留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

结合正则化最小二乘进行高空间分辨率四波段相机云识别

殷亚秋 李家国 余涛 鞠颂 米晓飞 侯海倩

殷亚秋, 李家国, 余涛, 鞠颂, 米晓飞, 侯海倩. 结合正则化最小二乘进行高空间分辨率四波段相机云识别[J]. 武汉大学学报 ● 信息科学版, 2016, 41(2): 190-195. doi: 10.13203/j.whugis20140208
引用本文: 殷亚秋, 李家国, 余涛, 鞠颂, 米晓飞, 侯海倩. 结合正则化最小二乘进行高空间分辨率四波段相机云识别[J]. 武汉大学学报 ● 信息科学版, 2016, 41(2): 190-195. doi: 10.13203/j.whugis20140208
YIN Yaqiu, LI Jiaguo, YU Tao, JU Song, MI Xiaofei, HOU Haiqian. Cloud Recognition for Four Bands Cameras of High Spatial Resolution Combined with the Regularized Least Squares Algorithm[J]. Geomatics and Information Science of Wuhan University, 2016, 41(2): 190-195. doi: 10.13203/j.whugis20140208
Citation: YIN Yaqiu, LI Jiaguo, YU Tao, JU Song, MI Xiaofei, HOU Haiqian. Cloud Recognition for Four Bands Cameras of High Spatial Resolution Combined with the Regularized Least Squares Algorithm[J]. Geomatics and Information Science of Wuhan University, 2016, 41(2): 190-195. doi: 10.13203/j.whugis20140208

结合正则化最小二乘进行高空间分辨率四波段相机云识别

doi: 10.13203/j.whugis20140208
基金项目: 国家自然科学基金(41301388)。
详细信息
    作者简介:

    殷亚秋,硕士,主要从事高空间分辨率遥感影像地物识别与数据同化研究。yinyaqiu@126.com

    通讯作者: 李家国,博士,副研究员。jacoli@126.com
  • 中图分类号: P407

Cloud Recognition for Four Bands Cameras of High Spatial Resolution Combined with the Regularized Least Squares Algorithm

