顯示了根據(jù)統(tǒng)計的閾值進行初步檢測的結果，可以看出主要的云區(qū)已經(jīng)被檢測出來，但是檢測結果不完整，很多不在統(tǒng)計區(qū)間的云區(qū)，未能檢測到。圖1（d）顯示了檢測結果的掩碼圖，紅色區(qū)域為檢測到的云區(qū)，藍色區(qū)域為檢測到的地表區(qū)域，白色區(qū)域為需要進一步檢測細化的區(qū)域。

4.3相似性聚類分析

受Huang等［6］工作的啟發(fā)，以閾值法檢測的種子區(qū)域為基礎，利用聚類分析的思想，對尚未識別的區(qū)域進行細化判斷。對于已經(jīng)檢測到的云區(qū)，指定其標簽為0，對于已經(jīng)檢測的地表區(qū)域，指定其標簽為1。聚類分析的目的，為對尚未識別的區(qū)域，為其指定對應的標簽，確定其屬于云區(qū)還是地表區(qū)域。

將Huang等的算法框架應用到云區(qū)檢測，通過優(yōu)化如下能量函數(shù)，計算每個結點對應的標簽，來確定其屬于云區(qū)還是地表區(qū)域，

其中，λ為常量，用于控制檢測的云區(qū)平滑連續(xù)，β為常量，用于控制分類過程中對顏色變化差異的容忍程度。的大小反映2個相鄰結點之間的相似性，2個結點越相似其值越大，該能量用于細化云區(qū)的邊界，避免出現(xiàn)邊界偏移問題。相似性度量定義為：

利用最大流/最小割優(yōu)化算法［7］對能量函數(shù)進行快速求解，得出每個結點的標簽，檢測影像中的整個云區(qū)，檢測結果如圖1（e）所示。

5　實驗結果

對多幅不同的高分影像進行云檢測實驗，實驗結果如圖2所示。圖2（a）為原始高分影像，圖2（b）為檢測結果，為更好地顯示檢測結果，在檢測結果圖中添加了一個半透明的白色圖層，用于標識檢測到的云區(qū)，檢測到的云區(qū)邊界用紅色顯示。對大量遙感影像的統(tǒng)計分析，得出的云區(qū)的統(tǒng)計區(qū)間為［720，1024］，地物的統(tǒng)計區(qū)間［0，300］。高光譜影像中4個波段的值都位于［720，1024］區(qū)間，則確定為云區(qū)的種子區(qū)域。4個波段中有一個值位于［0，300］，確定為地表的種子區(qū)域。相似性聚類分析中，獲取相似性結點對集合的閾值取，用于控制各項能量的平衡參數(shù)、，影響分割結果平滑程度的參數(shù)。對于大小為4 500★4 548的多光譜影像，算法處理時間在10 s以內，主要消耗在對影像的分割預處理和最大流/最小割優(yōu)化求解上。

圖2　檢測結果

6　結束語

閾值法與相似性聚類分析的結合，魯棒地實現(xiàn)了對國產(chǎn)高分多光譜影像數(shù)據(jù)的自動云檢測。實驗結果表明，提出的算法有較高的云檢測精度，但在薄云檢測方面，仍有待進一步提高。算法目前還達不到實時檢測的程度，瓶頸在分割預處理和最大流/最小割優(yōu)化求解上，正在結合算法的GPU實現(xiàn)來加速處理，以實現(xiàn)對高分影像的實時自動云檢測。

［1］楊俊，呂偉濤，馬穎，等.基于局部閾值插值的地基云自動檢測方法［J］.氣象學報，2010，68（6）：1007-1017.

［2］周麗娟.可見光衛(wèi)星圖像的云檢測算法研究［D］.西安電子科技大學，2012：6-10.

［3］曹瓊，鄭紅，李行善.一種基于紋理特征的衛(wèi)星遙感影像云探測方法［J］.航空學報，2007，28（3）：661-666.

［4］鄭君杰，黃峰，張韌，等.基于紋理與分形理論的氣象衛(wèi)星云圖目標物識別［J］.氣象科學，2005，25（3）：244—248.

［5］Commaniciu D，Meer P.Mean Shift：A Robust approach toward Feature Space Analysis［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2002，24（5）：630-619.

［6］Huang H，Zhang L，Zhang H C.RepSnapping：Efficient Image Cutout for Repeated Scene Elements［J］.Computer Graphics Forum，2011，30（7）：2059-2066.

［7］Kolmogorov V，Zabih R.What Energy Functions Can Be Minimized Via Graph Cuts？［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2004，26（2）：147-159.

Cloud Detection Algorithm for Domestic High-Resolution Multispectral Image Data

WU Jin-Liang
（The 54th Research Institute of CETC，Shijiazhuang Hebei 050081，China）

In order to conduct quality judgement of domestic high-resolution image，the cloud-detection algorithm is proposed，which combines the threshold value method with the cluster analysis.By studying the features of clouds in many high resolution multispectral images，the statistical area of cloud value range is calculated.According to the statistical result，the algorithm can be used to identify the seed regions of cloud and object.The unlabeled region is further refined and the whole cloud region is detected by using similarity cluster analysis.Some experiments are conducted on a large number of high-resolution image data are conducted，and the results show that this algorithm has high performance.

threshold value method；cluster analysis；image segmentation；cloud detection

TP303

A

1008-1739（2015）14-45-4

定稿日期：2015-06-26