一种SDGSAT-1热红外遥感影像云检测方法及装置

一种sdgsat-1热红外遥感影像云检测方法及装置
技术领域
1.本发明涉及目标发现识别领域，尤其是一种sdgsat-1热红外遥感影像云检测方法及装置。


背景技术：

2.可持续发展科学卫星1号(sdgsat-1)于2021年11月5日发射成功。按照计划安排，开始面向“地球大数据科学工程”先导专项和可持续发展大数据国际研究中心(cbas)等相关科技人员开展sdgsat-1专项应用，它搭载了热红外、微光和多谱段成像仪三个有效载荷，通过三个载荷全天时协同观测，具有高分辨率热红外传感器的优势。尤其30m空间分辨率的热红外遥感影像，是目前民用领域空间分辨率较高的热红外影像，为各类热红外目标精准识别带来广阔的应用前景。
3.sdgsat-1热红外遥感影像云准确识别，则是sdgsat-1热红外遥感影像热红外目标准确识别技术大区域推广的前提。


技术实现要素：

4.有鉴于此，本发明的主要目的在于提供一种sdgsat-1热红外遥感影像云检测方法及装置，能有效提升白天/夜晚sdgsat-1热红外遥感数据中云与其它地物的区分度，提升复杂地物背景下sdgsat-1热红外遥感影像云识别的准确性。
5.为达到上述目的，一方面，本技术提供了一种sdgsat-1热红外遥感影像云检测方法，包括：
6.获取中、高分辨率卫星遥感影像，分别提取所获取影像中各云像元和背景像元的多元云指数特征，并构建云像元与背景像元样本集；以云像元与背景像元样本集作为训练样本，采用支持向量机算法，训练并形成云识别模型；
7.获取目标区域的sdgsat-1热红外遥感影像，分别提取所获取影像各像元的多元云指数特征作为测试样本集；将测试样本集输入到所述云识别模型中，得到对各像元的云识别结果；
8.对目标区域的sdgsat-1热红外遥感影像云识别结果的准确率进行定性和定量分析与验证；
9.其中，所述多元云指数特征包括9.35μm、10.73μm和11.72μm波段的辐射亮度特征、以及归一化云指数特征。
10.在一个可能的实现中，所述归一化云指数特征的计算公式为：
[0011][0012]
其中，l3和l1分别代表11.72μm和9.35μm波段的辐射亮度特征。
[0013]
另一方面，本技术还提供了一种sdgsat-1热红外遥感影像云检测装置，包括：第一计算单元、训练单元、第二计算单元、测试单元和验证单元；其中，
[0014]
第一计算单元，用于获取中、高分辨率卫星遥感影像，分别提取所获取影像中各云像元和背景像元的多元云指数特征，并构建云像元与背景像元样本集；
[0015]
训练单元，用于以云像元与背景像元样本集作为训练样本，采用支持向量机算法，训练并形成云识别模型；
[0016]
第二计算单元，用于获取目标区域的sdgsat-1热红外遥感影像，分别提取所获取影像各像元的多元云指数特征作为测试样本集；
[0017]
测试单元，用于将测试样本集输入到所述云识别模型中，得到对各像元的云识别结果；
[0018]
验证单元，用于对目标区域的sdgsat-1热红外遥感影像云识别结果的准确率进行定性和定量分析与验证；
[0019]
其中，所述多元云指数特征包括9.35μm、10.73μm和11.72μm波段的辐射亮度特征、以及归一化云指数特征。
[0020]
在一个可能的实现中，在提取任一所述云像元/背景像元的所述归一化云指数特征时，所述第一计算单元，具体用于将该云像元/背景像元的11.72μm和9.35μm波段的辐射亮度代入公式：
[0021][0022]
算得该云像元/背景像元的归一化云指数特征；
[0023]
在提取所述sdgsat-1热红外遥感影像的任一像元的所述归一化云指数特征时，所述第二计算单元，具体用于将该像元的11.72μm和9.35μm波段的辐射亮度代入公式：
[0024][0025]
算得该像元的归一化云指数特征；
[0026]
其中，l3和l1分别代表11.72μm和9.35μm波段的辐射亮度特征。
附图说明
[0027]
图1为云与不同类型地物的辐射亮度波谱曲线图；
[0028]
图2为云与不同类型地物的归一化云指数与辐射亮度的关系图；
[0029]
图3为本发明实施例一种sdgsat-1热红外遥感影像云检测方法的流程示意图。
具体实施方式
[0030]
