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

downloadPDF
文章导航 > 武汉大学学报 ● 信息科学版  > 2016 >  41(2): 190-195
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
shu
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
shu

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
  • 1.

    中国国土资源航空物探遥感中心, 北京, 100083;

  • 2.

    中国科学院遥感与数字地球研究所, 北京, 100101

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

  • 1.

    China Aero Geophysical Survey & Remote Seusing Ceater for Land and Resources, Beijing 100083, China;

  • 2.

    Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China

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。
    Abstract: This article presents a new cloud detection method combining regularized least squares algorithm and threshold method based on the characteristics of Chinese ZY-3 multispectral imagses. In the process of the new method, second extraction of clouds using a regularized least squares algorithm is done based on a first extraction of clouds using the threshold method, which overcomes confusion of clouds, roads, and buildings. Compared to existing cloud detection methods, the accuracy of the new method is subjectively visibly higher than the threshold method and the K-means clustering combined with threshold method, achieving the same level of accuracy as a support vector machine combined with the threshold method for higher efficiency. Using the new method on different scenes collected at different time, the overall accuracy of the proposed cloud detection method is higher than 97% and the Kappa coefficient is higher than 0.9. These results show that the new method can detect cloud effectively in the case of different underlying surfaces. It is anticipated that this method will be popularized and further applied to imagery from other satellite systems.
  • [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
WeChat 点击查看大图
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
  • 1. 中国国土资源航空物探遥感中心, 北京, 100083;
  • 2. 中国科学院遥感与数字地球研究所, 北京, 100101
    • 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
  • 收稿日期: 2014-12-17
  • 刊出日期: 2016-02-05

  • 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
shu
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
shu

    全文HTML

参考文献 (14)

目录

    /

    返回文章
    返回

    我要投稿

    投稿攻略

    联系我们

    二维码

    版权所有 © 2013 《武汉大学学报·信息科学版》编辑部

    地址：武汉大学文理学部本科生院楼北5楼邮政编码：430072

    电话：027-68778465,68778045E-mail:whuxxb@vip.163.com

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计