基于变换检测的薄云去除算法

王自柯 王梅

摘要：薄云覆盖遥感图像使图像上的地物信息模糊，严重影响了图像的质量，限制了图像的应用。本文给出基于变换检测的地物信息恢复方法。首先对多源多时相相目标薄云遥感图像和相同地区不同时相的无云源域遥感图像分别进行检测变化，再利用对偶树复小波变换对变化区域和未变化区域分别进行分解，对未变化区域的高频子带进行高低频融合，然后对变化区域的低频子带进行T-SVR，从而重构出地物信息恢复图像。实验结果表明：该方法能够很好的去除薄云恢复地物信息。

关键词：薄云；空间特性；变换检测；小波变换法；多时图像融合法

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2018）29-0222-02

1 引言

根据云层的空间特性，遥感图像中包含的云可以被分成两类：薄云与厚云。厚云覆盖的遥感图像是传感器无法穿透云层，使得图像上几乎不含任何地面信息；而薄云是半透明的，薄云污染的遥感图像混合了地物信息和薄云信息，地物信息虽未完全被遮挡，但云信息在图像中产生一定的阴影，使得图像上的地物信息模糊或者缺失，降低了遥感图像的质量，严重影响了图像的判读和分析。因此，在当前的物理条件下，寻找一种更加有效的地物信息恢复方法，是增加遥感图像应用的重要途径。

2 算法步骤

选用空间频率、平均梯度、峰值信噪比、偏差指数和结构相似度五个指标对不同方法恢复地物信息的效果进行定量评价，本章算法去除薄云较为彻底，所获得的地物信息恢复图像保留了目标图像中更多的地物信息；偏差指数指标低于其他六种算法，说明本章算法恢复的地物信息失真度更小，地物信息的恢复效果更好。可以看出，本章算法与其他三种方法相比较地物信息恢复效果更好。

4 总结

由于传感器获取的遥感图像之间存在一定的差异，利用变化检测方法将图像分为变化区域和未变化区域，再结合对偶树复小波变换的多方向选择性与近似平移不变性进行多分辨率分解，然后针对未变化区域的子带系数进行PCNN融合，针对变化区域的子带系数进行域自適应的迁移学习方法，最后重构获得地物信息恢复图像，与其他的地物信息恢复方法相对比，该方法能够更多地保留原始遥感图像的信息。

参考文献：

[1] Kingsbury N. The Dual-Tree Complex Wavelet Transform： A New Technique For Shift Invariance And Directional Filters[J]. Image Processing， 1998：319--322.

[2] Celik T， Ma K K. Unsupervised change detection for satellite images using dual-tree complex wavelet transform[J]. 2010， 48（3）：1199-1210.

[3] WangMinJia， HuangLiang. Multi temporal remote sensing image change detection method based on exponential entropy [J]. remote sensing information， 2017， 32（3）：81-85.

【通联编辑：唐一东】