图1左半部分为夜晚sdgsat-1热红外遥感影像中云与不同类型地物的辐射亮度波谱曲线图，各条波谱曲线交织在一起；图1右半部分为白天sdgsat-1热红外遥感影像中云与不同类型地物的辐射亮度波谱曲线图，位于最下方的云的辐射亮度波谱曲线与其它三条波普曲线分离；可见，通过9.35μm、10.73μm和11.72μm三波段的辐射亮度，不能把夜晚sdgsat-1热红外遥感图像中云与其它地物区分开来。
[0031]
图2上半部分为夜晚sdgsat-1热红外遥感影像中云与不同类型地物的归一化云指数(tcdi)与辐射亮度的关系图；图2下半部分为白天sdgsat-1热红外遥感影像中云与不同
类型地物的tcdi与辐射亮度的关系图；从图3可见，加入tcdi后，能够较好的把夜晚sdgsat-1热红外遥感影像中云与其它地物区分开来，同时，也能够较好的把白天sdgsat-1热红外遥感影像中云与其它地物区分开来。
[0032]
由此，本发明采用包括9.35μm、10.73μm和11.72μm波段的辐射亮度特征、以及归一化云指数特征的多元云指数特征，来实现sdgsat-1热红外遥感影像云检测。
[0033]
具体的，本发明实施例一种sdgsat-1热红外遥感影像云检测方法的流程如图3所示，包括步骤301～303。
[0034]
步骤301：获取中、高分辨率卫星遥感影像，分别提取所获取影像中各云像元和背景像元的多元云指数特征，并构建云像元与背景像元样本集；以云像元与背景像元样本集作为训练样本，采用支持向量机算法，训练并形成云识别模型。
[0035]
步骤302：获取目标区域的sdgsat-1热红外遥感影像，分别提取所获取影像各像元的多元云指数特征作为测试样本集；将测试样本集输入到所述云识别模型中，得到对各像元的云识别结果。
[0036]
步骤303：对目标区域的sdgsat-1热红外遥感影像云识别结果的准确率进行定性和定量分析与验证。
[0037]
其中，所述多元云指数特征包括9.35μm、10.73μm和11.72μm波段的辐射亮度特征、以及归一化云指数特征。
[0038]
可选的，在步骤301中，中、高分辨率卫星遥感影像为googleearth、sdgsat-1、landsat-8等中、高分辨率卫星遥感图像。
[0039]
这里，为保证不同区域、不同时间sdgsat-1热红外遥感影像云识别的准确度，应尽量针对不同地物覆盖、不同区域、不同时间范围内不同类型的云覆盖的卫星遥感影像建立较完备的云像元与背景像元样本集。
[0040]
可选的，在步骤302中，所述获取sdgsat-1热红外遥感影像具体为：
[0041]
在cbas的sdgsat-1数据开放系统(http://124.16.184.48:6008/home)上下载四级产品，下载热红外(tis)传感器的影像。
[0042]
所述提取sdgsat-1热红外遥感影像任一像元的9.35μm、10.73μm和11.72μm波段的辐射亮度的计算公式为：
[0043]
l＝dn*gain+bias
[0044]
其中，dn为像元的有效记录值，gain为定标增益，bias为定标偏移量，l为定标后的辐射亮度。
[0045]
由于sdgsat-1热红外传感器是由4片ccd拼接而成，每个波段(t1-3)、每片的定标参数各不相同，按照最新版本的辐射定标参数，对数据进行辐射定标，具体可以查看对应的“*.calib.xml”文件。
[0046]
步骤303中，对云识别结果的准确率进行定性和定量分析与验证的方法包括：
[0047]
采用modis等同时段同区域的云产品数据、人工验证数据，通过测试样本验证、交叉验证、典型区域人工验证等方式，对云识别结果的准确率进行定性和定量分析与验证。
[0048]
可选的，modis同时段同区域的云产品数据，为在ladds的modis开放产品数据系统(https://ladsweb.modaps.eosdis.nasa.gov)上下载的空间分辨率为1km、时间分辨率为5min的二级产品mod06_l2云产品数据。
[0049]
在一个可能的实现中，所述归一化云指数特征的计算公式为：
[0050][0051]
其中，l3和l1分别代表11.72μm和9.35μm波段的辐射亮度特征。
[0052]
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

