Landsat TM 遥感影像中厚云和阴影如何去除(10)

Landsat TM 遥感影像中厚云和阴影如何去除

影像数据。 这些 Landsat 遥感影像数据是通过网络获取的。研究区遥感影像 数据如表 1。表1编号 1 2 卫星 Landsat5 Landsat5图12007-08-22 Landsat TM 5, 4, 3 波段的彩色合成图像数据目录数据获取时间 2006-08-19 2007-08-22 传感器 TM TM两个时期遥感影像数据中,2007-08-22 的遥感影像数据包含比较多的局部分布的厚云及其阴影地 域, 2006-08-19 的遥感影像中, 云及其阴影地域很 小。本研究的主要目的就是去除厚云及其阴影, 因 此以 2007-08-22 的遥感影像数据为基本目标数据, 2006-08-19 的遥感影像数据利用为辅助数据。研究 区 Landsat TM 遥感影像数据的彩色合成图如图 1。图2 数据预处理过程每个对应波段进行线性回归分析。采用线性回归分 析结果, 以 2007-08-22 的 TM 数据为基准, 进行 2006-08-19 TM 数据每个波段的匹配处理。 两个 TM 数据中每个对应波段之间的线性回归 方程如式(1)。 (1) Yi = aiXi + bi 式中 Xi 为 2006-08-19 TM 数据 i 波段的光谱反 射值; Y i 为以 2007-08-22 TM 数据为基准变换的 2006-08-19 TM 数据 i 波段的光谱反射值; i 为波段 号码。 从表 2 看出, 两个时期 TM 遥感影像数据中每 个对应波段之间的相关性较高。特别是, 波段 4、533.1研究方法数据预处理 数据预处理的流程如图 2。首先利用 ERDASIMAGINE 9.2 中的 AutoSync 模块进行两个时期 Landsat TM 遥感影像数据之间的图像配准处理(党 安荣等, 2007), 然后对于它们中每个对应波段进行 匹配处理。为了匹配处理, 选择数据均无云地域。 本文采用人工目视判读的方法选出两个时期均无云 地域 ROI。在这个地域, 对于两个时期 TM 数据中542Journal of Remote Sensing遥感学报2010, 14(3)的两个时期对应波段之间的相关性最高。表2波段 1 2 3 4 5 7 a 0.86 0.86 0.82 0.92 0.94 0.863.2.2线性回归分析结果b 7.75 3.53 3.51 0.52 0.02 1.70 相关系数 0.90 0.87 0.87 0.96 0.96 0.93云地域增强模型 根据上述研究内容, 提出了云地域和云阴影地 两个时期 TM 遥感影像数据之间的光谱特征变域增强模型。 化包括云导致的变化和土地利用/土地覆被变化导 致的光谱特征变化。为提取云及其阴影地域, 首先 应该区分云导致的光谱特征变化与土地利用/土地 覆被变化导致的光谱特征变化。 本文首先设计了厚云地域增强模型。 从图 3, 厚云导致的光谱特征变化跟土地利用/ 土地覆被变化导致的光谱特征变化的差异如下: 第一, 厚云导致的光谱特征的变化量很大, 每 个波段的光谱反射值变化量在 150 以上; 第二, 每个波段的光谱特征变化趋势一样, 都 增高。 根据上述的两个特征, 提出了厚云地域增强 模型。 CAEM = MD×CDF (2) (3) (4)3.2 3.2.1厚云及其阴影地域增强模型 云地域光谱特