EOS/MODIS遥感影像云剔除方法

吴素霞，宋士涛，张电学，杨会民，谢新宇，常连生

(河北科技师范学院，河北 秦皇岛，066600)

EOS/MODIS资料近年来在我国自然灾害和生态环境监测中发挥着重要的作用，但云覆盖的存在严重地影响到实时监测和服务产品的正常发布，也影响到服务的实效和精度。云覆盖是遥感影像处理中最常遇见的噪声之一，它不仅对图像的处理带来许多困难，而且会影响后续的图像识别、分类精度等，有时甚至无法进行，从而降低了图像的利用率。如何有效地去除云的影响，以恢复地面景物的本来面目，提高遥感影像数据的利用率和精度，一直受到国内外学者的关注。目前国内外有关剔除遥感图像中云的影响的研究方法很多，主要包括主成分分析法、缨帽变换法、傅立叶变换法、同态滤波法、空间域滤波、比值处理等［1～9］。前人对云的去除方法，大都是在对云区处理的同时对无云区的信息也有所改变，为此，本研究试图在最大限度地保留原图像信息的前提下，对MODIS遥感数据中云剔除的方法进行研究。

1 资料来源

本研究采用的数据是由青海省遥感中心提供的MODIS LD2卫星资料，该资料已经经过了数据定标、辐射校正、几何校正、投影变换等预处理。MODIS在电磁波谱上有36个波段(其中可见光、近红外20 个，热红外 16 个)，CH1(0．66 μm)，CH2(0．87 μm)，CH4(0．55 μm)，CH6(1．64 μm)，CH18(0．935 μm)，CH31(11 μm)和CH32(12 μm)这7个波段对云、云中水汽、温度以及气溶胶有敏感性。

2 主要研究方法

为保证无云区信息不改变、有云区信息得到恢复，本研究分两个步骤进行。首先将资料中针对不同厚度的云区(薄云和厚云)采用不同的方法进行云的剔除，然后恢复无云区的信息，以达到在去除资料中云干扰的同时又保证了无云区信息不改变的目的。

2．1 有云区的云处理

经研究发现，不同厚度的云覆盖，消云效果不同，所采取的去云方法也不一样。对于厚云覆盖的区域，由于图像中几乎不含地面景物的任何信息，常规的算法没有明显的去除效果［9］。而对于薄云覆盖区域，图像中既包含有云信息，亦含有地面信息，可被有效消除［4］。因此，从基本云区区分出薄云和厚云是十分必要的。文献［10］中的算法提取出了基本云区、薄云和厚云。

2．1．1 薄云的处理 本研究对于厚云和薄云的界定如下:对于较厚的云层，地表对太阳辐射的反射无法穿透云层，此时在通道1、通道2图像上看不到地表信息;而当云层较薄时，地表反射有一部分可穿透云层，此时在两通道图像上可看到云层下显现的地表。对于薄云采用同态滤波法来处理［2］。同态滤波法(Homomorphic Filter)是应用照射分量/反射分量模型对遥感图像进行滤波处理。能够从影像中去除云的影响，同时还能够恢复不同云区覆盖下的地物光谱信息，可为影像的进一步处理奠定良好的基础。在遥感图像的薄云区域，薄云主要同反射分量相联系，占据低频成分;地物主要同照射分量相联系，占据高频成分。因此只要把低频的信息滤掉，就可以达到去除薄云的目的。去除低频信息是用傅立叶变换将遥感图像从空间域变换到频率域处理，再将处理后的频率域图像作傅立叶逆变换转换为空间域图像。同态滤波法原理可用图1表示:

图1 同态滤波法原理

上图中，log代表对数运算;FT代表傅立叶变换;HF代表线性高通滤波器，本研究选用改进的巴特沃思高通滤波;IFT代表傅立叶逆变换;f(x，y)表示初始亮度图像;g(x，y)表示处理后的亮度图;Exp代表指数运算。

本研究是以MATLAB为工具，实现遥感图像的单波段薄云的去除处理的。MATLAB具有强大的计算功能和丰富的工具箱函数，它提供的图像处理工具箱，包含了许多常用的图像处理函数，支持许多图像处理操作，用户可以方便的调用工具箱中现成的函数，把精力集中在方法的实现上而不是基础操作的编程上，从而能大大提高研究效率。MATLAB中利用同态滤波去除薄云的源码如下:

2．1．2 厚云的处理 根据实际情况适当考虑用替补法来减少厚云的影响。该方法采用同一地区不同时间获取的无云影像的局部替换另一图像上有云影像的目标，可以完全消除云层影响。但用来选取无云区的图像必须与所研究的图像具有相同或近似的成像季节和地面景物特征。主要方法步骤如下:设有云的原始图像为x，替补图像为y。

