论文部分内容阅读
近年来国际上提出了对地观测卫星智能化的设想，以简单、快速、高效为特点的星上智能图像处理系统有利于提升载荷的观测能力，获取更有用的对地观测数据。地球上平均1/3到1/2的地区覆盖着云层，卫星获取的有云图像占据星载系统大量的存储空间、处理能力和传输带宽，一方面造成了严重的资源浪费，人工筛选和剔除这些数据通常需要花费大量的时间与精力，另一方面也严重影响了图像的后续应用。发展有效的云检测智能识别算法，去除被云污染的地物图像，从而减小图像的数据量，减轻传输的压力，是实现遥感卫星智能化观测的关键一步。
本文充分考虑了低成本智能小卫星云判的约束条件，在对云的各类诊断性特征进行充分分析的基础上，解决了可见光谱段云雪自动判别这一难题，构建了基于纹理特征的云图决策树判别方法，并可作为我国智能小卫星预先成像载荷设计的依据，指导卫星成像。主要研究内容包括：⑴系统分析包括云图在内的典型成像场景光谱与纹理两类特征描述方法，综合考虑智能小卫星的技术约束，通过特征向量优化选择与提取，构建了包括灰度特征、分形维数和角二阶矩的云检测特征向量空间。细致分析云检测算法精度与处理效率的影响因素，实现了自动高效的分形维数与角二阶矩纹理特征提取算法。⑵针对云、雪在可见光谱段范围内光谱特性相似，难以实现全色及可见光单谱段影像自动云雪识别这一难题，深入分析了云、雪影像纹理特征的差异，在训练大量实验样本的基础上，从云、雪影像分形维数的统计特征出发，综合考虑全色影像上云、雪纹理特征和覆盖分布规律，提出了一种基于分形维数的全色影像云雪自动识别方法。⑶构建适用于星上云检测的决策树判别机制，形成了基于纹理特征的自动高效云检测算法，该算法在检测“云”图像时避免了雪影像的误判，且复杂度低，运行速度快，准确度高；在此基础上形成对于智能小卫星预先成像载荷设计的支持。