秦 雁，鄧孺孺，何穎清，陳 蕾，2，陳啟東，熊首萍

(1.中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣州 510275;2.國(guó)家海洋局南海海洋工程勘察與環(huán)境研究院，廣州 510300)

基于光譜及幾何信息的TM圖像厚云去除算法

秦 雁1，鄧孺孺1，何穎清1，陳 蕾1，2，陳啟東1，熊首萍1

(1.中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣州 510275;2.國(guó)家海洋局南海海洋工程勘察與環(huán)境研究院，廣州 510300)

為了去除厚云及其陰影對(duì)光學(xué)遙感圖像的影響，以TM圖像為實(shí)驗(yàn)數(shù)據(jù)提出一種基于光譜及幾何信息的去厚云算法。在分析單圖像云區(qū)多光譜特征及對(duì)比多時(shí)相圖像光譜特征的基礎(chǔ)上，首先檢測(cè)光譜特征明顯的厚云，依據(jù)云和云影成對(duì)出現(xiàn)的成像幾何關(guān)系，按確定的方位和距離搜索云影;然后采用數(shù)學(xué)形態(tài)學(xué)的侵蝕與膨脹算法對(duì)云區(qū)邊緣進(jìn)行碎片去除及填補(bǔ)、合并處理，使其準(zhǔn)確反映圖像中受云影響的數(shù)據(jù)總量;最后利用光譜線性回歸匹配后的參考圖像替換目標(biāo)圖像中的云區(qū)，達(dá)到去云目的。實(shí)驗(yàn)結(jié)果表明，上述算法去厚云效果顯著，能夠有效排除水體及地形陰影對(duì)云影識(shí)別的影響，具有快速、簡(jiǎn)單、實(shí)用性強(qiáng)的特點(diǎn)。

云檢測(cè);云影檢測(cè);去云;TM圖像

0 引言

光學(xué)遙感圖像在成像過程中易受大氣狀況的影響，以致在實(shí)際應(yīng)用中常常難以獲得完全無云的圖像，對(duì)于南方多云多雨地區(qū)，這種情況尤甚。因此，快速無云區(qū)自動(dòng)提取和鑲嵌技術(shù)研究對(duì)于拓展圖像的可用性具有重要意義。然而云及云影具有不穩(wěn)定性和運(yùn)動(dòng)性，在時(shí)間和空間上差異較大，而且不同季節(jié)、不同高度的云及云影的反射率都會(huì)有所不同，因此云和云影的檢測(cè)與去除已成為遙感圖像處理的中一大難題［1］。目前，去除薄云通常采用同態(tài)濾波［2］、傅里葉變換［3］、小波分析［4］、色階調(diào)整［5］等方法，將云及云影視為噪聲，通過提取地物高頻細(xì)節(jié)信息、抑制云及云影低頻信息，達(dá)到去云目的。厚云將下墊面信息完全遮擋，上述針對(duì)薄云的濾波方法不適用于去除厚云［6］。厚云去除分為云區(qū)(云和云影)檢測(cè)和圖像替換鑲嵌2個(gè)步驟?，F(xiàn)有云檢測(cè)模型按利用的光譜信息不同，可分為單景圖像特征光譜檢測(cè)模型和多時(shí)相圖像對(duì)比光譜檢測(cè)模型2類:①直接利用單景含云圖像中某些對(duì)云區(qū)具有敏感性的波段信息而建立，包括多光譜綜合法［7－12］、亮溫差值法［13］、云指數(shù)法［14］以及像元信息分解法［1，15］等，此類模型簡(jiǎn)便易行，但容易將具有高反射率特征的裸地、開發(fā)地、居民地等地物誤判為云層，而云影則更易與水體及地形陰影等暗目標(biāo)混淆;②利用同一區(qū)域多時(shí)相圖像，根據(jù)含云和無云圖像對(duì)比光譜差異信息建立，此類模型能夠較好地避免誤判，是目前主流的去云算法［6，16－23］。云區(qū)替換融合方法采用多時(shí)相、同區(qū)域無云圖像進(jìn)行鑲嵌處理，旨在恢復(fù)厚云遮蓋的下墊面信息，是厚云去除的另一項(xiàng)重要研究?jī)?nèi)容。受土地利用、植被覆蓋、土壤濕度、光照條件和大氣狀況等多種因素的影響，不同時(shí)相的圖像會(huì)有一定的光譜差異。為避免融合圖像產(chǎn)生拼接邊緣，常采用線性回歸［6］、相對(duì)變化率［17］、回歸樹［18］、直方圖匹配［19］和支持向量機(jī)［23］等方法進(jìn)行多時(shí)相圖像光譜匹配。

