影像去云 - 实验报告 - 图文

TM影像去云实验报告

1. 实验数据：TM影像LT511903820090606中的六个波段（Band 1,2,3,4,5,7）截取淀山湖地区完成以下实验。

2. 实验方法：使用Haze Tool工具包。

将Haze Tool工具包置于***\\ITT\\IDL71\\products\\envi47\\save_add文件夹内，然后运行ENVI，Basic Tool菜单中会出现一个Haze Tool按钮。此过程中不可修改文件名，否则工具包无法使用。

Haze Tool主要由三部分组成：云层厚度检测（haze detection），云层厚度完善（haze perfection），云层去除（haze removal）。这三部分前后连贯，每一步的结果都会影响到最终的除云效果。

云层厚度检测

建立无云区ROI Perfection TM云层厚度完善 云层检测Perfection QB

生成HOT影像

Dark Substract

Hist match云层云除

Cloud Point

实验步骤包含以下三步： Step 1. 云层厚度检测

一幅影像中往往云层厚度不一致，因此不同厚度云层覆盖下的地表需要恢复的强度也不一样（不考虑厚云完全遮挡地面的情况）。此模块中云层厚度检测有两个指数：HOT13和HOT123。两者都是相对厚度检测，而不是绝对的光学厚度检测，HOT123是HOT13的改进。 当没有厚云存在时，云非常薄的情况下，有的时候可以选择原始方法HOT13。

（1） HOT13

HOT13（原称是HOT,13是加上云的标号，以示与HOT123的区别）是由加拿大遥感研究中心的Zhang Ying提出的（Zhang et al.2002）。根据地物在蓝色（TM1）和红色（TM3）波段的高度相关性，在特征空间里绝大部分像素分布在晴空线上。云的存在会使得云下地物的光谱偏离这条晴空线，云越厚，偏离越大。HOT13等于偏移距离。

（2） HOT123

在很多情况下，蓝色（TM1）和红色（TM3）高度相关，相关系数大于0.9。但是，当地物更加复杂的时候往往不成立。比如除了植被，同时存在大量的土壤和水体，水体非常浑浊等。在Quickbird等高分辨率影像中，除了柏油和水泥以外的其他彩色地物也会降低HOT13的准确性。HOT123是对HOT13的改进，即利用可见光波段（TM1\\2\\3）提取云层厚度。

HOT????k?*b??k?*b??k?*b??b

k?\\k?\\k?\\b这4个参数的值使得

|Mean_cloud?Mean_clear|最小。其中，Mean_cloudSD_clear和Mean_clear分别是有云区域（选择的区域云层越厚越好）和无云区域的HOT123平均值，SD_clear是无云区域的HOT123标准差。

Hot123要满足有云区域和无云区域的厚度差值尽可能大，而又要使无云区域（背景）的方差尽可能小。

Step2. 云层厚度完善

虽然Step1 中尽可能地突出云层信息，抑制背景信息，但是仍然有不少无云区域的云层厚度值偏离零很大，主要发生在水、浪花、土壤、雪、建筑区等地物上。

当地物很复杂的时候就需要对HOT值进行一些额外处理，以修正这些偏差。当然，云层厚度完善中的几种方法都是非必须的，可以根据影像的特征酌情选用，也可不用。

其中，Haze perfection QB适用于几乎所有光学遥感影像，如Quickbird等4波段影像（也适用于TM等更多波段影像），这类影像会有几个可见光波段被云污染。这里包含四种可供选择的方法：maskandinterpolation、thresholdandinterpolation、fill_sink、flattern_peak。其中，fill_sink和flatten_peak非常占内存，是haze tool最大能处理的影像的限制步骤。

Haze perfection TM只适用于TM等含有中红外波段的影像，中红外波段往往很少受薄云影响。这种方法的灵感来自Liang shunlin的聚类匹配方法（Liang et al.2001; Liang et al.2002），稍作修改后可用于HOT值的完善。该方法以利用TM4\\5\\7波段进行非监督分类的结果作为输入参数，通过计算每类地物的平均HOT值并将其减去以达到归零的目的。

