乔振民，邢立新，李淼淼，董连英，潘 军，王红红，朱亚静

（吉林大学 地球探测科学与技术学院，长春 130026）

遥感影像的云及其阴影覆盖区光谱重构

乔振民，邢立新，李淼淼，董连英，潘 军，王红红，朱亚静

（吉林大学 地球探测科学与技术学院，长春 130026）

以往遥感影像的云及其阴影去除方法侧重于受遮盖地物的几何特征恢复，不利于基于光谱特征的信息提取。为此，提出一种基于地物类别特征的光谱重构方法，采用两期相邻年份相近物候期的遥感数据，借助归一化差值和决策树分类的方法，检测厚云及其阴影，并提取相应区域地表覆盖类型信息，对两时相遥感影像各波段被遮挡区的每种地物类别做线性回归分析，获取被遮挡区的重构数据。实验结果表明，该方法在恢复受云影响地物几何信息的同时，较好地实现了遮盖区地物光谱信息模拟。

厚云；云阴影；归一化差值；线性回归分析

0 引 言

云及其阴影是光学遥感影像中最常见的一种噪声，如何消除其对遥感数据的影响是人们面临的首要问题。最大程度地恢复云层及阴影覆盖区下地物的几何信息和光谱信息是云处理的主要研究方向。目前有很多关于遥感影像中云检测和处理的研究，如直方图匹配方法［1］，假设云与非云覆盖区图像特征相近，以同一幅图像中的非云覆盖区为参照，对云覆盖区做直方图匹配，但该方法有时假设条件不成立。基于形态学的开、闭运算进行云处理［2］，其不足之处在于无法保留图像几何特征。虽然采用同态滤波方法进行云去除取得较好的效果［3］，但该方法仅限于薄云的处理，且无法保证保留源数据的光谱信息。

厚云及其阴影的消除必须借助多时相遥感数据，但单纯的数据替换会因其光谱信息丢失而影响数据应用，如地物分类，地表生物量提取等。针对以上问题，笔者提出一种基于地物类别特征的遥感影像厚云及其阴影覆盖区的光谱重构方法。采用相邻年份同一物候期的ETM＋影像，结合土地利用专题信息图，分别对每个波段的每种云遮盖地物类别做线性回归分析，最后进行像元替换。研究结果表明，该方法较好地恢复了受云及其阴影影响的各地物类别的光谱特征，消除或弱化了厚云及其阴影对遥感数据的影响。

1 覆盖区光谱重构方法

该方法的主要思想是最大程度地恢复受云影响的每种地物类别的光谱信息。步骤如下：1）基于归一化差值法和决策树分类方法检测目标数据的厚云和云阴影区，掩膜掉目标数据中的检测结果；2）利用参考数据进行土地利用专题信息提取，通过该专题信息图得出目标数据中被云和云阴影遮盖的地物类别；3）为较好恢复各种被云和云阴影遮盖地物类别的光谱信息，对两期数据每个波段的地物类别进行线性回归分析，由线性回归分析结果计算厚云和云阴影的替代数据，最后得到消除厚云及阴影遮盖的结果［4－6］。为在图像上直观显示云处理效果，笔者对目标数据第7、4、2波段的各地物类别进行回归分析。

1.1 研究数据

笔者利用2002年5月22日Landsat 123-31轨道的ETM＋数据作为研究数据，该数据含较多的厚云及云阴影覆盖。为保证研究区数据的植被物候期相近以及地物类别变化最小，选取2001年5月19日的ETM＋影像作为参考数据，该期数据几乎无云覆盖。

1.2 厚云及其阴影检测

基于厚云和裸地在各波段的反射率均较高，但厚云只存在于目标数据中的特点，对参考数据和目标数据的第1波段进行归一化，然后计算差值，差值数据大于等于0.1即为厚云。由于云与地物的边界处存在混合像元，为最大程度地消除云的影响，这里的阈值可以灵活选择［7，8］，这也是该方法的优点。厚云可表示为

其中a为目标数据的第1波段，an为目标数据第1波段的最小值，ax为目标数据第1波段的最大值，b为参考数据的第1波段，bn为参考数据第1波段的最小值，bx为参考数据第1波段的最大值。

云阴影、山坡阴影及水体在各波段的反射值整体偏低，但第7波段山坡阴影的反射值高于40，而云阴影和水体的反射值远小于40，因此可以设置40作为阈值将其区分，由于水体的第2波段与第4波段的反射值之差大于云阴影的差值，所以可将下式

得到的结果设置阈值，以区分水体和云阴影。其中INDWI为归一化水指数（NDWI：Normalized Difference Water Index），b2为目标数据的第2波段，b4为第4波段。

在厚云、云阴影和地物的边界处不可避免地存在混合像元，这部分混合像元也是受厚云和云阴影影响的部分，所以利用式（1）提取厚云和利用决策树方法提取云阴影时，将该部分提取出来（见图1）。由于参考数据与目标数据的植被物候期相近，所以，因提取混合像元时误将部分沙地、水体和山坡阴影提取出来，但对后面的云和阴影替换结果影响非常小［9］。