到目前為止，對(duì)薄云去除方法的研究比較多，對(duì)厚云去除方法的研究卻不是很深入，更缺乏對(duì)云陰影消除的研究。現(xiàn)有云檢測(cè)技術(shù)通常割裂了云和云影的成對(duì)關(guān)系，只是利用光譜特征單獨(dú)判斷是否有云或有云影，易造成對(duì)地面類似云和云影區(qū)域的誤判［16］。針對(duì)上述問題，本文提出一種聯(lián)合利用多時(shí)相光學(xué)遙感圖像光譜信息及云與云影之間成像幾何關(guān)系的云區(qū)檢測(cè)方法，并采用線性回歸法進(jìn)行圖像光譜匹配、完成TM圖像的去云鑲嵌處理，取得較好的去厚云效果。

1 研究區(qū)概況

本文選擇2006－11－10成像的122－44軌道珠江三角洲區(qū)域TM圖像作為目標(biāo)圖像，截取圖像中的方形區(qū)域(4000像元×4000像元)作為實(shí)驗(yàn)區(qū)，其TM5(R)，TM4(G)，TM3(B)假彩色合成圖像如圖1所示。

圖1 珠江三角洲TM5(R)，4(G)，3(B)假彩色合成目標(biāo)圖像Fig.1 Target image of Zhujiang delta composed of TM5(R)，4(G)，3(B)

目標(biāo)圖像的北部存在許多分散分布的厚云、薄云及云影區(qū)域。為減少因地物或植被長(zhǎng)勢(shì)變化造成的光譜差異的影響，應(yīng)當(dāng)盡量選取接近目標(biāo)圖像成像時(shí)間或者不同年份同時(shí)期的數(shù)據(jù)作為參考圖像。因受數(shù)據(jù)源限制，本文以2007－01－29獲取的同軌道無云TM圖像作為參考圖像進(jìn)行去云實(shí)驗(yàn)。雖然目標(biāo)圖像與參考圖像獲取時(shí)間相差近3個(gè)月，但圖像中植被變化并不明顯，只有少部分農(nóng)田、河灘和開發(fā)地發(fā)生變化，不影響采用本文方法進(jìn)行的去云實(shí)驗(yàn)。

2 原理及方法

2.1 方法技術(shù)流程

去云技術(shù)流程如圖2所示，可分為3大步驟:①圖像預(yù)處理——多時(shí)相圖像幾何配準(zhǔn)及無云區(qū)光譜匹配;②光譜及幾何信息耦合云區(qū)檢測(cè);③云區(qū)像元替換鑲嵌。

圖2 去云技術(shù)流程圖Fig.2 Flow chart of cloud removal

1)多時(shí)相圖像幾何配準(zhǔn)及無云區(qū)光譜匹配。該部分屬于圖像預(yù)處理，目的是使參考圖像在空間位置及光譜特征兩方面均與目標(biāo)圖像匹配，為后續(xù)云區(qū)檢測(cè)及圖像替換鑲崁做好準(zhǔn)備。具體步驟包括:①以同一景具有地理參照的圖像為標(biāo)準(zhǔn)，分別完成目標(biāo)圖像及參考圖像的幾何配準(zhǔn);②根據(jù)目標(biāo)圖像云區(qū)光譜特征直接檢測(cè)厚云和云影;③應(yīng)用數(shù)學(xué)形態(tài)學(xué)侵蝕及膨脹運(yùn)算對(duì)厚云和云影掩模進(jìn)行處理，獲得更具代表性的云及云影掩模;④根據(jù)厚云及云影的幾何關(guān)系圈定云影搜索范圍以修正云影掩模，排除其中誤判的疑似像元;⑤在云及云影掩模的輔助下，完成參考圖像與目標(biāo)圖像對(duì)應(yīng)無云區(qū)光譜線性回歸匹配。

2)光譜及幾何信息耦合云區(qū)檢測(cè)。該部分是在經(jīng)圖像預(yù)處理得到匹配圖像的基礎(chǔ)上，綜合利用圖像光譜信息和幾何信息進(jìn)行云區(qū)精確檢測(cè)。其中包括:①在目標(biāo)圖像厚云光譜特征的基礎(chǔ)上，加入匹配圖像對(duì)比光譜特征，精確檢測(cè)厚云，削弱高反射率地物對(duì)厚云識(shí)別的影響;②依據(jù)厚云及其陰影的幾何關(guān)系確定云影搜索范圍，在此限定范圍內(nèi)應(yīng)用目標(biāo)圖像云影光譜特征及匹配圖像對(duì)比光譜特征，精確檢測(cè)云影，排除水體、山體陰影等低反射率地物對(duì)云影識(shí)別的干擾。

3)云區(qū)像元替換鑲嵌。根據(jù)云區(qū)檢測(cè)中生成的云及云影掩模，將目標(biāo)圖像中的云區(qū)像元用匹配后的參考圖像對(duì)應(yīng)的無云像元替換鑲嵌，完成去云處理。

