共查询到20条相似文献，搜索用时 125 毫秒
1.
目前基于深度学习的云检测方法,受训练样本限制,算法难以推广及应用。为了快速实现针对多种传感器的高精度的云检测,Sun等（2020）提出统一样本云检测方法。基于AVIRIS高光谱样本库模拟出待检测传感器的云和晴空地表像元,将模拟得到的多光谱样本数据输入到BP神经网络中进行逐像元分类,生成云检测模型,实现Landsat 8 OLI等宽光谱传感器较高精度的云检测。该方法基于统一样本模拟出不同传感器的样本像元库,适用于多种传感器的云检测。由于Landsat 8 OLI波段较多,波谱范围覆盖宽,容易实现云的高精度识别。为了进一步提高其在光谱范围较窄的GF-6 WFV数据上的云检测应用精度,在模拟出的样本库中加入GF-6 WFV数据典型高亮地表像元。通过目视解译对云检测结果进行精度验证,结果表明,该算法利用可见光和近红外通道的遥感数据可以高精度的识别出植被、水体、建筑、裸地等地表类型上空的厚云、碎云和薄云。改进后的云检测算法,云像元平均正确率达到88.40%,在高亮地表上空云像元正确率达到87.40%,在不同地表类型上空的云像元平均正确率为92.60%。结果表明,加入高反射率地物的算法可以利用有限波段实现云和地表的高精度分离。 相似文献
2.
针对ACCA（云量自动评估）算法难以检测Landsat图像中的半透明云问题,提出了一种ACCA和WSVM（加权支持向量机）相结合的云检测算法．首先根据云在不同波段中的大气辐射特点,结合Landsat ETM+图像数据的光谱特性,利用ACCA算法将图像像元初步分成云像元、非云像元和待定像元,再以云的光谱特性构造特征向量,利用WSVM算法进行待定像元的云层检测,最终获得全部图像的云检测结果．仿真实验结果表明,该方法既具有ACCA算法的云检测优势,还对ACCA算法难以识别的半透明云有很好的检测效果． 相似文献
3.
《武汉大学学报(信息科学版)》2016,(2)
针对资源三号(ZY-3)多光谱影像的特点,提出一种结合最小二乘原理与阈值法的云检测方法。在阈值法进行初始云提取的基础上,利用正则化最小二乘进行云像元的再次提取,克服了高分辨率遥感影像上云与道路、房屋等地物容易混淆的问题。与现有云检测方法进行对比,利用阈值法与正则化最小二乘进行云检测的整体精度和Kappa系数明显高于阈值法、阈值与K均值聚类相结合的方法,达到了支持向量机云检测方法相同的精度水平,但是效率明显高于后者。将该方法应用于不同时相和场景的遥感影像,算法云像元提取的整体精度在97%以上,Kappa系数在0.9以上。分析表明,该算法能够对不同下垫面情况下的云像元进行有效地识别。 相似文献
4.
5.
在卫星海洋遥感中,云作为海气耦合系统最重要的调节器之一,其检测结果对海洋上空云微物理特性的反演精度有较大影响。因此,快速而准确识别海洋上空的云像元是卫星遥感数据处理过程中首要解决的关键问题。以PARASOL (Polarization and Anisotropy of Reflectances for Atmospheric Sciences coupled with Observations from a Lidar)卫星搭载的POLDER3载荷遥感数据为研究对象,提出一种改进的海洋上空云检测方法。首先剔除海洋耀光;接着利用有云与晴空区近红外反射率差异检验识别有云像元,并利用偏振反射率检验进一步识别低反射率的云像元;然后利用近红外与可见光反射率比值检验识别晴空像元;最后建立多角度云检测结果空间融合规则,重新标记有云、晴空和未定像元。以印度洋海区为例进行实验分析,将云检测结果与Buriez方法进行对比,发现检测精度基本相当,而有云像元的识别速度却平均提高约3倍。结果表明:该方法能有效的检测出海洋上空的云像元,满足业务化数据处理的高精度及时效性要求,为后续云微物理特性反演提供可靠的数据源。 相似文献
6.
针对地面三维激光扫描仪扫描过程中产生混合像元的问题,通过对混合像元产生原理和相关特性的分析,提出了一种用于探测和剔除混合像元的算法,并且编制相应的计算机程序予以实现。同时以球体作为实验扫描对象,用混合像元剔除算法对扫描过程中产生的混合像元予以剔除,并比较了混合像元剔除前后点云拟合模型与实际物体在尺寸上及拟合精度的差异,从而验证了该算法的有效性和实用性。混合像元探测与剔除算法可以为后期进行的点云配准、特征提取和曲面建模等工作提供更精确的点云。 相似文献
7.
