一种航空图像自动云检测方法
一种航空图像自动云检测方法
【专利摘要】本发明公开了一种航空图像自动云检测方法。本发明通过对输入的航空图像分别构建比值图和多尺度细节图来有效放大区分云区和非云区的特性差异，并基于两种不同的特性标准分别得到云检测结果，然后将得到的结果相结合而得到更加准确的云检测结果，本方法加入了云区的后处理操作，使得最终得到的云检测结果在区域连通性和半透明云层边界上更加真实可靠；本发明提出的云检测方法不但准确率高，而且效率高。
【专利说明】—种航空图像自动云检测方法
【技术领域】
[0001]本发明属图像处理【技术领域】，尤其涉及一种航空图像自动云检测方法。
【背景技术】
[0002]随着航空技术的高速发展，航拍技术已经进入了一个能快速及时地获得高分辨航空图像的新阶段。这些丰富的航空图像被广泛地应用在农业工程、气象监控、环境保护和资源勘探等多个领域，有着非常重要的应用价值。由于云层覆盖了超过50%的地表，航空图像中经常会包含云区。而云检测通常能为许多重要的应用提供线索，例如，水溶胶粒子检索，气候监控和气候预测，并能为很多航空图像操作提供预处理，如，目标识别，图像检索和图像分类。因此，航空图像的云检测是一项非常有意义的工作。
[0003]针对多光谱遥感数据，人们已经提出了多种云检测方法。但对于单幅光学航空图像的云检测则研究甚少，至今仍没有一种有效的航空图像云检测方法被提出。可以预见的是，单幅光学航空图像的云检测是困难的，因为其本质是一个图像分割问题。而图像分割现在仍然是计算机图像学和计算机视觉领域中的一个永久难题，如何快速、准确、有效地从输入图像中分割出目标物体仍然异常困难。传统的自动图像分割方法通常无法分辨云区和拥有高亮度值的地物，而交互式图像分割虽然能够通过得到不错的结果，但是需要用户提供大量的交互，这也使得交互式图像分割方法通常都无法直接应用在实际的航空图像云检测平台上。而为了满足实际云检测系统的需求，当前迫切需要一种集自动、快速、高准确率等特性为一体的航空图像云检测方法。
【发明内容】
[0004]本发明为了解决上述的技术问题，提出了一种航空图像自动云检测方法。
[0005]本发明的技术方案是一种航空图像自动云检测方法，其特征在于，包括下述步骤:
[0006]步骤1，对输入的含云航空图像I构建一张比值图V ；
[0007]步骤2，将比值图W'中所有像素点的数值缩放到[0，255]，然后运用最佳阈值选择方法来获取一个最佳全局二值分割阈值T0ptima1,并利用此阈值将图像划分为非云区和云区；
[0008]步骤3，对输入的航空图像I构建多尺度细节图D，然后对细节图D进行二值化，得到基于区域纹理细节特性而判定的非云区和云区；
[0009]步骤4，对步骤2和步骤3中检测出的为云的区域进行求交集操作，得到更加准确的云检测结果 G (X，y) = C(x, y) Π R(x, y),当 C(x, y) = true 和 R(x, y) = true 同时成立；
[0010]步骤5，对步骤4中得到的云检测结果G进行云区后处理，得到最终云检测结果。
[0011]根据权利要求1所述的一种航空图像自动云检测方法，其特征在于:所述的步骤I中还包括如下步骤:
[0012]步骤1.1，将输入的航空图像I由RGB色彩空间转换到HSI色彩空间，然后利用被归一化的Hue分量和Intensity分量按如下方式得到比值图W ；
[0013]
【权利要求】