2.2 多時(shí)相圖像幾何配準(zhǔn)及光譜匹配

2.2.1 圖像配準(zhǔn)

幾何糾正采用圖像到圖像的配準(zhǔn)方法，以具有地理參照的圖像為標(biāo)準(zhǔn)，首先選擇待糾正圖像的4個(gè)角點(diǎn)、采用擬合多項(xiàng)式完成圖像幾何粗糾正;再選擇若干均勻分布的控制點(diǎn)、采用薄板樣條函數(shù)完成圖像幾何精糾正，使配準(zhǔn)精度保證在1個(gè)像元以內(nèi)。

2.2.2 基于目標(biāo)圖像特征光譜的云區(qū)檢測(cè)

在TM目標(biāo)圖像中，選擇清潔水體、沙洲、居民地、水田、旱地、林地、裸地、云影和厚云等地物分別進(jìn)行剖面線DN值采樣(各地物采樣光譜值的個(gè)數(shù)為40～50個(gè))。通過分析不同地物DN值剖面采樣曲線(圖3)，建立厚云和云影光譜判別模型。

1)厚云判別模型。云層發(fā)生無選擇散射，其在各個(gè)波段的光譜值都明顯高于無云區(qū)地物(尤其是在紅外波段)。云層在各波段的DN值具有均值大、標(biāo)準(zhǔn)差小的特點(diǎn)，這與其他地物形成顯著不同的特征。當(dāng)像元在各波段的DN均值大于某一閾值Mc、標(biāo)準(zhǔn)差小于某一閾值Sc時(shí)，則判定該像元為厚云。

圖3 各地物DN值剖面采樣曲線Fig.3 DN profile sample curves of different ground objects

2)云影判別模型。云影區(qū)域受到厚云遮擋，太陽直射光幾乎為零，通常只有天空散射光可以到達(dá)，其在各個(gè)波段的光譜值都很低(特別是在散射光微弱的TM4，5，7中，紅外波段易與無云區(qū)下墊面區(qū)別開來)。因此，當(dāng)像元在TM4，5，7波段的DN均值小于某一閾值Ms時(shí)，判定該像元為云影。

2.2.3 基于數(shù)學(xué)形態(tài)學(xué)運(yùn)算的云區(qū)掩模處理

依據(jù)以上條件檢測(cè)云區(qū)，不可避免地會(huì)將部分破碎孤立的疑似為云及云影的地物誤判。常規(guī)的處理方法是利用基于數(shù)學(xué)形態(tài)學(xué)的侵蝕算法去除它們的干擾［11，17，24］。侵蝕算法采用一個(gè) 3 像元 ×3 像元的窗口檢查每一個(gè)云區(qū)像元，與中心像元相鄰的8個(gè)像元中有3個(gè)以上像元是云區(qū)，則將該中心像元標(biāo)記為云區(qū)，否則標(biāo)記為非云區(qū)。經(jīng)侵蝕運(yùn)算去除孤立細(xì)小的斑塊后，為了準(zhǔn)確反映目標(biāo)圖像中受云影響的數(shù)據(jù)總量，需進(jìn)一步采用膨脹算法對(duì)云區(qū)進(jìn)行填充合并，獲得更具代表性的云區(qū)。膨脹算法也是使用一個(gè)3像元×3像元的窗口檢查每一個(gè)非云區(qū)像元，如果與中心像元相鄰的8個(gè)相鄰像元中有3個(gè)以上像元是云區(qū)，則將該中心像元標(biāo)記為云區(qū)［11］。在實(shí)際處理中，可根據(jù)云區(qū)斑塊的破碎離散程度確定侵蝕及膨脹算法的使用次數(shù)。

2.2.4 依據(jù)成像幾何信息的云影修正

從圖3中可以看出，水體及地形陰影與云影的光譜特征具有強(qiáng)相似性，單純應(yīng)用光譜信息檢測(cè)云影，極易造成誤判。圖4所示的云層成像幾何模型表達(dá)了衛(wèi)星傳感器、云層及太陽之間的關(guān)系，其中顯示了云及云影具有成對(duì)出現(xiàn)的幾何特征。

圖4 云層成像幾何模型Fig.4 Imaging geometric model of cloud and shadow

設(shè)φ為太陽方位角，云影位于云層由正東方向逆時(shí)針旋轉(zhuǎn)ω=90°+(180°－φ)方位處。φ角可從圖像頭文件中獲得，則云與云影的相對(duì)方位角ω能夠被精確確定。設(shè)θ為太陽高度角、h為云層距地面的高度，遙感圖像中云與其陰影的實(shí)際距離d=h/tan θ。云與其陰影的實(shí)際距離隨云層高度、太陽高度角、地形而變化，較難直接確定。然而，兩兩配對(duì)的云和云影，其多邊形質(zhì)心必將相互鄰近且相對(duì)方位角度接近ω。據(jù)此，使用 ArcGIS中“Raster To Polygon”及“Feature To Point”工具生成厚云及云影斑塊的質(zhì)心圖層，并利用“Generate Near Table”工具挑選符合條件的質(zhì)心點(diǎn)對(duì)，進(jìn)而統(tǒng)計(jì)這些點(diǎn)對(duì)間距的平均值及標(biāo)準(zhǔn)差σ，可間接估算云及其陰影之間的搜索距離為d=+3σ。

