徐永強，周　俊，趙海富，仉樹軍，吳金亮

(1. 總參陸航研究所，北京 101121； 2. 中國電子科技集團公司第五十四研究所，河北 石家莊 050081)

A Semi-inverse Approach to Detect Cloud

XU Yongqiang，ZHOU Jun，ZHAO Haifu，ZHANG Shujun，WU Jinliang

?

半逆法自動云檢測

徐永強1，周俊1，趙海富1，仉樹軍1，吳金亮2

(1. 總參陸航研究所，北京 101121； 2. 中國電子科技集團公司第五十四研究所，河北 石家莊 050081)

A Semi-inverse Approach to Detect Cloud

XU Yongqiang，ZHOU Jun，ZHAO Haifu，ZHANG Shujun，WU Jinliang

摘要：針對高分影像質量判定的需求，提出色度過濾法和半逆法相結合的云檢測算法。根據(jù)色度過濾，識別可疑云區(qū)，生成搜索掩碼；利用半逆法，生成原圖的半逆圖像，度量色度差異，識別高亮云區(qū)；由高亮云區(qū)在掩碼區(qū)迭代搜索，進一步達到對薄云的檢測，迭代策略的使用避免了城區(qū)對薄云區(qū)檢測的干擾。該方法在大量高分影像數(shù)據(jù)上進行了試驗驗證， 均得到較好結果。

關鍵詞：色度過濾；半逆法；圖像分割；顏色空間

一、引言

高分一號自投入使用以來，在土地利用變更調查、地質災害監(jiān)測、生態(tài)環(huán)境監(jiān)測、耕地數(shù)量調查、農業(yè)設施分布調查等方面發(fā)揮著越來越重要的作用。首批高分影像數(shù)據(jù)包括2 m全色、8 m多光譜、2 m全色8 m多光譜融合、16 m多光譜4類。

衛(wèi)星在獲取影像時，很容易受到拍攝地區(qū)天氣狀況的影響，其中云區(qū)對地物的遮擋直接影像拍攝影像的可用性。云區(qū)遮擋地物信息不僅造成采集信息的缺失，而且給影像后續(xù)的使用帶來極大干擾，直接影響地物的分類、目標的檢測、地物的識別等。影像數(shù)據(jù)接收后，對其進行質量檢測，識別其被云影響的區(qū)域范圍，有很大實用價值。高分影像數(shù)據(jù)量巨大，如果質量檢測完全依賴人工操作，將消耗大量人力和時間。云自動檢測算法自動對影像中的云區(qū)進行檢測，篩選排除被云高度污染的影像，將極大地減少人工操作，提高效率。

二、研究背景介紹

云主要由空氣中的水汽凝結而成，云中粒子直徑遠大于太陽入射波長，對可見光無選擇性反射及散射，即紅、綠和藍光的反射量相同，散射量也相同。因此在可見光波段中，云色調較亮呈現(xiàn)白色或灰白色，反射率接近1。

目前有大量云檢測算法被提出。Cao等[1]利用積分法對高分辨率影像進行自動云檢測；Smith等[2]利用天頂角和云透射率結合閾值分割云區(qū)；Souza-echer等[3]在HIS顏色空間中利用平行六面體法識別云區(qū)；楊俊等[4]利用插值法獲取局部閾值來識別云區(qū)； 曹瓊等[5]分析圖像的紋理特征進行云區(qū)的提取。目前的云檢測算法主要是針對國外衛(wèi)星(Landsat、MODIS、NOAA等)影像進行處理。國內高分影像數(shù)據(jù)近期才發(fā)布，針對其影像數(shù)據(jù)的云檢測算法研究較少，并且空間分辨率、波譜參數(shù)不同，算法處理也不相同。本文算法主要針對國內高分多光譜影像數(shù)據(jù)進行自動云檢測。GF-1衛(wèi)星有效光譜參數(shù)見表 1。

表1　GF-1衛(wèi)星有效光譜參數(shù)　μm

三、云區(qū)識別及提取

算法的整體處理流程如圖1所示。對于待檢測的高分影像數(shù)據(jù)，首先利用meanshift算法[7]對其進行分塊預處理，以每個分割塊作為基本處理單元， 利用色度過濾法去除彩色區(qū)域，利用半逆法識別可信云區(qū)，再擴延識別出薄云區(qū)域。