1.一种航空图像自动云检测方法，其特征在于，包括下述步骤: 步骤1，对输入的含云航空图像I构建一张比值图r ； 步骤2，将比值图W'中所有像素点的数值缩放到[O，255]，然后运用最佳阈值选择方法来获取一个最佳全局二值分割阈值T°ptima1，并利用此阈值将图像划分为非云区和云区；步骤3，对输入的航空图像I构建多尺度细节图D，然后对细节图D进行二值化，得到基于区域纹理细节特性而判定的非云区和云区； 步骤4，对步骤2和步骤3中检测出的为云的区域进行求交集操作，得到更加准确的云检测结果 G (X，y) = C(x, y) R(x, y),当 C(x, y) = true 和 R(x, y) = true 同时成立；步骤5，对步骤4中得到的云检测结果G进行云区后处理，得到最终云检测结果。
2.根据权利要求1所述的一种航空图像自动云检测方法，其特征在于:所述的步骤I中还包括如下步骤: 步骤1.1，将输入的航空图像I由RGB色彩空间转换到HSI色彩空间，然后利用被归一化的Hue分量和Intensity分量按如下方式得到比值图W ；
3.根据权利要求1所述的一种航空图像自动云检测方法，其特征在于:所述的步骤2中，步骤2包括如下子步骤: 步骤2.1，基于数值范围调整后的比值图W'，最佳阈值选择算法按如下方式来获取rp Optimal
4.根据权利要求1所述的一种航空图像自动云检测方法，其特征在于:所述的步骤3包括如下子步骤: 步骤3.1，将输入的彩色航空图像转为灰度图像;设多尺度双边分解的初始层Ic/=，则基于I/利用双边滤波构建M层轮廓图,其中当前要求的轮廓图1/为对前一层轮廓图1/ 执行双边滤波后的结果图(j = 1，2，...，M)，之后结合各层的轮廓图像构建M层细节图二,对于任一细节图Dj有Dj = I/ ^1-1/，其中j = 1，2，...，Μ; 步骤3.2，基于已有的M层细节图按照如下方式计算一张多尺度细节图U，
5.根据权利要求1所述的一种航空图像自动云检测方法，其特征在于:所述的步骤5中包括以下步骤: 步骤5.1，对云检测结果G中被标记为云的区域提取所有连通分量Pj为其中某一连通分量，然后计算连通分量Pj中像素点个数PNum(Pj),若某一连通分量Pj中像素点个数pNum(Pp少于阈值Y，则将该区域重新判定为非云区；否，则进入步骤5.2 ； 步骤5.2，经过步骤5.1，剩余的连通分量被标记为二，进一步修补其内部可能存在的所有孔洞，得到图像G'，L为此时仍被标记为云区的连通分量个数； 步骤5.3，将图像G,作为输入图像，以原始航空图像I为引导图像执行引导性滤波，实现对半透明云层边界的检测，得到最终云检测结果； 假设引导性滤波的输出图像G,和引导图像I在任一像素k为中心的局部方形窗口 Ω,内，存在如下局部线性模型:
6.根据权利要求1所述的一种航空图像自动云检测方法，其特征在于:所述的步骤3中，对细节图D使用最大类间方差法进行二值化。
7.根据权利要求2所述的一种航空图像自动云检测方法，其特征在于:所述的步骤1.1中，ε设置为1.0。
8.根据权利要求4所述的一种航空图像自动云检测方法，其特征在于:所述的步骤3.2中，m]{x,y) = g5i 这里的*表示求卷积操作，&为空间高斯核，δ d空间高斯核对应的空间标准差，Sd设置为8。
9.根据权利要求5所述的一种航空图像自动云检测方法，其特征在于:所述的步骤5.1中阈值Y设置为100。
10.根据权利要求5所述的一种航空图像自动云检测方法，其特征在于:所述的步骤.5.3中，方形窗口 Qk的半径设置为60个像素距离》9设置为10_6,阈值t设置为60个灰度级。
【文档编号】G06T7/00GK103927759SQ201410181111
【公开日】2014年7月16日 申请日期:2014年4月30日 优先权日:2014年4月30日
【发明者】肖春霞, 张青 申请人:武汉大学