在云及其陰影相對(duì)方位ω和距離d均可確定的情況下，根據(jù)厚云斑塊就能夠生成云影潛在范圍。將膨脹處理后的云影區(qū)與用上述方法生成的云影潛在范圍求交集，可剔除曾經(jīng)誤判的水體及山體陰影，獲得準(zhǔn)確云影區(qū)。

2.2.5 無云區(qū)光譜線性回歸匹配

除云層覆蓋外，土地利用、植被覆蓋、土壤濕度、光照條件及大氣狀況等多種因素均會(huì)造成不同時(shí)相遙感圖像光譜之間的差異;這些差異會(huì)對(duì)后續(xù)對(duì)比光譜云區(qū)檢測(cè)引入誤差，也會(huì)使最終去云圖像產(chǎn)生明顯的拼接邊界。在膨脹厚云區(qū)和準(zhǔn)確云影區(qū)的輔助下，將參考圖像與目標(biāo)圖像對(duì)應(yīng)無云區(qū)進(jìn)行光譜線性回歸匹配，以削弱2景圖像的光譜差異。2景圖像對(duì)應(yīng)波段的線性回歸方程為

式中:Xi為參考圖像第i波段的DN值;Yi為目標(biāo)圖像第i波段的DN值;i為波段號(hào)。

2.3 光譜及幾何信息耦合云區(qū)檢測(cè)

圖像預(yù)處理中僅利用目標(biāo)圖像光譜信息進(jìn)行云區(qū)檢測(cè)，對(duì)閾值的選取較為敏感，常常難以獲得令人滿意的云區(qū)檢測(cè)精度。由于厚云及云影掩模只用于輔助2景圖像進(jìn)行無云區(qū)光譜匹配，因此對(duì)厚云和云影的閾值設(shè)置應(yīng)遵循寧可多判不宜少判的原則，盡管結(jié)果中必然存在誤判情況，但可以確保不讓厚云及云影參加無云區(qū)的光譜匹配。完成光譜匹配后，2景圖像因光照條件和大氣狀況不同所造成的光譜差異得到削弱，可加入對(duì)比光譜信息提高云區(qū)檢測(cè)精度。

2.3.1 加入對(duì)比光譜信息的厚云檢測(cè)

云區(qū)不同時(shí)相遙感圖像之間的光譜特征變化可由云層覆蓋或土地利用/地表覆蓋變化導(dǎo)致，但兩者造成的光譜差異卻不同。由圖3可見，厚云導(dǎo)致各波段光譜值的變化趨勢(shì)一致(都急劇增大)。據(jù)此，將目標(biāo)圖像與參考圖像對(duì)應(yīng)像元各波段光譜DN值求差，設(shè)其平均絕對(duì)值ΔMean大于某一閾值ΔMc，且對(duì)應(yīng)各波段DN值之差均為正，綜合這2個(gè)條件進(jìn)行云區(qū)檢測(cè)，則多時(shí)相圖像對(duì)比光譜厚云檢測(cè)模型為

式中:DNTi和DNRi分別為目標(biāo)圖像和參考圖像的光譜值;N為波段數(shù);Sign()為符號(hào)函數(shù)，根據(jù)自變量的正、負(fù)、零分別取1，－1，0值。實(shí)驗(yàn)證明，此種方法設(shè)定的閾值能區(qū)別厚云地域和其他地域，并且選擇閾值的范圍比較寬［6］。

聯(lián)合應(yīng)用目標(biāo)圖像厚云光譜特征及參考圖像對(duì)比光譜特征，精確檢測(cè)厚云。通常云區(qū)邊緣像元較難通過光譜閾值提取，根據(jù)其鄰近關(guān)系先后應(yīng)用侵蝕與膨脹算法，即可囊括所有受云影響的像元。

2.3.2 光譜及幾何信息耦合云影檢測(cè)

云影對(duì)不同時(shí)相遙感圖像造成的光譜差異特征同樣具有規(guī)律性。目標(biāo)圖像云影區(qū)相對(duì)于參考圖像下墊面，其每個(gè)波段的光譜值都因云層遮擋而急劇減小。仿照云層對(duì)比光譜檢測(cè)模型，將目標(biāo)圖像云影區(qū)與參考圖像下墊面各波段光譜DN值求差，設(shè)其平均絕對(duì)值ΔMean大于某一閾值ΔMc，且對(duì)應(yīng)各波段DN值之差均為負(fù)，綜合這2個(gè)條件進(jìn)行云影檢測(cè)，則多時(shí)相圖像對(duì)比光譜云影檢測(cè)模型為