图1 厚云及其阴影提取Fig.1 Extract of thick clouds and their shadows

1.3 地表覆盖信息提取

由于2001年5月19日图像中几乎无云覆盖，所以选取该期间图像做地表覆盖信息提取。经目视判读，将研究区分为林地、耕地、水体和居民地4类，这里利用决策树的方法进行地物类别的专题信息提取。该研究数据中，耕地刚开始发芽，而林地生长茂盛，利用NDWI指数设置阈值，大于阈值为林地，小于阈值为非林地［10］，在非林地中，采用式（2），水体的计算结果远高于其他地物，由此可将其区分出来［11］，耕地和居民地用非监督分类的方法加以区分。将以上结果进行重编码、彩色赋值等后处理，得到地表覆盖信息提取结果如图2所示。

图2 地表覆盖信息图Fig.2 Map land cover information

1.4 线性回归分析

利用图1对图2做掩膜处理得知，目标影像中被云遮挡住的地物类别有耕地、居民地和林地，这里利用随机抽取的方式选取两期数据中的对应点，对每个波段的该3种地物类别做线性回归，线性回归方程表示为［12］

其中Yij为2001年5月19日数据第i波段第j种地物类别的光谱反射值，Xij为2002年5月22日数据第i波段第j种地物类别的光谱反射值，aij和bij分别表示目标数据和参考数据关系的待求系数。

为更直观地显示云处理效果，这里仅对目标数据的第7、4、2波段的各地物类别进行回归分析，然后对回归分析结果做7、4、2波段的假彩色合成，拟合曲线如图3所示。表1为各拟合曲线的参数，其中R2为回归曲线的相关系数。由表1可看出，两期数据同一波段同一地物类别间的相关性普遍较高，尤其是第2波段耕地的aij为1.095，R2为0.915。

图3 回归分析曲线Fig.3 Regression analysis curve

表1 目标数据与参考数据的回归分析结果Tab.1 Target data with reference data of regression analysis

2 结果分析

采用线性回归分析结果，以2001年5月19日的无云参考数据为基准，计算目标数据的回归分析结果，将其替换由2.2节得到的云及阴影遮盖地区，得到消除厚云和阴影影响的结果图像。图4为带有厚云和阴影的研究数据，图5是消除云影响的目标数据第7、4、2波段合成的假彩色图像，由结果可以看出云和云阴影已消除。

图4 源数据Fig.4 Source of data

图5 重构结果Fig.5 Reconstruction results

图4中存在高亮度的云层，导致在ENVI（Environment for Visualizing Images）中显示时其与图5的色调不一致，但二者在非云和云阴影覆盖区的DN（Digital Number）值相同，这说明消除云影像前后的非云覆盖区数据并未发生变化。在重构图像中，云和阴影的替换数据和非云覆盖区间色调几乎一致，由重构结果和未受影响源数据的同一地物类别提取的波谱曲线如图6所示，该图较好地重构了云及其阴影遮盖地物的光谱信息。

图6 重构区与未受云影响区波谱曲线Fig.6 Reconstruction cloud area and unaffected zone spectral curve

3 结 语

为更好地重构云及其阴影覆盖区的光谱信息，笔者提出基于地物类别特征的遥感影像厚云及其阴影覆盖区的光谱重构方法。采用相邻年份同一物候期的ETM＋影像，结合土地利用专题信息图，分别对每个波段的每种云遮盖地物类别做线性回归分析，最后进行像元替换。基于以上方法，对实验数据进行了厚云及其阴影消除研究。结果表明，重构图像在云和地物的边界处无明显接缝，复原了云遮盖区域的几何形态，云和阴影的替换数据和非云覆盖区的同种地物波谱曲线相近，重构结果较好地复原了覆盖区光谱信息。

［1］李月臣，陈晋，刘春霞，等.一种除去遥感影像薄云雾的方法［J］.成都理工大学学报：自然科学版，2006，33（1）：58-63.

LI Yue-chen，CHEN Jin，LIU Chun-xia，et al.An Effective Approach to Remove Cloud-Fog Cover and Enhance Remote Sensing Imagery［J］.Journal of Chengdu University of Technology：Science ＆ Technology Edition，2006，33（1）：58-63.

［2］李鹏飞，邢立新，潘军，等.图像分形维数计算及其边缘提取［J］.吉林大学学报：信息科学版，2011，29（2）：152-157.

LI Peng-fei，XING Li-xin，PAN Jun，et al.Images Fractal Dimension Calculation and Its Edge Extraction［J］.Journal of Jilin University：Information Science Edition，2011，29（2）：152-157.

［3］曹爽，岳建平，马文.基于灰度数学形态学的遥感影像薄云处理方法［J］.测绘通报，2010（12）：54-57.