圖1　半逆法自動云檢測流程

1. 分塊預處理

圖像分割作為云檢測預處理，合并相鄰的相似像元，分離相異像元。相比于影像中單個像素，分割出的區(qū)域具有相同或相似的光譜及紋理特性。本文采用meanshift算法對圖像進行分塊處理。meanshift算法通過不斷迭代偏移均值，將相似像素進行聚類合并。分割算法中最小分割區(qū)域的設置可以去除掉孤立的高亮像素點，提高算法的穩(wěn)定性及魯棒性。圖2(a)為輸入的高分影像；圖2(b)為其對應的分割影像，每個分割塊的顏色值是區(qū)塊內像素點的顏色值平均值。

圖2　CIE Lab色度過濾

2. CIE Lab色度過濾

將分塊的高分影像(圖2(b))由RGB顏色空間映射到CIE Lab 顏色空間。CIE Lab顏色空間為均勻顏色空間，視覺感知距離與顏色空間中點的距離成比例。其中，L代表亮度;a正值代表紅色，負值代表綠色；b正值代表黃色，負值代表藍色。CIE Lab顏色空間中的3個坐標是相互獨立的。色度度量a,b絕對值的大小，度量了顏色偏移白色或灰白色的距離。從RGB顏色空間到CIE Lab顏色空間的變換公式如下

(1)

(2)

(3)

圖2(c)顯示了映射的強度分量，圖2(d)、(e)對a、b取絕對值，并映射到[0, 255]進行顯示。圖2(d)、(e)顯示每個分割塊的色度跟強度大小無關，真實地反映了色彩強度。 圖2(f)為色度過濾生成的可疑云區(qū)掩碼圖，在算法處理中，掩碼圖生成的判斷標準為Dct<10。生成的掩碼圖覆蓋了圖像中表現(xiàn)接近灰色或白色的區(qū)域，過濾了山區(qū)植被區(qū)， 縮小后續(xù)云區(qū)識別的范圍。

3. 半逆法識別

筆者受He等工作[8]的啟發(fā)，并分析了大量含云高分多光譜影像數(shù)據(jù)，發(fā)現(xiàn)在云區(qū)中，每個像素點的每一個顏色通道都有較高值，而非云區(qū)中，像素分布滿足暗點原理, 即每個像素點的周圍都會包含暗點像素，即其至少在某一個顏色通道上有很小值(r、g或b)，接近于0, 具體原理細節(jié)可參考文獻[8]。Ancuti等[9]進一步延伸暗點原理，提出了像素半逆法，用于霧效去除。 經過大量高分多光譜影像的測試發(fā)現(xiàn)，半逆法在檢測云區(qū)方面也有較好效果，云區(qū)內每個像素點各通道值均較大，進行半逆處理，仍得到原始值，而對于在某一個通道上有較低值的像素點，進行半逆處理后，色度有很大變化。

(4)

圖3　半逆法提取云區(qū)

4. 薄云區(qū)檢測

半逆法檢測了高亮顯示的云區(qū)，色度過濾排除了色彩明顯的地物的干擾。從高亮云區(qū)向周圍擴延，進一步對薄云區(qū)進行檢測。如圖4(a)所示, 從半逆法檢測的高亮云區(qū)開始，基于色度過濾產生的掩碼(圖2(f)), 向周邊迭代遍歷檢測薄云區(qū)。 遍歷范圍為圖2(f)對應的掩碼區(qū)域，在每個分割塊周圍臨域尋找薄云區(qū)域，并迭代進行。采用閾值法對薄云區(qū)進行判別，RGB顏色通道的最小值大于90。 該判斷基于暗點原理，即非云區(qū)在某一個通道上值較小，接近于0。在擴延過程中考慮近紅外波段的影響(近紅外波段為0.77～0.89 μm)，植被葉片結構產生的多重反射，導致其反射率較高，通常用于識別植被覆蓋。擴延中如果近紅外的值大于RGB通道的最小值，即停止外擴。檢測結果如圖4(b)所示。

