遥感图像中的云区域去除方法研究

李杭　白新伟

摘要：遥感图像处理是一项技术性工作，特别是在图像云区域的去除中，强调技术的科学合理性，以确保遥感图像的应用价值。本文立足对遥感图像的处理研究，从多项式法、同态滤波法和大数据量去云法三个方面，具体阐述了遥感图像中云区域的去除方法，以更好地提高图像的可读性。

关键词：遥感图像；云区域；大数据量；去除方法

中图分类号：TP75 文献标识码：A 文章编号：1007-9416（2018）01-0098-02

遥感图像处理中，云区域的有效去除是提高图像质量，确保应用价值的关键所在。近年来，随着遥感技术的不断发展，图像分辨率得到了显著提高，但由于自然天气等的影响，遥感图像中带有薄云的情况时有发生，这就影响云区域遥感影响图像的判断。为此，要对遥感图像中的云区域进行处理，提高遥感图像的可判读性。从以下几个方面，具体阐述了遥感图像中云区域的去除方法。

1 空域内去云：多项式法

在空域内去云处理中，多采用多项式法。所谓多项式法，就是针对同一地区的不同传感器所获得遥感图像，在多项式方法的处理之下，将“无云”的局部图像去替代云区域部分，进而实现对云区域的有效去除。因此，该处理方法的优缺点十分显著，主体表现为：（1）在对多原图像的去云处理中，可以摆脱厚云的影响，进而实现高效率、高精准的有效处理；（2）由于多项式法是“替代”操作，这就容易在处理中出现拼接缝隙，影响处理效果，这点需要特别注意；（3）在实际操作中，需要在相同地理位置的背景之下，以其作为无云图像的参照，这在实际当中难以实现，导致云区域图像需单幅处理，增加了工作量，也会对处理效果产生影响。

2 频域内去云：同态滤波

同态滤波可以对遥感图像起到增强的处理效果，对于频域内去云，具有良好的应用效果。所谓同态滤波，就是将频率过滤和灰度变化相结合，以达到去云的目的。但是，在利用同态滤波处理云区域的过程中，该方法的局限性非常突出，具体表现为：（1）同态滤波需要消耗大量的时间，这就影响力去云效率。在处理过程中，需要对遥感影像进行“傅里叶”变换，这就导致处理过程需要占用大量时间和空间；（2）提高运算速度，是提高处理效率的重要基础。但是，在提高预算速度的过程中，会导致变换郭凯，而对遥感影像的大小做成一定影响，特别是图像大小受限，导致一些大容量的圖像难以得到处理，造成数据信息的冗余问题；（3）边界效应是同态滤波处理中的重要缺陷。在处理中，由于边界效应的出现，导致图像的便捷亮度较高，变白效果的加剧，影响了遥感图像的判读；（4）同态滤波的处理中，也会对遥感图像的无云区域进行处理，这就会对无云区域图像造成影响影响，甚至会破坏无云区域的影像质量。

3 大数据量云区域去云方法

在遥感图像的云去除中，基于同态滤波、多项式法存在的局限性，需要对处理方法进行优化与创新，已获得高效率、高质量的处理效果。在笔者看来，大数据量云区域去除方法，可以实现更好地处理效果，并且在诸多方面，实现了更加显著性的技术创新，具有良好的应用价值。

3.1 原理与步骤

在做云区域的处理中，主要是增强对比度，并降低与层的亮度，这样就可以让图像更加清晰，提高其可读性。在实际操作中，应做好以下几个步骤：

第一，图像重采样。在一定误差的前提之下，需要对图像进行重采样，以实现更加高效、快速的处理效果。也就是说，在对原图进行抽样之后，进行一定倍数的缩放。

第二，识别云区域。在识别中，需要基于云区域的特点，对图像中的云层进行有效识别，去掉图像中的低频成分，如水域、沙地等，这是去云处理的重要环节，也是影响云层识别质量的重要因素，需要在实际操作中特别注意。

第三，估计云的厚度。在去除之前，需要对云的厚度进行估计，这是为了更好地提高处理效果。由于一定区域的云往往分布不规律，且厚度不均匀，采用一种处理方法，难以获得较好的处理效果。因此，基于不同厚度的云区域，需要采用不同的处理方法，在整体上实现较好的处理效果。

第四，去除与图像恢复。在对云区域进行处理之后，需要对遥感图像进行恢复操作。基于缩放比例，将大数量遥感图像进行相对应的变化调整。在实际当中，云区域去除的模型主要如图1所示。

3.2 薄云识别

在去云处理中，薄云的识别是关键，这将直接对处理效果产生影响。在识别中，需要对大面积的水域、雪地，以及高亮度的第五进行去除，因为这些区域会对薄云识别产生干扰，导致识别错误。笔者在实践中发现，云层的识别应注重识别方法的有效应用，这是提高云层识别效果的关键。

首先，云层识别极易受到高亮度区域的影响，这就要求对大面积的水域、雪地以及高亮度的地物进行处理，提高识别的准确度，这是准确而有效处理的前提。

其次，对每个像素，在n×n邻域内，计算均值和方差，并求出均值的最大值和方差的最小值。

再次，由于不同的云区域，其存在较大差异，这就要求对识别参数进行有效调整，进而提高识别的准确度。基于大数据量的云层识别效果，能够对云区域进行有效识别，为云去除的开展创设了良好的条件。

总而言之，在遥感图像的云区域去除中，要立足实际需求，选择科学合理的去除方法，以实现良好的处理效果。在笔者看来，传统的多项式法、同态滤波法等处理效果较好，但存在较为显著的局限性。大数据量区域方法实现了技术创新，在诸多方面的优越性比较突出，这就提高了其在遥感图像处理中的应用价值。无论是何种处理方法，应讲究科学合理原则，提高遥感图像的数据质量，确保有效应用。

参考文献

[1]曹敏洁.遥感图像厚云及其阴影去除技术研究[D].广西师范大学，2015.

[2]刘洋，白俊武.遥感影像中薄云的去除方法研究[J].测绘与空间地理信息，2008，31（3）：120-122.

[3]朱锡芳，李峰.彩云遥感图像去薄云新方法[J].应用光学，2007，28（6）：698-701.