【专利摘要】本发明公开了一种航空图像自动云检测方法。本发明通过对输入的航空图像分别构建比值图和多尺度细节图来有效放大区分云区和非云区的特性差异，并基于两种不同的特性标准分别得到云检测结果，然后将得到的结果相结合而得到更加准确的云检测结果，本方法加入了云区的后处理操作，使得最终得到的云检测结果在区域连通性和半透明云层边界上更加真实可靠；本发明提出的云检测方法不但准确率高，而且效率高。
【专利说明】—种航空图像自动云检测方法
【技术领域】
[0001]本发明属图像处理【技术领域】，尤其涉及一种航空图像自动云检测方法。
【背景技术】
[0002]随着航空技术的高速发展，航拍技术已经进入了一个能快速及时地获得高分辨航空图像的新阶段。这些丰富的航空图像被广泛地应用在农业工程、气象监控、环境保护和资源勘探等多个领域，有着非常重要的应用价值。由于云层覆盖了超过50%的地表，航空图像中经常会包含云区。而云检测通常能为许多重要的应用提供线索，例如，水溶胶粒子检索，气候监控和气候预测，并能为很多航空图像操作提供预处理，如，目标识别，图像检索和图像分类。因此，航空图像的云检测是一项非常有意义的工作。
[0003]针对多光谱遥感数据，人们已经提出了多种云检测方法。但对于单幅光学航空图像的云检测则研究甚少，至今仍没有一种有效的航空图像云检测方法被提出。可以预见的是，单幅光学航空图像的云检测是困难的，因为其本质是一个图像分割问题。而图像分割现在仍然是计算机图像学和计算机视觉领域中的一个永久难题，如何快速、准确、有效地从输入图像中分割出目标物体仍然异常困难。传统的自动图像分割方法通常无法分辨云区和拥有高亮度值的地物，而交互式图像分割虽然能够通过得到不错的结果，但是需要用户提供大量的交互，这也使得交互式图像分割方法通常都无法直接应用在实际的航空图像云检测平台上。而为了满足实际云检测系统的需求，当前迫切需要一种集自动、快速、高准确率等特性为一体的航空图像云检测方法。
【发明内容】
[0004]本发明为了解决上述的技术问题，提出了一种航空图像自动云检测方法。
[0005]本发明的技术方案是一种航空图像自动云检测方法，其特征在于，包括下述步骤:
[0006]步骤1，对输入的含云航空图像I构建一张比值图V ；
[0007]步骤2，将比值图W'中所有像素点的数值缩放到[0，255]，然后运用最佳阈值选择方法来获取一个最佳全局二值分割阈值T0ptima1,并利用此阈值将图像划分为非云区和云区；
[0008]步骤3，对输入的航空图像I构建多尺度细节图D，然后对细节图D进行二值化，得到基于区域纹理细节特性而判定的非云区和云区；
[0009]步骤4，对步骤2和步骤3中检测出的为云的区域进行求交集操作，得到更加准确的云检测结果 G (X，y) = C(x, y) Π R(x, y),当 C(x, y) = true 和 R(x, y) = true 同时成立；
[0010]步骤5，对步骤4中得到的云检测结果G进行云区后处理，得到最终云检测结果。
[0011]根据权利要求1所述的一种航空图像自动云检测方法，其特征在于:所述的步骤I中还包括如下步骤:
[0012]步骤1.1，将输入的航空图像I由RGB色彩空间转换到HSI色彩空间，然后利用被归一化的Hue分量和Intensity分量按如下方式得到比值图W ；
[0013]
【权利要求】
