噪声调节主成分变换下的遥感图像薄云去除

doi:10.13474/j.cnki.11-2246.2021.0074

测绘通报 ›› 2021, Vol. 0 ›› Issue (3): 33-37.doi: 10.13474/j.cnki.11-2246.2021.0074

噪声调节主成分变换下的遥感图像薄云去除

张玉, 贾遂民

郑州师范学院信息科学与技术学院, 河南郑州 450044

收稿日期:2020-07-31 出版日期:2021-03-25 发布日期:2021-04-02
作者简介:张玉(1982—),女,硕士,副教授,主要研究方向为可信计算、物联网安全。E-mail:he20100813008@sina.com
基金资助:
国家自然科学基金（61572447）；河南省重点研发与推广专项（202102310522）

Thin cloud removal in remote sensing images based on noise-adjusted principal component transform

ZHANG Yu, JIA Suimin

School of Information Science and Technology, Zhengzhou Normal University, Zhengzhou 450044, China

Received:2020-07-31 Online:2021-03-25 Published:2021-04-02

摘要/Abstract

摘要： 针对在光学遥感图像中的地球表面反射率由于云覆盖所造成的衰减问题，本文提出了一种基于噪声调整主成分变换（NAPCT）模型的薄云去除方法。首先，通过噪声估计构建NAPCT除云模型，实现云图像的转换；然后，利用NAPCT第一成分（NAPC1）提供的云分布信息，通过合并云掩膜，对NAPC1上的浑浊像素进行校正；最后，将逆变换应用于云覆盖区域，并与原始的清晰像素镶嵌在一起，最终得到无云图像。利用模拟和真实的Landsat 8图像对本文方法的性能进行了定性和定量评估，试验结果表明：与传统方法相比，本文NAPCT方法提供了更好的均方根误差和峰值信号噪声比，在除云上具有更好的效果。

关键词: 云掩膜, 主成分变换, 除云, 信噪比, 遥感图像

Abstract: To solve the problem of attenuation of the earth's surface reflectance in optical remote sensing images due to cloud cover, a thin cloud removal method based on the noise-adjusted principal component transform (NAPCT) model is proposed. Firstly, a NAPCT cloud removal model is constructed through noise estimation to realize the conversion of cloud images. Secondly, it corrects the turbid pixels on NAPC1 by using the cloud distribution information provided by the first component of NAPCT (NAPC1) and merging the cloud mask. Finally, the inverse transform is applied to the cloud covered area and mosaic with the original clear pixels to obtain a cloudless image. The performance of the method proposed in this paper is evaluated qualitatively and quantitatively using simulated and real Landsat 8 images. The experimental results show that the NAPCT method proposed in this paper provides better uniformity compared with other methods. The root square error and the peak signal-to-noise ratio have a better effect on removing clouds.

Key words: cloud mask, principal component transformation, cloud removal, signal-to-noise ratio, remote sensing image

中图分类号:

P237

张玉, 贾遂民. 噪声调节主成分变换下的遥感图像薄云去除[J]. 测绘通报, 2021, 0(3): 33-37.

ZHANG Yu, JIA Suimin. Thin cloud removal in remote sensing images based on noise-adjusted principal component transform[J]. Bulletin of Surveying and Mapping, 2021, 0(3): 33-37.