Funds: The National Natural Science Foundation of China, No. 41301388.
  • 摘要: 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。
  • [1] Schiffer R A, Rossow W B. The International Satellite Cloud Climatology Project(ISCCP):The First Project of the World Climate Research Program[J]. Bulletin of the American Meteorological Society, 1983, 66:1498-1505
    [2] Rossow W B, Garder L C. Cloud Detection Using Measurements of Infrared and Visible Radiance for ISCCP[J]. Journal of Climate, 1993, 6:2341-2369
    [3] Saunders R W, Kliebel K T. An Improved Method of Detecting Clear Sky and Cloudy Radiances from AVHRR Data[J]. International Journal of Remote Sensing, 1998, 9:123-150
    [4] Li Wei, Fang Shenghui, Dian Yuanyong, et al. Cloud Detection in MODIS Data Based on Spectrum Analysis[J]. Geomatics and Information Science of Wuhan University, 2005, 30(5):435-443(李微, 方圣辉, 佃袁勇,等. 基于光谱分析的MODIS云检测算法研究[J]. 武汉大学学报·信息科学版, 2005, 30(5):435-443)
    [5] Wang Jiacheng, Yang Shizhi, Ma Jinji, et al. Automatic Cloud Detection Applied to MODIS Image in the Southeast of China[J]. Geomatics and Information Science of Wuhan University, 2006, 31(3):270-273(王家成, 杨世植, 麻金继,等. 东南沿海MODIS图像自动云检测的实现[J]. 武汉大学学报·信息科学版, 2006, 31(3):270-273)
    [6] Sang S P, Jhoon K, Jaehwa L, et al. Combined Dust Detection Algorithm by Using MODIS Infrared Channels Over East Asia[J]. Remote Sensing of Environment, 2014, 141:24-39
    [7] Liu Zhigang, Li Yuanxiang, Huang Feng. Cloud Detection of MODIS Satellite Images Based on Dynamical Cluster[J]. Remote Sensing Information, 2007, 4:33-35(刘志刚,李元祥,黄峰. 基于动态聚类的MODIS云检测算法[J]. 遥感信息, 2007, 4:33-35)
    [8] Clark C, Boyce J. The Detection of Ship Trail Clouds By Artificial Neural Network[J]. International Journal of Remote Sensing, 1999, 20(4):711-726
    [9] Chen Gang, E Dongchen. Support Vector Machines for Cloud Detection over Ice-Snow Areas[J]. Geo-spatial Information Science, 2007, 10(2):117-120
    [10] Yang P, Baum B A. Satellite Remote Sensing. Cloud Properties[M]. London:Academic Press Inc, 2003
    [11] Quan Junhe. A Daytime Cloud Detection Algorithm for FY-3A/VIRR Data[J]. International Journal of Remote Sensing, 32(21):6811-6822
    [12] Quan Junhe. Night-time Cloud Detection for FY-3A/VIRR Using Multispectral Thresholds[J]. International Journal of Remote Sensing, 34(8):2874-2887
    [13] Xiong Xianming, Chang Junfang, Teng Huizhong. Research on Identification of Whitecaps and Bubble Clouds in IKONOS Images[J]. Remote Sensing Information, 2010, (2):69-72(熊显明, 常俊芳, 滕惠忠. IKONOS影像白泡云识别方法研究[J]. 遥感信息, 2010, (2):69-72)
    [14] Cheng Tianhai, Li Li, Gu Xingfa, et al. Cloud Detection Based on CBERS-02B/CCD data[OL]. http://www.cresda.com/n16/n1115/n1522/n2149,2010(程天海, 李丽, 顾行发等. 基于CBERS-02B星CCD数据的云识别[OL]. http://www.cresda.com/n16/n1115/n1522/n2149,2010)
  • [1] 邵振峰, 孙悦鸣, 席江波, 李岩.  智能优化学习的高空间分辨率遥感影像语义分割 . 武汉大学学报 ● 信息科学版, 2022, 47(2): 234-241. doi: 10.13203/j.whugis20200640
    [2] 陈欣, 翟国君, 暴景阳, 欧阳永忠, 陆秀平, 邓凯亮.  航空重力向下延拓的最小二乘配置Tikhonov正则化法 . 武汉大学学报 ● 信息科学版, 2018, 43(4): 578-585. doi: 10.13203/j.whugis20150728
    [3] 江新华, 王先华, 叶函函, 卜婷婷, 桑浩.  应用于O2-A波段云检测的阈值选取方法 . 武汉大学学报 ● 信息科学版, 2017, 42(2): 202-207. doi: 10.13203/j.whugis20140772
    [4] 佃袁勇, 杨光, 方圣辉.  傅里叶谱纹理和光谱信息结合的高分辨率遥感影像地表覆盖分类 . 武汉大学学报 ● 信息科学版, 2017, 42(3): 362-368. doi: 10.13203/j.whugis20140952
    [5] 康一飞, 潘励, 孙明伟, 陈奇, 王越.  基于高斯混合模型法的国产高分辨率卫星影像云检测 . 武汉大学学报 ● 信息科学版, 2017, 42(6): 782-788. doi: 10.13203/j.whugis20140875
    [6] 余磊, 张永军, 孙明伟, 朱昕宇.  联合云检测与高通滤波的含云影像融合方法 . 武汉大学学报 ● 信息科学版, 2016, 41(9): 1160-1167. doi: 10.13203/j.whugis20140505
    [7] 彭小婷, 高文秀, 王俊杰.  基于包络线去除和偏最小二乘的土壤参数光谱反演 . 武汉大学学报 ● 信息科学版, 2014, 39(7): 862-866.
    [8] 姚宜斌, 黄书华, 孔建, 何军泉.  空间直线拟合的整体最小二乘算法 . 武汉大学学报 ● 信息科学版, 2014, 39(5): 571-574. doi: 10.13203/j.whugis20120104
    [9] 吴炜, 骆剑承, 沈占锋, 王卫红.  分类线性回归的Landsat影像去云方法 . 武汉大学学报 ● 信息科学版, 2013, 38(8): 983-987.
    [10] 马洪超, 姚春静, 邬建伟.  利用线特征进行高分辨率影像与LiDAR点云的配准 . 武汉大学学报 ● 信息科学版, 2012, 37(2): 136-140.
    [11] 黄远程, 李平湘, 张良培.  基于交互最小二乘优化的高光谱影像端元光谱分析 . 武汉大学学报 ● 信息科学版, 2010, 35(10): 1217-1221.
    [12] 李祖传, 马建文, 张睿, 李利伟.  利用融合纹理与形态特征进行地震倒塌房屋信息自动提取 . 武汉大学学报 ● 信息科学版, 2010, 35(4): 446-450.
    [13] 文雄飞, 董新奕, 刘良明.  “云指数法”云检测研究 . 武汉大学学报 ● 信息科学版, 2009, 34(7): 838-841.
    [14] 吴波, 汪小钦, 张良培.  端元光谱自动提取的总体最小二乘迭代分解 . 武汉大学学报 ● 信息科学版, 2008, 33(5): 457-460.
    [15] 李利伟, 马建文, 温奇.  双模态脉冲耦合神经网络高分辨率光学卫星影像分割 . 武汉大学学报 ● 信息科学版, 2008, 33(3): 322-325.
    [16] 黄昕, 张良培, 邵振锋, 李平湘.  基于独立分量分析的纹理特征维数减少 . 武汉大学学报 ● 信息科学版, 2006, 31(12): 1055-1058.
    [17] 李微, 方圣辉, 佃袁勇, 郭建星.  基于光谱分析的MODIS云检测算法研究 . 武汉大学学报 ● 信息科学版, 2005, 30(5): 435-438.
    [18] 林宗坚, 宣文玲, 王艳.  高分辨率影像定位的一种新方法 . 武汉大学学报 ● 信息科学版, 2004, 29(4): 363-366.
    [19] 李平湘, 王智均.  高空间分辨率影像和多光谱影像融合的研究 . 武汉大学学报 ● 信息科学版, 2003, 28(1): 14-17.
    [20] 陶闯.  一种SPOT影像参数动态筛选的最小二乘匹配方法 . 武汉大学学报 ● 信息科学版, 1993, 18(2): 31-39.
  • 加载中
计量
  • 文章访问数:  811
  • HTML全文浏览量:  20
  • PDF下载量:  395
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-12-17
  • 刊出日期:  2016-02-05