圖像預(yù)處理中已確定了厚云及其陰影的相對(duì)方位和距離，根據(jù)新的云掩模再次確定云影搜索范圍，在此限定范圍中應(yīng)用目標(biāo)圖像云影光譜特征及匹配圖像對(duì)比光譜特征，精確檢測(cè)云影，進(jìn)一步排除水體、山體陰影等低反射率地物對(duì)云影識(shí)別的干擾。亦使用侵蝕及膨脹算法對(duì)云影檢測(cè)結(jié)果進(jìn)行處理，使云影掩模囊括相鄰混合像元。

2.4 云區(qū)像元替換鑲嵌

完成云區(qū)檢測(cè)后，將目標(biāo)圖像中的云區(qū)用光譜匹配后參考圖像的對(duì)應(yīng)部分替換鑲嵌，形成無云結(jié)果圖像，完成去云處理。

3 實(shí)驗(yàn)結(jié)果與分析

在PCI軟件EASI編程模塊及ArcGIS軟件中實(shí)現(xiàn)所有算法流程，對(duì)TM實(shí)驗(yàn)圖像進(jìn)行去云處理。

3.1 去云預(yù)處理

取閾值 Mc=100，標(biāo)準(zhǔn)差 Sc=60，TM4，5，7 波段光譜均值閾值Mc=50，分別進(jìn)行厚云和云影檢測(cè)。對(duì)粗判結(jié)果先后應(yīng)用3次侵蝕算法和20次膨脹填補(bǔ)算法獲得云區(qū)。在ArcGIS中，估算云影搜索距離d=3000 m(即100個(gè)像元)。2景圖像光譜線性回歸分析結(jié)果如表1所示。

表1 光譜線性回歸分析結(jié)果Tab.1 Results of spectrum linear regression

因TM4，5，7波段中的紅外波段受大氣影響較小，其光譜相關(guān)系數(shù)較TM1，2，3波段的高(均達(dá)到90%以上)。光譜相關(guān)系數(shù)較高不僅反映了2幅圖像地物覆蓋變化較小，還說明了對(duì)應(yīng)波段光譜相似度較高，經(jīng)光譜匹配后的參考圖像更能代表目標(biāo)圖像無云時(shí)的狀況。因此，在數(shù)據(jù)源充裕的情況下，盡量選擇光譜相關(guān)系數(shù)較高的參考圖像以提高云區(qū)檢測(cè)精度及圖像鑲嵌效果。

3.2 云區(qū)精確檢測(cè)及去云鑲嵌

獲得光譜匹配圖像后，加入對(duì)比光譜閾值、進(jìn)行云和云影區(qū)精確檢測(cè)并完成去云鑲嵌處理，各步驟處理結(jié)果如圖5所示。

圖5(a)和(b)分別為整個(gè)研究區(qū)云及云影檢測(cè)圖和云及云影膨脹填補(bǔ)圖(紅色為厚云區(qū)，黑色為云影區(qū))，由圖中可見目標(biāo)圖像北部分散的云區(qū)均被識(shí)別;圖像南部存在零星分布的誤判像元，主要由2景圖像地物覆蓋發(fā)生改變所致。常見的3種情況為:①參考圖像中為水田的區(qū)域，在目標(biāo)圖像中為收割后的旱地或荒地;②由于水位的影響，參考圖像中為河流的區(qū)域，在目標(biāo)圖像中為裸露河灘;③由于土壤含水量的影響或開發(fā)建設(shè)的原因，目標(biāo)圖像中部分道路的反射率較參考圖像對(duì)應(yīng)區(qū)域要高。在數(shù)據(jù)源充足的情況下，選用多景參考圖像可排除此部分誤差。

圖5(c)—(f)為圖5(a)，(b)中紅框內(nèi)區(qū)域的放大效果圖。圖5(c)顯示，零星分布的細(xì)小厚云及云影均被精確提取出來，云影搜索區(qū)外的水體及地形陰影被直接排除;由于加入對(duì)比光譜進(jìn)行判斷，云影搜索區(qū)內(nèi)的地形陰影像元也沒有被誤判為云影，說明對(duì)比光譜及幾何信息的耦合應(yīng)用對(duì)云影識(shí)別具有雙保險(xiǎn)作用。圖5(d)展示了厚云區(qū)及云影區(qū)經(jīng)碎片侵蝕去除及云區(qū)膨脹填補(bǔ)后的結(jié)果，可見厚云的空洞、周邊的薄云及受云影影響的像元被完全覆蓋。對(duì)圖5(e)示出的原始目標(biāo)圖像與圖5(f)示出的去云結(jié)果圖像進(jìn)行對(duì)比可以看出，去云結(jié)果圖像排除了所有受云及云影影響的像元，且圖像替換鑲嵌的邊界不明顯。