参考文献

[1] 刘洋,张杰,张慧.一种改进的Retinex算法在图像去雾中的研究与应用[J].计算机科学,2018,45(S1):242-243.
[2] 吴峰,朱锡芳,相入喜,等.基于双树复小波变换的遥感图像去云雾系统设计[J].应用光学,2018,39(1):64-70.
[3] 张驰,谭南林,李响,等.基于改进型Retinex算法的雾天图像增强技术[J].北京航空航天大学学报,2019,45(2):309-316.
[4] 杨晓倩,贾振红,杨杰, 等.基于小波变换和Retinex结合的遥感图像的薄云去除[J].激光杂志,2019,40(10):77-80.
[5] 张婷婷,聂龙保.基于加权梯度融合的Landsat影像薄云去除[J].遥感技术与应用,2016,31(3):511-517.
[6] 阎庆,梁栋,张晶晶.单幅遥感图像去除薄云算法的改进[J].计算机应用,2011,31(5):1227-1229.
[7] SHEN H, LI H, QIAN Y, et al. An effective thin cloud removal procedure for visible remote sensing images[J]. Isprs Journal of Photogrammetry & Remote Sensing, 2014, 96(9):224-235.
[8] SHEN H, WU J, CHENG Q, et al. A spatiotemporal fusion based cloud removal method for remote sensing images with land cover changes[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2019, 12(3):862-874.
[9] 张思雨,李从利.基于改进Criminisi算法的航拍图像厚云修复[J].激光与光电子学进展,2018,55(12):269-275.
[10] SHULI C, XUEHONG C, XIANG C, et al. A novel cloud removal method based on IHOT and the cloud trajectories for landsat imagery[J]. Remote Sensing, 2018, 10(7):1040-1050.
[11] 董保根,秦志远,杨安红.基于多时相遥感影像去除朵云及阴影的改进方法[J].测绘通报,2010(12):14-16.
[12] 姜侯,吕宁,姚凌.改进HOT法的Landsat 8 OLI遥感影像雾霾及薄云去除[J].遥感学报,2016,20(4):620-631.
[13] WANG L Y, LI Y, WANG Y Q. Research on land use change detection based on an object-oriented change vector analysis method[J]. Journal of Geo-Information Science, 2014, 27(2):74-80.
[14] 潘勇卓,谢洪斌,杨雪,等.改进暗通道先验的高分二号影像快速去薄云[J].遥感信息,2019,34(6):91-98.
[15] 胡根生,周文利,梁栋,等.融合引导滤波和迁移学习的薄云图像中地物信息恢复算法[J].测绘学报,2018,47(3):348-358.

噪声调节主成分变换下的遥感图像薄云去除

Thin cloud removal in remote sensing images based on noise-adjusted principal component transform

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	贾秀丽. 高斯过程回归辅助下的GPS干涉反射积雪深度估测[J]. 测绘通报, 2022, 0(7): 78-82.
[2]	赖正文, 夏小云. 像素级和对象级高分辨率遥感图像变化检测分析[J]. 测绘通报, 2021, 0(2): 59-63.
[3]	孙玉梅, 刘昱豪, 边占新, 孙亮, 陈敬周. 深度学习PaddlePaddle框架支持下的遥感智能视觉平台研究与实现[J]. 测绘通报, 2021, 0(11): 65-69,75.
[4]	马林飞, 倪欢, 周子涵. 基于注意力机制的高分遥感图像采石场识别[J]. 测绘通报, 2021, 0(11): 96-100.
[5]	陈堃, 沈飞, 曹新运, 朱逸凡. 基于深度置信网络的GNSS-IR土壤湿度反演[J]. 测绘通报, 2020, 0(9): 100-105.
[6]	王庆余, 杜宁, 王莉, 张小东, 吴磊, 熬逍. 变分模态分解及能量熵在地心运动降噪中的应用[J]. 测绘通报, 2020, 0(8): 59-64.
[7]	王瑞芳. 利用EMD进行GNSS-MR潮位监测研究[J]. 测绘通报, 2020, 0(10): 114-117.
[8]	谢福鼎, 赫佳妮, 郑宏亮. 半监督离散势理论在遥感影像变化检测中的应用[J]. 测绘通报, 2019, 0(8): 54-58.
[9]	杨梦圆, 刘伟, 尹鹏程, 谢梦. 深度卷积网络支持下的遥感影像井盖部件检测[J]. 测绘通报, 2019, 0(8): 78-81,87.
[10]	袁玉珠. 改进分数阶达尔文粒子群的多Renyi熵图像分割算法[J]. 测绘通报, 2019, 0(6): 34-40.
[11]	张亚平, 张宇, 杨楠, 罗晓, 罗谦. 一种高光谱遥感图像快速谱聚类算法[J]. 测绘通报, 2019, 0(12): 60-64.
[12]	宋佳乾, 汪西原. 改进SIFT算法和NSCT相结合的遥感图像匹配算法[J]. 测绘通报, 2018, 0(9): 34-38.
[13]	王晓, 郭军, 朱邦彦, 王爱学, 秦天天. 一种侧扫声呐图像去噪及均衡化综合处理方法[J]. 测绘通报, 2018, 0(8): 51-55.
[14]	丰秋林, 郑南山. 机器学习算法辅助的GPS信噪比观测值土壤湿度反演[J]. 测绘通报, 2018, 0(7): 106-111.
[15]	陈竹安, 胡志峰. 小波阈值改进算法的遥感图像去噪[J]. 测绘通报, 2018, 0(4): 28-31.