针对夜间云检测问题,本文基于静止气象卫星Himawari-8影像数据,分析了云像元光谱特征与图像特征,提出了融合光谱阈值与图像技术的静止卫星夜间云检测方法,实现了静止卫星夜间云的快速、准确检测。利用MODIS云产品和CALIPSO雷达数据,对云检测结果进行定性分析与定量验证。结果表明：(1)云检测结果与MODIS的云产品MYD06分布基本一致;(2)算法夜间平均云检测精度达到80.3%;(3)不同季节夜间的云检测精度随季节变化较明显,夏季最高达到83.3%,可以区分不同季节夜间的云与非云区域。因此,融合光谱阈值与图像技术的静止卫星夜间云检测方法能有效实现夜间云检测,为夜间云检测应用提供了新思路。 相似文献
8.
9.
高分五号（GF-5）号卫星所搭载的大气多角度偏振探测仪（DPC）能够对地球进行多波段,多角度和的连续观测,其数据对研究全球大气云分布及云辐射反馈作用提供新的视角。本文通法国多角度偏振载荷POLDER（POLarization and Directionality of the Earth’s Reflectances）云检测算法为参考,结合DPC多波段反射率、偏振反射率、表观压强等信息开发了一个适用于DPC的云检测算法。算法主要分为3个部分：首先是阈值方法对云像元进行检测,同时引入表观压强对不同高度的云（如卷云、层积云等）进行进一步的条件约束,然后利用865 nm波段偏振反射率对海表反射的太阳耀斑区进行识别,修正了反射率阈值识别云像元时受到的太阳耀斑干扰。为了验证算法的准确性,利用2018-10-01的MODIS的MOD06云掩码产品与本文云检测算法结果进行定性分析,从目视判读结果可以看出本文云检测结果与MOD06产品具有较高的吻合度;随后又利用2018-10-01—04的CALIPSO-VFM数据与本文云检测结果和MYDO6云掩码产品进行定量分析,分别计算了中低纬度区域（60°N—60°S）的云/晴空像元命中率和云/晴空像元错误预报率,计算结果显示算法云命中率均值相较MYD06云掩码产品高出13.501%的前提下云错误预报率仅高出3.561%,可表明该算法在全球中低纬度区域有着良好的云检测效果。本文提出的云检测算法,可为后续DPC的云参数、水汽、气溶胶等研究提供重要数据支撑。 相似文献
10.
11.
12.
云检测是气象卫星各类定量遥感产品的基础,无论是以云图为基础的天气分析还是以去云为前提的各类大气和地表参数反演、沙尘火情等灾害检测,都需要对遥感影像中的云进行准确识别,尤其是薄云和云边缘等细节识别。针对静止气象卫星(以Himawari-8为例)精细化云检测,本文提出了一种基于多尺度视网膜图像增强的动态云检测算法。该算法基于云层与背景信息辐射特征不同的原理,构建可见光和红外波段的晴空辐射背景场,通过多尺度图像增强和最大类间差方法对辐射差值进行云细节信息的增强和提取。利用2021-2022年的75景MODIS云检测产品作为验证数据进行算法精度验证,整体上算法精度达到91.13%,召回率为94.02%,精确率为86.71%,有较强的适用性和稳健性,且已经较好地支撑了近两年的定量遥感产品业务化应用。 相似文献
13.
A new method was developed in this study for producing a clear-sky Landsat composite for cropland from cloud-contaminated Landsat images acquired in a short time period. It used Thiel–Sen regression to normalize all Landsat scenes to a MODIS image to make all Landsat images radiometrically consistent and comparable. Pixel selection criteria combining the modified maximum vegetation index and the modified minimum visible reflectance selection methods were designed to enhance the pixel selection of land/water over cloud/shadow in the image compositing. The advantages of the method include (1) avoiding complicated atmospheric corrections but with reliable surface reflectance results, (2) being insensitive to errors induced by image co-registration uncertainties between Landsat and MODIS images, (3) avoiding the lack of samples for the regression analysis using the full Landsat scenes (rather than overlay regions), and (4) enhancing cloud/shadow detection. The composite image has MODIS-like surface reflectance, thus making MODIS algorithms applicable for retrieving biophysical parameters. The method was automatically implemented on a set of 13 cloud-contaminated (>39%) Landsat-7 (Scan-Line Corrector-Off) and Landsat-8 scenes acquired during peak growing season in a crop region of Manitoba, Canada. The result was a 95.8% cloud-free image. The method can also substantially increase the usage of cloud-contaminated Landsat data. 相似文献
14.
15.
基于光谱分析的MODIS云检测算法研究 总被引：11，自引：1，他引：11
总结了云、雪、植被、沙漠、水体等目标的光谱特性以及云和不同目标间的光谱差异，结合MODIS影像的波段范围，提出了一种对不同下垫面通用的多光谱云检测算法，试验证明了算法的有效性。 相似文献
16.