圖6顯示出整個(gè)研究區(qū)范圍原始目標(biāo)圖像(圖1)中的厚云及云影均被有效去除后的結(jié)果，圖像質(zhì)量得到明顯改善。

圖6 珠江三角洲去云結(jié)果圖像Fig.6 Cloud － free image of Zhuijang delta

4 結(jié)論

現(xiàn)有云檢測(cè)技術(shù)通常未利用云層和云影成對(duì)出現(xiàn)的幾何關(guān)系，單純從光譜特征出發(fā)去識(shí)別云或云影，致使云影的識(shí)別極容易受到水體和地形陰影的影響。本文提出一種基于光譜及幾何信息的TM圖像去云算法，具有如下特點(diǎn):

1)在圖像無云區(qū)光譜匹配中，提出僅根據(jù)含云圖像光譜特征提取云區(qū)并以此確定云及其陰影搜索距離、修正云影識(shí)別誤差的方法。此方法避免了無云區(qū)人工識(shí)別的處理量，提高了參考圖像與目標(biāo)圖像光譜匹配的效率。

2)在云區(qū)檢測(cè)中，聯(lián)合采用目標(biāo)圖像的光譜特征及參考圖像的對(duì)比光譜特征提取厚云，減少了高反射率地物對(duì)厚云識(shí)別的影響。在此基礎(chǔ)上，按確定的方位和距離限定云影搜索范圍，既提高了運(yùn)算效率，也有效地減少了對(duì)水體和地形陰影的誤判。

3)采用基于數(shù)學(xué)形態(tài)學(xué)的侵蝕和膨脹算法處理云區(qū)邊緣，排除了細(xì)小孤立斑塊的影響且囊括了厚云周邊的薄云及混合像元，準(zhǔn)確反映出圖像中受云影響的像元，保證了云區(qū)替換鑲嵌的效果。

4)本文算法除在圖像配準(zhǔn)中需要人工干預(yù)，其余步驟均己實(shí)現(xiàn)程序自動(dòng)化完成，只是部分閾值需要根據(jù)圖像具體情況稍作調(diào)整。實(shí)驗(yàn)證明，本文提出的TM圖像厚云去除方法具有快速、簡(jiǎn)單、去云效果顯著、實(shí)用性強(qiáng)的特點(diǎn)。

本文算法的去云精度和圖像替換鑲嵌效果受限于數(shù)據(jù)源，如果在數(shù)據(jù)源充足的情況下，可利用多個(gè)時(shí)相的數(shù)據(jù)作為參考圖像與目標(biāo)圖像匹配，以獲得更好的去云效果。此外，為了進(jìn)一步減少不同成像時(shí)間的光照條件和大氣狀況對(duì)圖像造成的影響，還應(yīng)在圖像預(yù)處理中進(jìn)行大氣校正處理。

［1］鄭文武，鄧運(yùn)員.基于LSMA的TM影像云和陰影的檢測(cè)與去除方法［J］.測(cè)繪科學(xué)，2010，35(3):62 －65.Zheng W W，Deng Y Y.Detecting and Removing Cloud and Shade on TM Imagery Based on LSMA［J］.Science of Surveying and Mapping，2010，35(3):62 －65(in Chinese with English Abstract).

［2］謝華美，何啟翱，鄭 寧，等.基于ERDAS二次開發(fā)的遙感圖像同態(tài)濾波薄云去除算法的改進(jìn)［J］.北京師范大學(xué)學(xué)報(bào):自然科學(xué)版，2005，41(2):150 －153.Xie H M，He Q A，Zheng N，et al.The Improved Homomorphic Filter Algorithm for Removing Cloud of Remote Sensing Image Based on the Second Exploiture of ERDAS Tool［J］.Journal of Beijing Normal University:Natural Science，2005，41(2):150 － 153(in Chinese with English Abstract).

［3］蘇惠敏，薛 亮.TM影像解譯中去除云層及其陰影方法研究［J］.西北大學(xué)學(xué)報(bào):自然科學(xué)版，2005，35(6):807 －810.Su H M，Xue L.A Study on the Technology of Removing Clouds and Their Shadows During TM Image Interpretation［J］.Journal of Northwest University:Natural Science Edition，2005，35(6):807－810(in Chinese with English Abstract).

［4］郭童英，尤紅建.一種基于小波融合的多時(shí)相遙感圖像去云方法［J］.測(cè)繪通報(bào)，2007(3):40－42.Guo T Y，You H J.Cloud Reduction of Multi－ temporal Space －borne Remote Sensing Image Based on Wavelet Fusion［J］.Bulletin of Surveying and Mapping，2007(3):40 －42(in Chinese with English Abstract).

