基于纹理和空间特性的城市遥感影像云检测方法

基于云的纹理和空间特性的检测方法与物理方法本质上都属于阈值法，只是检测的依据不同，物理方法进行遥感图像云检测的依据是辐射值，即辐射信息，而纹理和空间特性的方法进行云检测的依据是图像的空间信息。随着遥感图像空间分辨率的提高，纹理特征在遥感图像处理过程中的作用越来越重要，而遥感图像中云的存在显著增加了辐射度的空间变化性。因此使用云的纹理和空间特性进行云检测是一个有效的途径(图7-4)，其中比较常用的方法有空间变化检测法和纹理特征法。

空间变化检测法的思想是被云覆盖图像的辐射变化剧烈程度要高于干净的图像，主要方法是计算每一个像素邻域的辐射变化值并与某个阈值进行比较。空间变化检测法适合于对海洋背景上的云区检测，缺点是计算量较大。如Solvsteen等(1995)提出的空间变化检测法用于海洋背景上的云检测，方法是在整幅图像上计算每个小矩形区内的变化值，例如，小矩形区内的标准偏差大于某个阈值，那么该矩形区就被判为云，和该方法相关的是空间一致法(Spatial Coherence)。

(www.xing528.com)

图7-4　基于纹理和空间特性的云检测方法

纹理特征法利用图像纹理是反映图像光谱亮度值空间变化的一种特征这一特性进行云检测。云的纹理特征属于随机纹理，它的纹理基元虽然千变万化，但是与下垫面物体相比，有自己不同的统计纹理特征:如云区一般比下垫面亮，对应的灰度级较高；云的边缘呈现出比较尖锐的变化，有较多的灰度突变特征。云图像的特征分为三类:①灰度特征，包括均值、方差、差分、熵和直方图；②频率特征，包括DCT变换域特征、小波变换域特征；③纹理特征，包括Sobel边缘、共生矩阵。