CAO Shuang，YUE Jian-ping，MA Wen.Removing Thin Cloud Arithmetic Based on Gray Mathematic Morphology for Remote Sensing Images［J］.Bulletin of Surveying and Mapping，2010（12）：54-57.

［4］刘建，何政伟，杨斌，等.遥感图像薄云去除方法及IDL的实现研究［J］.测绘科学，2010，35（5）：77-79.

LIU Jian，HE Zheng-wei，YANG Bin，et al.Research on the Haze Removal Method of Remote Sensing Images and the Implementation of IDL［J］.Science of Surveying and Mapping，2010，35（5）：77-79.

［5］李炳燮，马张宝，齐清文，等.Landsat TM 遥感影像中厚云和阴影去除［J］.遥感学报，2010，14（3）：534-545.

RI PYONGSOP，MA Zhang-bao，QI Qing-wen，et al.Cloud and Shadow Removal from Landsat TM Data［J］.Journal of Remote Sensing，2010，14（3）：534-545.

［6］宋晓宇，刘良云，李存军，等.基于单景遥感影像的去云处理研究［J］.光学技术，2006，32（2）：299-303.

SONG Xiao-yu，LIU Liang－yun，LI Cun-jun，et al.Cloud Removing Based on Single Remote Sensing Image［J］.Optical Technique，2006，32（2）：299-303.

［7］陈旭，林宏，强振平.基于颜色空间变换的遥感图像去厚云方法［J］.遥感信息，2009（3）：38-43.

CHEN Xu，LIN Hong，QIANG Zhen-ping.Cloud Removal of Remote Sensing Imagery Based on Color Space Transformation［J］.Remote Sensing Information，2009（3）：38-43.

［8］郭童英，尤红建.一种基于小波融合的多时相遥感图像去云方法［J］.测绘通报，2007（3）：40-42.

GUO Tong－ying，YOU Hong－jian.Cloud Reduction of Multi-Temporal Space-Borne Remote Sensing Image Based on Wavelet Fusion［J］.Bulletin of Surveying and Mapping，2007（3）：40-42.

［9］TATSUMI WATANABE，YUSUHIRO KUWAHARA，AKIO KOJIMA.Improvement of Color Quality with Modified Linear Multi-Scale Retinex［J］.SPIEIS，2003，5008：59-69.

［10］ZIA-UR RAHMAN，DANIEL J JOBSON，GLENN A WOODELL.Retinex Processing for Automatic Image Enhancement［J］.Journal of Electronic Imaging，2004，13（1）：100-111.

［11］郑晓燕，张艳红，刘万崧.扎龙湿地水体遥感提取过程中云阴影去除方法研究［J］.湿地科学，2010（1）：21-26.

ZHENG Xiao-yan，ZHANG Yan-hong，LIU Wan-song.Method on Cloud Shadow Removing from Water Bodies in the Process of Remote Sensing Extraction in Zhalong Wetlands［J］.Wetland Science，2010（1）：21-26.

［12］江兴方.遥感图像去云方法的研究及其应用［D］.南京：南京理工大学光学工程学院，2007.

JIANG Xing-fang.Research and Application of the Methods in Removing Cloud of Remote Sensing Image［D］.Nanjing：College of Optical Engineering，Nanjing University of Science and Technology，2007.

Spectral Reconstruction of Remote Sensing Image's Clouds and Its Shadow Coverage

QIAO Zhen-min，XING Li-xin，LI Miao-miao，DONG Lian-ying，PAN Jun，WANG Hong-hong，ZHU Ya-jing
（College of Geoexploration Science and Technology，Jilin University，Changchun 130026，China）

Previous method of cloud and its shadow removal in the remote sensing image focus on the geometrical characteristic recovery of coverd terrain，this method is against the information extraction based on the spectral characteristics.A method based on the spectral characteristics of covered terrain category reconstruction was proposed.Adopt two adjacent years phenophase remote sensing data，use normalized difference value and decision tree classification method to detect the thick cloud and its shadow，and extract corresponding regional surface coverage type information，in remote sensing image of two various bands，do the linear regression analysis to each surface feature of the covered terrain，to obtain the reconstructed data of the covered terrain.The experimental results show that the method can recover the geometry information of the covered terrain，and it also realizes its spectral information simulation.

thick clouds；shadow；normalization；linear regression analysis

TP7；P28

A

1671-5896（2012）01-0035-05

2011-10-01

中国地质调查局基金资助项目（1212010761502）

乔振民（1987—），男，山东聊城人，吉林大学硕士研究生，主要从事遥感与地理信息系统研究，（Tel）86-13596072078（E-mail）qiao＿zhenmin＠163.com；通讯作者：邢立新（1954—），女，吉林伊通人，吉林大学教授，博士生导师，主要从事遥感与地理信息系统研究，（Tel）86-13596477472（E-mail）xinglx＠jlu.edu.cn。

（责任编辑：何桂华）