［5］尹 峰，熊德科，謝菲.西部山區(qū)RapidEye圖像去薄云方法研究［J］.國(guó)土資源遙感，2011(4):132 －135.Yin F，Xiong D K，Xie F.Research on the Thin Cloud Removal Method from RapidEye Image in Western Mountain Areas［J］.Remote Sensing for Land and Resources，2011(4):132 － 135(in Chinese with English Abstract).

［6］李炳燮，馬張寶，齊清文，等.Landsat TM遙感影像中厚云和陰影去除［J］.遙感學(xué)報(bào)，2010，14(3):534 －545.Li B X，Ma Z B，Qi Q W，et al.Cloud and Shadow Removal from Landsat TM Data［J］.Journal of Remote Sensing，2010，14(3):534－545(in Chinese with English Abstract).

［7］宋曉宇，劉良云，李存軍，等.基于單景遙感影像的去云處理研究［J］.光學(xué)技術(shù)，2006，32(2):299 －303.Song X Y，Liu L Y，Li C J，et al.Cloud Removing Based on Single Remote Sensing Image［J］.Optical Technique，2006，32(2):299－303(in Chinese with English Abstract).

［8］Irish R R.Landsat Automatic Cloud Cover Assessment［C］//Proceedings(SPIE)of International Society for Optical Engineering，2000.［2010 － 09 － 29］http://landsathandbook.gsfc.nasa.gov/handbook/pdfs/ACCA SPIE paper.pdf.

［9］Irish R R，Barker J L，Goward S N，et al.Characterization of the Landsat－7 ETM+Automatic Cloud－cover Assessment(ACCA)Algorithm［J］.Photogrammetric Engineering and Remote Sensing，2006，72(10):1179 －1188.

［10］Watmough G R，Atkinson P M，Hutton C W，et al.A Combined Spectral and Object－based Approach to Transparent Cloud Removal in an Operational Setting for Landsat ETM+［J］.International Journal of Applied Earth Observation and Geoinformation，2011，13(2):220 －227.

［11］厲銀喜，葉曉端，馮鐘葵.Landsat7的自動(dòng)云量評(píng)估［J］.遙感信息，2001(1):39 －41.Li Y X，Ye X D，F(xiàn)eng Z K.Automatic Cloud Cover Assessment of Landsat 7［J］.Remote Sensing Information，2001(1):39 － 41(in Chinese with English Abstract).

［12］何全軍，曹 靜，黃 江，等.基于多光譜綜合的MODIS數(shù)據(jù)云檢測(cè)研究［J］.國(guó)土資源遙感，2006(3):19－22.He Q J，Cao J，Huang J，et al.Cloud Detection in MODIS Data Based on Multi－ spectrum Synthesis［J］.Remote Sensing for Land and Resources，2006，17(3):19 －22(in Chinese with English Abstract).

［13］宋小寧，趙英時(shí).MODIS圖象的云檢測(cè)及分析［J］.中國(guó)圖象圖形學(xué)報(bào)，2003，8(9):1079 －1083.Song X N，Zhao Y S.Cloud Detection and Analysis of MODIS Image［J］.Journal of Image and Graphics，2003，8(9):1079 － 1083(in Chinese with English Abstract).

［14］文雄飛，董新奕，劉良明.“云指數(shù)法”云檢測(cè)研究［J］.武漢大學(xué)學(xué)報(bào):信息科學(xué)版，2009(7):838－841.Wen Q F，Dong X Y，Liu L M.Cloud Index Method for Cloud Detection［J］.Geomatics and Information Science of Wuhan University，2009(7):838 －841(in Chinese with English Abstract).

［15］吳傳慶，王 橋，楊志峰.基于混合像元分解的水體遙感圖像去云法［J］.遙感學(xué)報(bào)，2006，10(2):176 －183.Wu C Q，Wang Q，Yang Z F.Cloud － moving of Water RS Image Based on Mixed Pixel Model［J］.Journal of Remote Sensing，2006，10(2):176 －183(in Chinese with English Abstract).

［16］柴 勇，何 友，曲長(zhǎng)文.基于云影距離模型的遙感圖像多尺度融合算法［J］.中國(guó)圖象圖形學(xué)報(bào)，2010，15(9):1398 －1405.Chai Y，He Y，Qu C W.Remote Sensing Image Fusion Using MGA Based on Cloud and Shadow Distance Model［J］.Journal of Image and Graphics，2010，15(9):1398 －1405(in Chinese with English Abstract).

［17］談建國(guó)，周紅妹，陸 賢，等.NOAA衛(wèi)星云檢測(cè)和云修復(fù)業(yè)務(wù)應(yīng)用系統(tǒng)的研制和建立［J］.遙感技術(shù)與應(yīng)用，2000，15(4):228－231.Tan J G，Zhou H M，Lu X，et al.Research and Establishment in Operation System of Cloud Detection and Rehabilitation Applied to NOAA Satellite［J］.Remote Sensing Technology and Application，2000，15(4):228 －231(in Chinese with English Abstract).

