fmask云检测 matlab_高分四号卫星数据云和云阴影检测算法

该研究利用MATLAB实现GF-4卫星数据的fmask云检测算法,通过分析光谱特征,设置检测阈值。主要步骤包括潜在云像元估计和云像元概率计算。首先,通过云的光谱特性排除晴空像元,再通过“白度”指数、绿光近红外比值及雾、霾像元检测筛选潜在云像元。然后,计算云像元概率,区分陆地和水体,以提高检测准确性。实验表明,该算法能有效识别云和地物,尤其在水体上方的薄云检测方面表现出色。
摘要由CSDN通过智能技术生成

2.2 云识别

GF-4的光谱波段较少, 如何充分利用有限的波段实现高精度的云检测至关重要。本研究选取30幅不同区域、不同时间的影像来分析典型地物和不同类型云的光谱特征, 并在此基础上设定检测阈值。主要的云检测过程包括潜在云像元估计和云像元概率计算两步。

2.2.1 潜在云像元估计

云检测的第一步是通过云的光谱特性排除绝对晴空像元得到潜在云像元, 该过程由以下几个测试完成。

1) 确定所有可能有云的像元

确定所有可能有云像元的表达式为

Rband2>0.15αNDVI<0.8,(1)αNDVI=(Rband5-Rband4)(Rband5+Rband4),(2)

式中:αNDVI为归一化植被指数(NDVI); Rband2、Rband4、Rband5分别为第2、第4、第5波段的反射率。云在遥感影像中具有较高的反射率, 即使是很薄的云, 其在蓝光波段的反射率也高于0.15[, 而绝大部分典型地物的反射率低于这个值。由于云在可见光波段的反射率较高, 因此云的NDVI值通常较低, 只有当薄云在浓密的植被上方时, NDVI可能较高, 但通常低于0.8。

2) “白度”指数检测

在可见光波段, 一些地物具有较高的反射率, 在蓝、绿、红三个波段的反射率的总和达到与云接近的数值, 但云在可见光波段的反射率特点是变化较为平缓, 所以可以用蓝、绿、红三个波段的光谱变化趋势将这部分反射率较高的晴空像元排除。该方法由Gomez-Chova 等[首先提出, 在多个传感器的云检测上已经发挥了重要作用。通过对GF-4数据进行分析, 确定采用以下的检测方法:

∑i=24(Rbandi-Aaver)Aaver<0.7,(3)

式中:Aaver为蓝、绿、红三个波段反射率的均值; Rbandi为可见光各波段的反射率。满足(3)式的像元会被识别为云像元。

3) 绿光、近红外比值检测

遥感影像中的裸土、沙漠和岩石等亮地表常与云像元混淆。通过裸土和岩石的光谱曲线可知,

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值