Landsat TM 遥感影像中厚云和阴影如何去除

域。 为区别云导致的阴影地域跟土地利用/土地覆 被变化导致的光谱特征变化地域, 本文采用非监督 自动分类模型。对于采用 SAEM 计算得到的图像, 进行阈值处理, 提取可能是云阴影的地域。对于结 果部分地域, 利用 Landsat TM 源数据, 进行非监督 分类。因为云阴影地域的每个波段的光谱特征跟植 被、裸土地等其他土地类型的光谱特征不一样, 采 用常规的非监督自动分类模型能区别云的阴影地域图4 2007-08-22 云地域增强图像跟其他土地利用/土地覆被变化地域。 对于不同厚度的云、不同土地类型的地域、不 同大气条件下的影像, 虽然上述的光谱特征变化程 度可能不一样, 但是这种变化特征一直存在, 在大 气条件较好的图像中更明显。依据这一原理, 利用 一定周期内的或者不同年份同一季节的几幅 Landsat TM 影 像 数 据 能 得 到 没 有 云 影 响 或 者 影 响 最 小 的 Landsat TM 影像数据。50 两个阈值对两个结果图像进行对比分析。 分析结 果说明两个图像之间的变化部分是整个图像面积的 0.05%以下。 云的阴影地域提取方法比厚云地域提取方法复 杂, 因为云阴影导致的光谱特征变化程度不大, 有 时跟土地利用/土地覆被变化导致的光谱特征变化混 淆。 因此, 本文提出了一个云阴影地域增强模型与常 规的非监督分类模型相结合的方法提取云阴影。 从图 3 看出, 云阴影导致的光谱特征变化跟其 他无云地域的光谱特征变化的差异如下: 第一, 波段 4, 5, 7 的反射值明显减低; 第二, 在 云阴影地域波段 1 的反射值减低, 但在水体地域波 段 1, 2, 3 的反射值增高。 Landsat TM 遥感影像数据中水体跟云阴影地域 的光谱特征相似。因此, 为提取云阴影地域首先提 取水体地域。根据上述的光谱特征变化特点, 提出 了云阴影增强模型。 SAEM = SDF×[(BAux5 BRef5)+(BAux7 BRef7)]/2 (5)SDF=Sign(1 Sign( ∑ Sign ( B Refi B Auxi ) 2))i =1 3(6)式中, BRef i 为基准时期 TM 数据波段 i 的反射值; BAuxi 为辅助时期 TM 数据波段 i 的反射值; SAEM 为 云 影 地 域 增 强 模 型 (Shadow Area Enhancement Model); SDF 为云影地域判别函数(Shadow Discriminate Function); Sign()为符号函数, 选择 1, 0, 1 中的 一个值。图5 2007-08-22 云及其阴影地域增强图像544Journal of Remote Sensing遥感学报2010, 14(3)3.3自动消除或者减少云影响过程 消除或者减少云影响的总体流程如图 6。图6自动消除或者减少云影响流程图对一定周期内或者不同年份同一季节的两个时 期 Landsat TM 遥感影像数据, 进行配准和匹配处 理。 对于无云地域, 进行两个 Landsat TM 源数据 (一个基准 TM 影像数据和另外一个辅助 TM 影像数 据)中每个相应波段之间的线性回