利用多时相数据去除光学遥感影像大面积厚云的方法

摘要

本发明公开了一种利用多时相数据去除光学遥感影像大面积厚云的方法：如果光学遥感影像中存在大面积的厚云，而该区域其他时相的影像存在无云数据，则可利用它们的互补信息对云区数据进行修复重建。首先利用所有时相的无云数据进行字典学，自适应地顾及影像间的相关性，学出一个过完备的字典及该影像的最佳稀疏表示系数，最后对厚云区的数据修复重建。本发明利用不同的多时相影像厚云区的互补信息，以各影像的相关性作为权重，借助新兴的稀疏表达理论填补影像厚云区数据，不仅取得了较高的精度，还拓展了大面积厚云去除的思路，具有重要的实际意义。

主权项

一种利用多时相数据去除光学遥感影像大面积厚云的方法，其特征在于，包括以下步骤：步骤1，将所需处理的多时相影像序列进行几何校正，得到同一区域不同时相的影像；步骤2，对同一区域不同时相的影像进行厚云区检测，得到各时相影像的云掩膜，并计算各时相影像非厚云区的相关系数如下，$\mathrm{CC}(x,y)=\frac{\underset{i=1}{\overset{N}{\Sigma }}(x_i-{\mu }_x)(y_i-{\mu }_y)}{\sqrt{\underset{i=1}{\overset{N}{\Sigma }}{(x_i-{\mu }_x)}^2}\sqrt{\underset{i=1}{\overset{N}{\Sigma }}{(y_i-{\mu }_y)}^2}}$其中，x、y是两幅影像，N是影像的像素个数，x_i、y_i是影像x、y中的第i个像素，i的取值为1,2,…N，μ_x、μ_y分别是两幅影像对应的影像均值；步骤3，将同一区域不同时相的影像按照时间序列组成多维的空间光谱影像，对空间光谱影像划分影像子块，将所有的影像子块重组为二维的矩阵；将步骤2所得各时相影像的云掩膜按照时间序列组成空间光谱云掩膜，对空间光谱云掩膜划分掩膜子块，将所有的掩膜子块重组为二维的矩阵；实现方式如下，对空间光谱影像采用尺寸为n×n的窗口滑动划分成大小为n×n×k的影像子块，其中，k是影像的光谱维数，即同一区域不同时相的影像的个数，然后将每一个影像子块重组为一个列向量，并将所有的列向量按滑动顺序组成一个二维的矩阵；并且，对空间光谱云掩膜采用尺寸为n×n的窗口滑动划分成大小为n×n×k的掩膜子块，然后将每一个掩膜子块重组为一个列向量，并将所有的列向量按滑动顺序组成一个二维的矩阵；步骤4，根据以上的影像子块和掩膜子块的矩阵进行字典学习，重建影像厚云区域。