不管选择哪一个，处理后的结果都需要重新将无云区域ROI内的HOT平均值归零。因此，必须确保在进行云层厚度完善操作之前，内在中有无云区域的ROI存在，否则最后将不会进行归零操作。

Step3 云层去除

完成了云层厚度检测和云层厚度完善之后即可进行云层去除。此工具包中提供了三种方法：Dark Substract（暗物质法），Hist match（直方图匹配法）和Cloud Point（云点法）。Hist match是分层直方图匹配方法，即将HOT图像分层分割，然后以无云区域ROI作为参照对每一层进行直方图匹配操作。这种方法在地物分布较均匀的情况下效果较好。与暗物质法一样，也会因为分层的原因导致分块效应。云点法是暗物质法的改进，相同之处是仍然要对HOT图像进行分层分割，不同之处是每层同时提取上限和下限两个值。通过上限和下限分别回归得到两条回归直线的交点即云点（代表最厚的云）。以上这些方法都是按照云层厚度对图像进行分层除云处理。

3. 实验过程与结果

543波段组合成的图像如下图1.1所示

图1.1(a)波段组合原始影像图1.1(b) 截取的实验影像(sub0606)

图1.2 有云和无云的ROI选取

图1.3 选择待处理影像

Step1 云层厚度检测

这里选择HOT123方法，所选有云ROI和无云ROI如图1.2所示，其中红色区域为

clearsub.roi，即无云区；绿色区域为yun.roi，即云层遮挡区。操作步骤如下： 1) 打开待处理影像，建立无云区域ROI和有云区域ROI作为对照，并保存； 2) Basic Tool?haze tool?haze detection?HOT123;

3) 弹出对话框选择待处理的影像，并且在Spectral subset中选择蓝色、绿色和红色三

个波段，即TM影像上的第一第二第三波段，如图1.3；选择有无云和有云区，如图1.4。

4) 生成HOT123图像，如图1.5所示。

图1.4（a）选择无云区图1.4（b）选择有云区

图1.5 生成的HOT123图图2.1 选择457波段作非监督分类

Step2 云层厚度完善

这里选择Haze perfection TM方法，操作步骤如下： 1) 利用TM4/5/7波段进行非监督分类，类的数量我们采用20-50类，选择的是非监督分类

中的isodata分类法，如图2.1所示；

2) 选择所需要处理的HOT影像，这里选择Step1中得到的HOT123； 3) 选择对应的非监督分类图；

4) 选择无云区域的ROI，这里是clearsub.roi;

5) 决定是否要对某些方差特别大的类型进行插值操作，如图2.2所示。这里选择Cancel。

图2.2 得到的HOT123的均值和方差图

Step3 云层去除

这里采用云点法去除云层。具体操作步骤如下：

1) 选择需要除云的影像，并且在Spectral subset 中选择需要除云的波段，这里选用可见光

波段和近红外波段，如图3.1所示。

2) 选择经过云层厚度检测和云层厚度完善而得到的HOT123影像。

3) 选择有云区域ROI计算云点，ROI的选择直接决定了最终的除云质量。若选择Cancel

表明利用整幅影像计算云点，不仅计算量大，而且效果不如人工选择更合适的区域。

图3.1 选择需要除云的波段

4) 对图像云层进行切割分别处理。[minimum,maximum]范围外将不被处理，默认情况下，

minimum=最小HOT，maximum=最大HOT。Increment表示切割云层的厚度，默认情况下increment=1。Lowerandupperlimite是作为下限的固定百分点，默认情况下等于2%，那么上限的固定百分点是98%。0%则表示最小值作为下限，最大值作为上限。确定后，会输出各层的结果图：

本文来源：https://www.bwwdw.com/article/rzc5.html