遥感影像云检测-传统方法-：Haze Optimized Transformation（HOT）方法

1.BackGround

1.1.存在问题

• 即使在陆地卫星场景地理覆盖范围有限的情况下（例如185-185公里），感兴趣的时间窗口也很少有大气清晰的场景可用。
• 对于朦胧的场景，通常缺乏辅助数据来进行绝对大气校正。
• 空间变化的半透明云层和气溶胶层（以下简称“霾”）的污染是一个常见问题，影响到现有陆地卫星档案中的大部分场景。

光学深度（optical depth）指的是物质层不透明性的量度。即介质吸收辐射的能力的量度，等于入射辐射强度与出射辐射强度之比。

1.2.现有方法

- Dark Target Subtraction Methods
从直方图下界估计特定于波段的灰度偏移。然后在场景范围内应用这些偏移。可以通过将场景划分为子区域并估计每个子区域的直方图下限来扩展到场景内烟雾变化的建模
参考：An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data
问题：精确的直方图下限估计需要大量像素，这种扩展只能用于模拟粗略尺度的烟雾结构（即，在几十公里的尺度上）。
改进： 结合DTSM和大气的物理特性.
参考：A dynamic regression algorithm for incorporating atmospheric models into image correction procedures.
**- 通过辐射测量变换分离出Haze **
在将Tasselled Cap（TC）变换扩展到TM传感器的过程中，烟雾主要显示在第四个TC分量中
问题：原始TC变换是专门为分离土壤和植被的表面辐射贡献（即“亮度”和“绿色”成分）而设计的，因此没有针对烟雾检测进行优化。
改进：开发了一种基于该TC变换的简化双波段版本（TM波段1和3）的气溶胶烟雾去除方法。

1.3.本文贡献

• 提出一种稳健的算法，提取霾和云在图像上的空间分布
• 提出一种利用烟雾变换图像对可见波段图像进行辐射调整的方法。对TM场景进行了处理和定量评估。

2.HOT算法

2.1.基本思路

找到一种变量可以量化大气对卫星图像辐射测量的影响，但同时对表面反射效应不敏感。必须满足：

• 选择一个光谱空间（即光谱波段的混合），在该空间内，在晴朗大气条件下，不同土地覆盖类型的光谱响应高度相关。这将在光谱空间中形成定义良好的表面响应向量。此后，我们将此矢量称为**“清晰线”（CL）。**
• 在选定光谱空间中，雾在不同波段的影响应当是不同的，因此当大气污染增加时，这个光谱空间的表示应当