技术特征：
1.一种sdgsat-1热红外遥感影像云检测方法，其特征在于，包括：获取中、高分辨率卫星遥感影像，分别提取所获取影像中各云像元和背景像元的多元云指数特征，并构建云像元与背景像元样本集；以云像元与背景像元样本集作为训练样本，采用支持向量机算法，训练并形成云识别模型；获取目标区域的sdgsat-1热红外遥感影像，分别提取所获取影像各像元的多元云指数特征作为测试样本集；将测试样本集输入到所述云识别模型中，得到对各像元的云识别结果；对目标区域的sdgsat-1热红外遥感影像云识别结果的准确率进行定性和定量分析与验证；其中，所述多元云指数特征包括9.35μm、10.73μm和11.72μm波段的辐射亮度特征、以及归一化云指数特征。2.根据权利要求1所述的方法，其特征在于，所述归一化云指数特征的计算公式为：其中，l3和l1分别代表11.72μm和9.35μm波段的辐射亮度特征。3.一种sdgsat-1热红外遥感影像云检测装置，其特征在于，包括：第一计算单元、训练单元、第二计算单元、测试单元和验证单元；其中，第一计算单元，用于获取中、高分辨率卫星遥感影像，分别提取所获取影像中各云像元和背景像元的多元云指数特征，并构建云像元与背景像元样本集；训练单元，用于以云像元与背景像元样本集作为训练样本，采用支持向量机算法，训练并形成云识别模型；第二计算单元，用于获取目标区域的sdgsat-1热红外遥感影像，分别提取所获取影像各像元的多元云指数特征作为测试样本集；测试单元，用于将测试样本集输入到所述云识别模型中，得到对各像元的云识别结果；验证单元，用于对目标区域的sdgsat-1热红外遥感影像云识别结果的准确率进行定性和定量分析与验证；其中，所述多元云指数特征包括9.35μm、10.73μm和11.72μm波段的辐射亮度特征、以及归一化云指数特征。4.根据权利要求3所述的方法，其特征在于，在提取任一所述云像元/背景像元的所述归一化云指数特征时，所述第一计算单元，具体用于将该云像元/背景像元的11.72μm和9.35μm波段的辐射亮度代入公式：算得该云像元/背景像元的归一化云指数特征；在提取所述sdgsat-1热红外遥感影像的任一像元的所述归一化云指数特征时，所述第二计算单元，具体用于将该像元的11.72μm和9.35μm波段的辐射亮度代入公式：
算得该像元的归一化云指数特征；其中，l3和l1分别代表11.72μm和9.35μm波段的辐射亮度特征。

技术总结
本发明涉及一种SDGSAT-1热红外遥感影像云检测方法，所述方法具体包括：获取中、高分辨率卫星遥感影像，分别提取所获取影像中各云像元和背景像元的多元云指数特征，并构建云像元与背景像元样本集；采用支持向量机算法，训练并形成云识别模型；获取目标区域的SDGSAT-1热红外遥感影像，分别提取所获取影像各像元的多元云指数特征作为测试样本集；将测试样本集输入到所述云识别模型中，得到对各像元的云识别结果；对云识别结果的准确率进行定性和定量分析与验证。还涉及了装置，包括：第一计算单元、训练单元、第二计算单元、测试单元和验证单元。本发明的方法和装置，能有效提升白天/夜晚云与其它地物的区分度，提升复杂地物背景下云识别的准确性。别的准确性。别的准确性。


技术研发人员：马彩虹 谢燕妹 杨进 夏玮
受保护的技术使用者：中国科学院空天信息创新研究院
技术研发日：2023.01.10
技术公布日：2023/9/23