(1)配准原始图像和替补图像，配准越精确，替补结果就越好;

(2)选取原始图像无云区与替补图像对应的像元值若干对;

(3)回归计算两者之间的关系y=ax+b，y为要反演的云区像元值，x为替换图像像元值，a，b分别为回归参数;

(4)根据回归关系反演厚云区像元值。

如果能针对不同的地物类型建立不同的反演模型替换结果会更好些。

2．2 图像融合

上述对云区处理的同时对无云区的信息也有所改变，特别是在用同态滤波法去除薄云时，薄云的去除效果依赖于截止频率的选择，截止频率越大，去云效果越好，但图像的无云区域的信息特别是边缘区域的信息丢失也越严重。因此有必要对云处理后图像与原始图像通过图像融合作进一步的处理。

如果简单的采用云区掩膜的方法进行图像融合，在云区与非云区会出现明显的分界线，为此，采用如下算法就行融合保证了无云区信息不变:

设原始图像和处理后的图像相对应的任一像素所代表的图像分别为:f(i，j);f′(i，j)，设原始图像和处理后的图像相对应的任一像素的灰度平均值分别为:g(i，j);g′(i，j)，设经过融合处理后的图像为F(x，y)。那么应有:

利用上述方法对青海省局部地区2004年7月20日的MODIS图像通道1、通道2、通道6进行了云去除融合处理，结果见图2，图3，可见这种融合结果比较合理。

图2 去云前621合成图像

图3 去云后621合成图像

3 实验结果分析

3．1 目视结果分析

对比分析去云前(图2)和去云后(图3)结果发现，经过去云处理后图像中的云大部分被有效的去除，无云区域的信息得到了有效的保留。

3．2 数据统计结果分析

在遥感影像的空间域中，有云区域具有局部能量大，区域灰度平均值高，方差小的特点，故采用影像的灰度均值、标准差和熵作为评价指标评价去云效果(表1)。

(1)灰度均值:均值反映了图像的平均灰度。一幅图像在去云之后，理想的预期结果应该是平均灰度降低。统计结果显示对通道1，通道2，通道6经过去云处理后在均值上都降低了，在统计意义上达到了去云目的。

(2)标准差:标准差反映了图像的细节信息。本试验结果也表明去云效果显著，原始图像的云去掉后，图像的均值与绝大部分的背景景物的灰度值更接近，故图像的标准差会变小。

(3)熵:信息是基本随机事件发生概率的实值函数。影像的熵反映了图像的信息含量。试验结果表明去云后的图像熵略小于去云前，可见图像处理最大限度上保留了原始图像的信息量，减少了图像的失真现象。

4 结论与讨论

表1 图像数据统计结果

根据不同的云层厚度采用不同的去云方法，弥补了不同去云方法的欠缺;详细研究了同态滤波法、替补法等在MODIS影像中云的去除效果，提出基于图像融合的方法对无云区数据进行了还原，保证了无云区信息不改变，取得了明显的效果。由于同态滤波法适合处理图像的背景景物高频信息居多的情况，对于整幅图像其低频信息占绝大部分或者全部是低频信息的情况下，高通滤波器处理的效果欠佳。在利用替补法进行厚云剔除时，如果针对不同的地物类型建立不同的反演模型可能结果更好一些。

［1］冯春，马建文，戴芹，等．一种改进的遥感图像薄云快速去除方法［J］．国土资源遥感，2004，62(4):1－3，18．

［2］沈文水，周新志．基于同态滤波的遥感薄云去除算法［J］．强激光与粒子束，2010，22(1):45－48．

［3］张树誉，王钊，李星敏．提高卫星遥感资料利用率的方法［J］．测绘学院学报，2004，21(1):30－33．

［4］刘洋，白俊武．遥感影像中薄云的去除方法研究［J］．测绘与空间地理信息，2008，31(3):120－122，125．

［5］谢华美，何启翱，郑宁，等．基于ERDAS二次开发的遥感图像同态滤波薄云去除算法的改进［J］．北京师范大学学报:自然科学版，2005，41(2):150－153．

［6］周春艳，王萍，郑学芬．基于MATLAB的遥感图像薄云去除［J］．西部探矿工程，2006(增刊):224－227．

［7］李刚，杨武年，翁韬．一种基于同态滤波的遥感图像薄云去除算法［J］．测绘科学，2007，32(3):47－48．

［8］王惠，谭兵，沈志云．多源遥感影像的去云层处理［J］．测绘学院学报，2001，18(3):195－198．

［9］谈建国，周红妹，陆贤．NOAA卫星云检测和云修复业务应用系统的研制和建立［J］．遥感技术与应用，2000，15(4):228－231．

［10］王永亮．MODIS 图像的薄云透明云检测［J］．气象科学，2007，27(1):76－81．