1.一种航空图像自动云检测方法，其特征在于，包括下述步骤: 步骤1，对输入的含云航空图像I构建一张比值图r ； 步骤2，将比值图W'中所有像素点的数值缩放到[O，255]，然后运用最佳阈值选择方法来获取一个最佳全局二值分割阈值T°ptima1，并利用此阈值将图像划分为非云区和云区；步骤3，对输入的航空图像I构建多尺度细节图D，然后对细节图D进行二值化，得到基于区域纹理细节特性而判定的非云区和云区； 步骤4，对步骤2和步骤3中检测出的为云的区域进行求交集操作，得到更加准确的云检测结果 G (X，y) = C(x, y) R(x, y),当 C(x, y) = true 和 R(x, y) = true 同时成立；步骤5，对步骤4中得到的云检测结果G进行云区后处理，得到最终云检测结果。
2.根据权利要求1所述的一种航空图像自动云检测方法，其特征在于:所述的步骤I中还包括如下步骤: 步骤1.1，将输入的航空图像I由RGB色彩空间转换到HSI色彩空间，然后利用被归一化的Hue分量和Intensity分量按如下方式得到比值图W ；
3.根据权利要求1所述的一种航空图像自动云检测方法，其特征在于:所述的步骤2中，步骤2包括如下子步骤: 步骤2.1，基于数值范围调整后的比值图W'，最佳阈值选择算法按如下方式来获取rp Optimal
4.根据权利要求1所述的一种航空图像自动云检测方法，其特征在于:所述的步骤3包括如下子步骤: 步骤3.1，将输入的彩色航空图像转为灰度图像;设多尺度双边分解的初始层Ic/=，则基于I/利用双边滤波构建M层轮廓图,其中当前要求的轮廓图1/为对前一层轮廓图1/ 执行双边滤波后的结果图(j = 1，2，...，M)，之后结合各层的轮廓图像构建M层细节图二,对于任一细节图Dj有Dj = I/ ^1-1/，其中j = 1，2，...，Μ; 步骤3.2，基于已有的M层细节图按照如下方式计算一张多尺度细节图U，
5.根据权利要求1所述的一种航空图像自动云检测方法，其特征在于:所述的步骤5中包括以下步骤: 步骤5.1，对云检测结果G中被标记为云的区域提取所有连通分量Pj为其中某一连通分量，然后计算连通分量Pj中像素点个数PNum(Pj),若某一连通分量Pj中像素点个数pNum(Pp少于阈值Y，则将该区域重新判定为非云区；否，则进入步骤5.2 ； 步骤5.2，经过步骤5.1，剩余的连通分量被标记为二，进一步修补其内部可能存在的所有孔洞，得到图像G'，L为此时仍被标记为云区的连通分量个数； 步骤5.3，将图像G,作为输入图像，以原始航空图像I为引导图像执行引导性滤波，实现对半透明云层边界的检测，得到最终云检测结果； 假设引导性滤波的输出图像G,和引导图像I在任一像素k为中心的局部方形窗口 Ω,内，存在如下局部线性模型:
6.根据权利要求1所述的一种航空图像自动云检测方法，其特征在于:所述的步骤3中，对细节图D使用最大类间方差法进行二值化。
7.根据权利要求2所述的一种航空图像自动云检测方法，其特征在于:所述的步骤1.1中，ε设置为1.0。
8.根据权利要求4所述的一种航空图像自动云检测方法，其特征在于:所述的步骤3.2中，m]{x,y) = g5i 这里的*表示求卷积操作，&为空间高斯核，δ d空间高斯核对应的空间标准差，Sd设置为8。
9.根据权利要求5所述的一种航空图像自动云检测方法，其特征在于:所述的步骤5.1中阈值Y设置为100。
10.根据权利要求5所述的一种航空图像自动云检测方法，其特征在于:所述的步骤.5.3中，方形窗口 Qk的半径设置为60个像素距离》9设置为10_6,阈值t设置为60个灰度级。
【文档编号】G06T7/00GK103927759SQ201410181111
【公开日】2014年7月16日 申请日期:2014年4月30日 优先权日:2014年4月30日
【发明者】肖春霞, 张青 申请人:武汉大学
最新回复(0)