由于气候的原因,获取全无云的遥感影像有时是比较困难的,大部分影像在获取时都会或多或少的受到云以及云在地面投射时的阴影以及气溶胶等的影响。这给许多遥感影像的应用者带来了麻烦,如何从遥感影像中去除云的影响,往往是许多应用者所面临的首要问题。前人在这方面做了大量的工作,如赵忠明、朱重光等人的同态滤波法去云处理; S Wisetphanichkij , K De2jhan 等人的小波分解法去云处理; B Guindon , YZhang 提出的基于薄云最优化转换(HOT) 法的去云处理。此外还有时间平均法,即利用同一地区不同时相的影像,采用同周期近时相的影像资料的相对变化率来反演替代有云区,以达到去云的目的。常规的云处理算法会随云的覆盖类型的不同而不同,对在大范围内存在薄云的影像来说,采用同态滤波法较好。同态滤波法把频率过滤与灰度变化结合起来,分离云与背景地物,最终从影像中去除云的影响,这种方法由于涉及到滤波器以及截至频率的选择,在滤波的过程中有时会导致一些有用信息的丢失。对于局部有云的影像来说,一般使用时间平均法,这种算法适用于地物特征随时间变化较小的地区,如荒漠、戈壁等地区;对于植被覆盖茂密的地区,由于植被的长势与时间有密切的关系,不同时相的植被长势在影像中有明显的区别,这种简单的替代算法不再适用。
字串4
对影像进行去云处理,不光是要简单地提高影像分类及制图的精度,同时也是对影像进行大气纠正以及对地物信息进行提取的重要步骤。宋晓宇、刘良云等以Landsat7 ETM + 影像为例,使用了基于单景遥感影像的去云处理算法,该算法利用对地物覆盖类型的分类结果,以及对影像云区检测的结果进行去云处理。算法的优点是能够从影像中去除云的影响,同时还能够恢复不同云区覆盖下的地物光谱信息,可为影像的进一步处理奠定良好的基础。
上一篇：
Windows平台下GeoServer1、uDig的安装和使用 下一篇：
DEDECMS session_start(): Cannot send session cookie 错误的解决方法
收藏本文:
闽ICP备06027130号