基于动态阈值的HJ-1B图像云检测算法研究

doi:10.6046/gtzyyg.2012.02.03

摘要
参考文献
相关文章
Metrics

全文: PDF(3063 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要针对环境与灾害监测预报小卫星星座1B星(HJ-1B)的传感器波段特征,通过对云检测阈值的年度波动性分析,提出了一种基于波谱标准差异常的"动态阈值云检测算法"。该算法的实现主要是采用图像配准、波段运算、线性回归和误差分析等方法,获取云异常区域,进而剔除图像中的云像元。研究结果表明,该算法可以很好地检测出不同时相、不同类型下垫面上空的云像元,为有效利用HJ-1B数据并提高其图像分类精度发挥作用。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	孙明
	沈渭寿
	谢敏
	李海东
	高菲

关键词 ：光谱特征, 决策树分类, 遥感, 雅鲁藏布江源区, 草地类型

Abstract：Through analyzing the annual volatility of cloud detection thresholds and integrating the band characteristics of HJ-1B,the authors proposed a new algorithm of cloud detection for HJ-1B image based on dynamical thresholding according to the spectral standard deviation anomaly. Using image registration,band math,linear regression and error analysis,the authors acquired the cloud abnormal regions which could be used to remove cloud pixels from the image. The results show that this approach can detect cloud pixels over different periods and in different scenes successfully,thus promoting the use of HJ-1B data and improving the precision of image classification.

Key words： spectral feature decision tree classification remote sensing source region of the Yarlung Zangbo river grassland types

收稿日期: 2011-08-01 出版日期: 2012-06-03

TP 751.1

基金资助:

河南理工大学矿山空间信息技术国家测绘局重点实验室开放基金资助项目(编号: KLM201112)和中国矿业大学江苏省资源环境信息工程重点实验室开放基金资助项目(编号: JS200907)共同资助。

引用本文:

韩杰, 杨磊库, 李慧芳, 梁洪有, 马晓红, 谢玉娟. 基于动态阈值的HJ-1B图像云检测算法研究[J]. 国土资源遥感, 2012, 24(2): 12-18.
HAN Jie, YANG Lei-ku, LI Hui-fang, LIANG Hong-you, MA Xiao-hong, XIE Yu-juan. Research on Algorithm of Cloud Detection for HJ-1B Image Based on Dynamical Thresholding. REMOTE SENSING FOR LAND & RESOURCES, 2012, 24(2): 12-18.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2012.02.03 或 https://www.gtzyyg.com/CN/Y2012/V24/I2/12

[1] 易玲,汪潇,刘斌.HJ-1卫星数据质量及其在土地利用中的应用研究[J].国土资源遥感,2009(3):74-77.
[2] 孙中平,熊文成,魏斌,等.环境一号卫星CCD影像质量评价研究[J].红外,2010,31(9):30-36.
[3] 单娜,郑天垚,王贞松.快速高准确度云检测算法及其应用[J].遥感学报,2009,13(6):1147-1155.
[4] Rossow W B,Mosher F,Kinsella E,et al.ISCCP Cloud Algorithm Intercomparison [J].Journal of Climate and Applied Meteorology,1985,24(9):877-903.
[5] Kriebel K T,Gesell G,Kïstner M,et al.The Cloud Analysis Tool APOLLO:Improvements and Validations[J].International Journal of Remote Sensing,2003,24(12):2389-2048.
[6] Stowe L L,McClain E P,Carey R,et al.Global Distribution of Cloud Cover Derived from NOAA/AVHRR Operational Satellite Data[J].Adv Space Res,1991,11(3):51-54.
[7] 刘健.FY-2云检测中动态阈值提取技术改进方法研究[J].红外与毫米波学报,2010,29(4):288-292.
[8] 任平,杨存健,周介铭.HJ-1A/B星CCD多光谱遥感数据特征评价及应用研究[J].遥感技术与应用,2010,25(1):138-142.
[9] 何全军,曹静,黄江,等.基于多光谱综合的MODIS数据云检测研究[J].国土资源遥感,2006(3):19-22.
[10] 杨昌军,许健民,赵凤生.时间序列在FY2C云检测中的应用[J].大气与环境光学学报,2008,3(5):377-391.
[11] 郭洪涛,王毅,刘向培,等.卫星云图云检测的一种综合优化方法[J].解放军理工大学学报:自然科学版,2010,11(2):221-227.
[12] 刘显通,刘奇,傅云飞,等.基于TRMM VIRS可见光和红外五通道的白天云检测方案[J].大气与环境光学学报,2010,5(2):128-140.
[13] 宋小宁,赵英时.MODIS图象的云检测及分析[J].中国图象图形学报(A辑),2003,8(9):1079-1082.
[14] 李炳燮,马张宝,齐清文,等.Landsat TM遥感影像中厚云和阴影去除[J].遥感学报,2010,14(3):1-6.
[15] 巩慧.HJ-1星CCD相机在轨辐射定标与真实性检验研究[D].北京:中国科学院遥感应用研究所,2010.
[16] 葛永慧.测量平差[M].北京:中国矿业大学出版社,2005.
[17] 张从容,张正,张为良,等.利用卫星遥感进行海上透明云薄云的检测[J].海洋预报,2005,22(z1):87-93.