［18］Helmer E H，Ruefenacht B.Cloud－free Satellite Image Mosaics with Regression Trees and Histogram Matching［J］.Photogrammetric Engineering ＆ Remote Sensing，2005，71(9):1079 －1089.

［19］方 勇，常本義.聯(lián)合應(yīng)用多傳感器影象消除云層遮擋影響的研究［J］.中國(guó)圖象圖形學(xué)報(bào)，2001，6(2):138 －141.Fang Y，Chang B Y.The Research of Removing the Affect of Clouds Cover by Combining the Mulit Sensor Images［J］.Journal of Image and Graphics，2001，6(2):138 － 141(in Chinese with English Abstract).

［20］Li M，Liew S C，Kwoh L K.Producing Cloud Free and Cloud －shadow free Mosaic from Cloudy IKONOS Images［C］//Proceeding of 2003 IEEE Int’l Geoscience and Remote Sensing Symposium，Toulouse，F(xiàn)rance:IEEE，2003:3946 －3948.

［21］Tseng D C，Tseng H T，Chien C L.Automatic Cloud Removal from Multi－ temporal SPOT Images［J］.Applied Mathematics and Computation，2008，205(2):584 －600.

［22］Hagolle O，Huc M D，Pascual V，et al.A Multi－ temporal Method for Cloud Detection，Applied to FORMOSAT －2，VENUS，LANDSAT and SENTINEL － 2 Images［J］.Remote Sensing of Environment，2010，114(8):1747 －1755.

［23］唐王琴，梁 棟，胡根生，等.基于支持向量機(jī)的遙感圖像厚云去除算法［J］.遙感技術(shù)與應(yīng)用，2011，26(1):111 －116.Tang W Q，Liang D，Hu G S，et al.The Algorithm for Removing Thick Clouds in Remote Sensing Image Based on Support Vector Machine［J］.Remote Sensing Technology and Application，2011，26(1):111－116(in Chinese with English Abstract).

［24］曹 爽，李 浩，馬 文.基于數(shù)學(xué)形態(tài)學(xué)的遙感影像薄云處理方法［J］.地理與地理信息科學(xué)，2009，25(4):30 －33.Cao S，Li H，Ma W.Removing Thin Cloud Arithmetic Based on Mathematic Morphology for Remote Sensing Image［J］.Geography and Geo－Information Science，2009，25(4):30 －33(in Chinese with English Abstract).

Algorithm for Removing Thick Clouds in TM Image Based on Spectral and Geometric Information

QIN Yan1，DENG Ru － ru1，HE Ying － qing1，CHEN Lei1，2，CHEN Qi－ dong1，XIONG Shou － ping1
(1.School of Geographic Science and Planning，Sun Yat－sen University，Guangzhou 510275，China;2.South China Sea Marine Engineering and Environment Institute，SOA，Guangzhou 510300，China)

A new cloud removal algorithm based on spectral and geometric information is proposed for generating cloud free and cloud － shadow free mosaic image from multi－ temporal TM images.At first，single image and multitemporal images of thick cloud and cloud－shadow multi－spectral detection models are built based on TM spectral characteristics analysis.Secondly，cloud is detected according to spectral characteristics，and then a technique is applied based on coupled geometrical relationship between the cloud and its shadow by using sun azimuth angle，sun elevation angle and statistical distance between cloud and its shadow so as to automatically predict the approximate location of cloud－shadow.After that，erosion filtering and dilation filtering are used sequentially in the cloud and cloud－shadow fraction image to eliminate the small bits and generate the exact zones contaminated by cloud and cloud－shadow.At last，the cloud and cloud－shadow zones of the target image are replaced by the same－location cloud－free zones on reference images whose spectral information is matched with the target image by the linear regression method.The results show that this algorithm is capable of eliminating the cloud influence from TM image significantly.Moreover，it can effectively eliminate the influence of water body and hill shadow on cloud －shadow.This method can therefore support producing cloud removal images in a quick，simple and applicable way.

cloud detection;cloud－shadow detection;cloud removal;TM image

TP 751.1

A

1001－070X(2012)04－0055－07

2012－03－02;

2012－04－18

水利部公益性行業(yè)科研專項(xiàng)(編號(hào):200901067－02)、國(guó)家自然科學(xué)基金項(xiàng)目(編號(hào):41071230)和水利部948項(xiàng)目(編號(hào):200820)共同資助。

10.6046/gtzyyg.2012.04.10

秦 雁(1984－)，女，在讀博士生，主要研究方向?yàn)榄h(huán)境遙感。E－mail:qin.yan@foxmail.com。

鄧孺孺(1963 －)，男，博士，教授。聯(lián)系電話:13925091189;E －mail:eesdrr@mail.sysu.edu.cn。

(責(zé)任編輯:劉心季)