结合正则化最小二乘进行高空间分辨率四波段相机云识别

doi: 10.13203/j.whugis20140208
    基金项目:  国家自然科学基金(41301388)。
    作者简介:

    殷亚秋,硕士,主要从事高空间分辨率遥感影像地物识别与数据同化研究。yinyaqiu@126.com

    通讯作者: 李家国,博士,副研究员。jacoli@126.com
  • 中图分类号: P407

摘要: 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。

English Abstract

殷亚秋, 李家国, 余涛, 鞠颂, 米晓飞, 侯海倩. 结合正则化最小二乘进行高空间分辨率四波段相机云识别[J]. 武汉大学学报 ● 信息科学版, 2016, 41(2): 190-195. doi: 10.13203/j.whugis20140208
引用本文: 殷亚秋, 李家国, 余涛, 鞠颂, 米晓飞, 侯海倩. 结合正则化最小二乘进行高空间分辨率四波段相机云识别[J]. 武汉大学学报 ● 信息科学版, 2016, 41(2): 190-195. doi: 10.13203/j.whugis20140208
YIN Yaqiu, LI Jiaguo, YU Tao, JU Song, MI Xiaofei, HOU Haiqian. Cloud Recognition for Four Bands Cameras of High Spatial Resolution Combined with the Regularized Least Squares Algorithm[J]. Geomatics and Information Science of Wuhan University, 2016, 41(2): 190-195. doi: 10.13203/j.whugis20140208
Citation: YIN Yaqiu, LI Jiaguo, YU Tao, JU Song, MI Xiaofei, HOU Haiqian. Cloud Recognition for Four Bands Cameras of High Spatial Resolution Combined with the Regularized Least Squares Algorithm[J]. Geomatics and Information Science of Wuhan University, 2016, 41(2): 190-195. doi: 10.13203/j.whugis20140208
参考文献 (14)

目录

    /

    返回文章
    返回