[1]	李伟光, 侯美亭. 植被遥感时间序列数据重建方法简述及示例分析[J]. 自然资源遥感, 2022, 34(1): 1-9.
[2]	丁波, 李伟, 胡克. 基于同期光学与微波遥感的茅尾海及其入海口水体悬浮物反演[J]. 自然资源遥感, 2022, 34(1): 10-17.
[3]	高琪, 王玉珍, 冯春晖, 马自强, 柳维扬, 彭杰, 季彦桢. 基于改进型光谱指数的荒漠土壤水分遥感反演[J]. 自然资源遥感, 2022, 34(1): 142-150.
[4]	张秦瑞, 赵良军, 林国军, 万虹麟. 改进遥感生态指数的宜宾市三江汇合区生态环境评价[J]. 自然资源遥感, 2022, 34(1): 230-237.
[5]	贺鹏, 童立强, 郭兆成, 涂杰楠, 王根厚. 基于地形起伏度的冰湖溃决隐患研究——以希夏邦马峰东部为例[J]. 自然资源遥感, 2022, 34(1): 257-264.
[6]	刘文, 王猛, 宋班, 余天彬, 黄细超, 江煜, 孙渝江. 基于光学遥感技术的冰崩隐患遥感调查及链式结构研究——以西藏自治区藏东南地区为例[J]. 自然资源遥感, 2022, 34(1): 265-276.
[7]	王茜, 任广利. 高光谱遥感异常信息在阿尔金索拉克地区铜金矿找矿工作中的应用[J]. 自然资源遥感, 2022, 34(1): 277-285.
[8]	吕品, 熊丽媛, 徐争强, 周学铖. 基于FME的矿山遥感监测矢量数据图属一致性检查方法[J]. 自然资源遥感, 2022, 34(1): 293-298.
[9]	张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[10]	薛白, 王懿哲, 刘书含, 岳明宇, 王艺颖, 赵世湖. 基于孪生注意力网络的高分辨率遥感影像变化检测[J]. 自然资源遥感, 2022, 34(1): 61-66.
[11]	宋仁波, 朱瑜馨, 郭仁杰, 赵鹏飞, 赵珂馨, 朱洁, 陈颖. 基于多源数据集成的城市建筑物三维建模方法[J]. 自然资源遥感, 2022, 34(1): 93-105.
[12]	于新莉, 宋妍, 杨淼, 黄磊, 张艳杰. 结合空间约束的卷积神经网络多模型多尺度船企场景识别[J]. 自然资源遥感, 2021, 33(4): 72-81.
[13]	李轶鲲, 杨洋, 杨树文, 王子浩. 耦合模糊C均值聚类和贝叶斯网络的遥感影像后验概率空间变化向量分析[J]. 自然资源遥感, 2021, 33(4): 82-88.
[14]	艾璐, 孙淑怡, 李书光, 马红章. 光学与SAR遥感协同反演土壤水分研究进展[J]. 自然资源遥感, 2021, 33(4): 10-18.
[15]	李特雅, 宋妍, 于新莉, 周圆锈. 卫星热红外温度反演钢铁企业炼钢月产量估算模型[J]. 自然资源遥感, 2021, 33(4): 121-129.

Viewed

Full text

Abstract

Cited

Shared

Discussed