圖4　薄云區(qū)檢測

四、結果及比較

檢測結果圖4(b)所示， 不僅檢測了影像中的高亮云區(qū)，對其周圍的薄云區(qū)也有較好檢測結果。半逆法及薄云區(qū)檢測策略的使用使算法排除了城區(qū)對薄云區(qū)檢測的干擾，實現(xiàn)了魯棒的云檢測效果。圖5列出了其他一些檢測結果。圖5(a)為原始高分影像， 圖5(b)為檢測結果圖。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)。在圖像分割中，使用同一組參數(shù)對原始影像進行分塊預處理。在色度過濾中，閾值統(tǒng)一設置為10，該閾值的選擇考慮了云區(qū)顏色可能出現(xiàn)的色偏現(xiàn)象，提高了算法的適用性。半逆法中，閾值也統(tǒng)一設置為10， 對云區(qū)的顏色偏移，也有一定的適應性。而薄云區(qū)閾值的選擇，是作了大量測試得出的經驗值。但大量試驗證明，檢測效果很好。對于大小為4500像素×4548像素的多光譜影像，算法處理時間在10 s以內。該時間主要消耗在對影像的分割預處理上，有待改近。算法的處理時間相對于人工檢測云覆蓋，已經大大減少了。人工檢測涉及打開影像、查看、量算云區(qū)面積，整個工作流程繁瑣，耗時，還易出現(xiàn)漏查的情況。相對人工檢測，自動云檢測提供了效率更高的選擇。

圖5　檢測結果

五、結束語

色度過濾法及半逆法的結合，實現(xiàn)了對高分影像數(shù)據(jù)的自動云區(qū)檢測。檢測算法可以較好地排除城區(qū)對薄云區(qū)檢測的干擾。算法目前還達不到實時檢測的程度，瓶頸在于分割預處理，筆者正在尋找更快速的分割算法對其進行替代，以實現(xiàn)對高分影像的實時自動云檢測處理。

參考文獻：

[1]CAOQ，ZHENGH.AMethodforDetectingCloudinSatelliteRemoteSensingImageBasedonTexture[J].ActaAeronauticaetAstronauticaSinica, 2007, 28(3):661-665.

[2]SMITHS，TOUMIR．MeasuringCloudCoverandBrightnessTemperaturewithaGroundBasedThermalInfraredCamera[J]．JournalofAppliedMeteorolClimital，2008，47(2):683-693．

[3]SOUZA-ECHERMP，PEREIRAEB，BINSLS，etal．ASimpleMethodfortheAssessmentoftheCloudCoverStateinHighLatitudeRegionsbyaGroundBasedDigitalCamera[J]．JournalofAtmosphericandOceanicTechnology，2006，23(3):437-447.

[4]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．

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

[6]楊寧. 高分辨率影像面向對象分類特征選擇方法研究[D]. 西安: 西安科技大學, 2012.

[7]COMMANICIUD，MEERP.MeanShift:ARobustApproachtowardFeatureSpaceAnalysis[J].IEEETransactionsonPatternAnalysisandMachineIntelligence, 2002, 24(5)：630-619.

[8]HEKM,SUNJ,TANGXO.SingleImageHazeRemovalUsingDarkChannelPrior[C]∥IEEEConferenceonComputerVisionandPatternRecognition.Miami,FL:IEEE, 2009: 1956-1963.

[9]ANCUTICO,ANCUTIC,HERMANSC,etal.AFastSemi-InverseApproachtoDetectandRemovetheHazefromaSingleImage[C]∥10thAsianConferenceonComputerVision.BerlinHeidelberg:Springer,2011: 501-514.

引文格式： 徐永強，周俊，趙海富，等. 半逆法自動云檢測[J].測繪通報，2015(1)：63-65.DOI:10.13474/j.cnki.11-2246.2015.0012

作者簡介：徐永強(1974—)，男，高級工程師，研究方向為空天信息應用。E-mail： xyq77@126.com

收稿日期：2014-07-10

中圖分類號：P237

文獻標識碼：B

文章編號：0494-0911(2015)01-0063-03