《International Journal of Digital Earth》2013,6(6):157-171
The Moderate Resolution Imaging Spectroradiometer (MODIS)-Terra surface reflectance product (MOD09A1), with bands 1 to 7, is a gridded, eight-day composite product derived from the MODIS-Terra top of atmosphere reflectance swaths. It performs cloud detection and corrects for the effects of atmospheric gases and aerosols. The cloud mask (CM) algorithms for MODIS are based on empirical thresholds on spectral reflectance and brightness temperature. Since the spatial resolution of the thermal band is 1000 m, while that of MOD09A1 is 500 m, many undetected and false clouds are observed in MOD09A1. These errors always result in temporal and spatial inconsistencies in higher-level products. In this paper, a cloud detection algorithm (TSCD) based on a MOD09A1 time series is introduced. Time series cloud detection (TSCD) algorithm is based on the relative stability of ground reflectance and the sudden variations in reflectance that result from cloud cover. The algorithm first searches the clear-sky reference data, and then discriminates clouded and unclouded pixels by detecting a sudden change of reflectance in the blue wavelength and spectral correlation coefficient at the pixel level. Compared with cloud cover assessments obtained from MODIS' original CM, TSCD provides similar or better discrimination in most situations when the land surface changes slowly. 相似文献
17.
云覆盖作为天气和气候变化的一个重要因子,对地表-大气能量平衡和水循环有着重要的影响,因此,快速、准确地利用卫星遥感技术检测云覆盖具有重要的实用价值和科学意义。利用卫星遥感数据,尤其是常用的Moderate Resolution Imaging Spectroradiometer(MODIS)影像数据,因其具有较高的光谱和时间分辨率,以及2330 km扫描幅宽,为大范围实时、准确地进行云检测提供了可能。目前,基于MODIS数据发展了大量的云检测方法,但因地表类型的多样性和大气状况(如空气污染和沙尘事件等)的复杂性,目前已有的云检测方法,检测精度通常具有较大的不确定性,且针对不同地表和大气状况缺乏普适性,同时也缺乏对检测精度的定量化评估。因此,本文首先比较了常用的3种云检测算法,并基于前人经验提出了两种改进方法(方法4和方法5),首先区分出云和冰雹,摒弃了不稳定的亮温波段,两种算法均适用于复杂地表和大气状况的云检测算法。结果显示,方法5可以较好地应用于基于MODIS数据的云检测,总体精度达92.6±7%,改进了现有基于MODIS数据的云检测算法;方法4平均总体精度82.9±13%,虽然精度相对较低,但云残留少,适合作为对云敏感度高的研究工作的云检测方法。 相似文献
18.
大部分国产卫星波段少,利用传统方法难以进行云检测。本文提出了基于改进D-LinkNet模型的云检测算法,并应用于国产卫星遥感影像的云检测。首先,利用自然资源部国土卫星遥感应用中心提供的人工勾云样本生成二值图标签;其次,对D-LinkNet50的编码器进行改进,使用带有通道注意力机制的ResNeSt50-Block替换原始的ResNet50-Block;然后,对损失函数进行加权,测试分析发现只用交叉熵损失作为损失函数时,检测精度更高;最后,使用条件随机场（CRF）对预测结果进行后处理。试验结果表明,改进D-LinkNet模型在测试集上的IoU提升了1.93%,精度提升了2.45%,保持了较好的云边缘信息,云检测效果高于原D-LinkNet模型。 相似文献
19.
利用对象光谱与纹理实现高分辨率遥感影像云检测方法 总被引：1，自引：1，他引：0
针对高分辨率遥感影像云检测过程中合适的云检测光谱阈值难以确定及影像中类云地物对云检测精度影响的问题,提出一种基于对象光谱与纹理的高分辨率遥感影像云检测方法。首先,对影像进行直方图均衡化处理,根据均衡化影像直方图获得合适的影像云检测光谱阈值。其次,用简单线性迭代聚类算法对影像进行分割生成分割对象,以对象为处理单元,根据云检测光谱阈值和对象光谱属性对对象进行云检测过滤,获得初始云检结果。然后,求得直方图均衡化影像的纹理图,根据对象的纹理均值及角二阶矩对初始云检测结果提纯,消除类云地物对云检测精度的影响。最后对提纯云区域进行区域增长及膨胀处理,获得最终的影像云检测结果。定性对比试验和定量评价结果表明,本文方法可以获得良好的影像云检测结果。 相似文献
20.
本文介绍了大范围卫星影像彩色镶嵌图的制作流程．对于大范围卫星影像彩色镶嵌图制作的技术难点（去云、拼接、调色），文章进行了重点介绍并提出技术解决办法．利用MODIS卫星数据制作了两幅全国彩色影像镶嵌图：一幅为红波段（B1）、绿波段（B4）和蓝波段（B3）构成的真彩色合成影像：一幅为红波段（B1）．近红外波段（B2）和蓝波段（B3）构成的假彩色合成影像．两幅影像色彩精美，信息量丰富． 相似文献