买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)

摘要：本发明通过高分辨的遥感影像设计云信息表征指数、自适应阈值分割初步提取云体、几何特征过滤非云对象和提纯云体、设计形态学滤云算子进一步提纯精化，最后通过云体栅格转为矢量并统计云量实现检测，相比于机器学习和深度学习云检测方法对样本数据的依赖，本发明人工参与少、自动化程度高、检测结果具有显著的云团几何形态优势，仅利用云层的亮度和几何形态特征，实现对高分辨率遥感影像自动化精准云检测，检测过程简单，可为高分辨率影像的质量检查、无云影像筛选，以及云覆盖区域的影像补采、填补生成无云影像等生产工序提供支撑，具有较强的泛化性和实用性。

主权项：1.一种顾及云信息表征指数与几何形态特征的遥感云检测方法，其特征在于，包括如下步骤：步骤1，基于高分辨率遥感影像获取的雾度优化变换指数、纹理对比度和Canny梯度设计云信息表征指数，其中所述雾度优化变换指数、纹理对比度和Canny梯度均归一化拉伸，所述云信息表征指数设计公式为：CRI＝HOT-Con-G其中，所述CRI为所述云信息表征指数，所述HOT为雾度优化变换指数，Con为纹理对比度，G为Canny梯度；步骤2，计算所述云信息表征指数中云和背景的总类间方差g，计算式为：g＝w0*u0-u2+w1*u1-u2其中，设初始化分割阈值为t，w0为云像素数占图像比例，u0为平均灰度，w1为背景像素数占图像比例，u1为平均灰度，u为图像的总平均灰度，u＝w0*u0+w1*u1；通过对总类间方差g迭代运算，找出使得类间方差g最大的分割阈值，设为tmax，将所述最大的分割阈值tmax设为最适阈值，根据所述最适阈值分割出二值图像，得到包括背景和云层目标的二值图像；步骤3，利用几何特征过滤所述二值图像中的非云对象和提纯云体，所述几何特征至少包括所述二值图像中图斑的面积、紧致度及长宽比，灰度图像的直线、直角特征，所述图斑的面积、紧致度及长宽比，灰度图像的直线、直角特征，包括：所述图斑的面积设为A，A＜100平方米，所述图斑的长宽比设为B，B＞50，所述图斑的紧致度设为C，C＜0.0001，所述图斑的长宽比B的计算式为： 其中，length和width分别为图斑最小外接矩形的长度和宽度，所述图斑的紧致度C的计算式为： 其中，Area和Perimeter分别为该图斑的面积和周长，所述灰度图像的直线、直角特征通过LSD直线检测算法提取，先对灰度图像进行高斯降采样，然后对图像局部边界计算其灰度梯度Gradient和Level-Line，其中图像灰度梯度是在2×2的模板上按照下式计算： 而Level-Line的角度为： 其中ix,y是灰度图像上像素点x,y处的灰度值，gxx,y为X方向上的梯度值，gyx,y为Y方向上梯度值，Gx,y则为像素点x,y处的灰度梯度幅度。再根据像素梯度值进行排序和直线区域增长，以及通过计算虚警数指数进一步确定目标区域拟合的矩形，进而得到目标图像中的直线，进一步通过直线间的距离和角度关系提取出直角。利用提取出的直线、直角特征过滤二值图像中人工地物等非云对象图斑，精化提纯云体；步骤4，设计形态学滤云算子DMCO，采用形态学滤波对所述几何特征过滤后的二值图像进行再次过滤，进一步提纯得到云体二值图像；步骤5，对所述云体二值图像进行形态学闭运算、填充空洞，输出二值栅格图，并将所述二值栅格图转换为矢量，删除背景，得到云检测矢量结果。

全文数据：

权利要求：

百度查询： 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) 顾及云信息表征指数与几何形态特征的遥感云检测方法