MODIS数据的云检测处理

结合MODIS数据的通道特性,分析了云在不同波谱范围的光谱特性,提出了一种基于多光谱综合阈值法的简便新方法.该云检测算法从可见光反射率、热红外亮温出发,逐步建立云检测模板,实现分离云和晴空,通过对不同下垫面类型数据进行云检测检验,结果表明,该算法对中低纬度地区云检测处理有显著效果,尤其能够检测出可见光波段难以识别的薄卷云.该法可使遥感数据特别是MODIS数据在云检测领域的应用提高一个层次,进而提出的云区数据修补方法,使数据反演应用的精度提高更为显著.     

基于规则的MODIS数据日间云检测与比较分析

针对我国西北地区下垫面光谱特性及MODIS 通道特点, 提出一种基于阈值规则的日间云检测算法, 旨在克服目前云检测工作中普遍存在的分离薄云与高反射率晴空地表、识别体积较小的云体、识别冰雪上空云像元等方面的困难。采用2008年两期Terra星MODIS数据进行云检测试验, 并将这种算法得到的云检测结果与MOD35-2L云掩膜产品进行比较分析。结果表明, 这种算法可有效检测出我 国西北地区日间各种类型的云, 且在此类地区该算法对面积小、形状破碎的云及冰雪上空云像元的检测效果优于 MOD35-2L云掩膜产品。因此, 这种算法适用于干旱,半干旱地区的云检测, 并可应用于MODIS 数据的预处理环节中。     

模拟退火优化BP神经网络进行云相态分类

为利用中分辨率成像光谱仪(MODIS)多通道云图数据对云相态进行分类,提出了一种利用云图红外、可见光谱段数据,基于SABP神经网络的云相态分类算法.算法基于BP人工神经网络学习算法及模拟退火算法.在两算法结合的基础上,作出了有益于云相态分类的改进.基准网络模型为3层前馈BP网络,其中,隐层和输出层使用不同的激活函数.选取了5种光谱特征作为网络输入,输出两单元判定结果.为加速收敛速度,避免振荡,采用了一种自适应的变学习系数、惯性系数策略.个例分析表明,算法在中低纬度地区效果良好.     

基于支持向量机的云相态分析

为了提高云相态的反演精度,结合MODIS多通道的光谱特性,首先提出了分别针对白天和夜间的MODIS云检测方法,得到了较高精度的云检测结果,为云相态反演奠定了基础。然后,依据不同相态云在不同光谱的辐射特性,选取了合适的特征参量,采用支持向量机方法反演云相态,在2009年7月7日的一次大暴雨过程中的云顶粒子相态反演试验中取得了较好结果。结果表明：精确的云检测结果有利于提高云相态反演精度,利用支持向量机的方法反演云相态是可行的,并且反演结果具有较高的精度。     

长江三角洲雾的MODIS遥感检测

MODIS数据波段多、分辨率高,是雾监测良好的数据源。利用MODIS多通道阈值法,对2007年12月19日长江三角洲地区的大雾进行检测。根据云．雾及下垫面在可见光、中虹外和长波虹外波段的辐射特性差异,得到多通道余离云雾的方法,实例验证结果表明谈方法对雾的检测有较好的效果。     

利用MODIS数据进行云检测

介绍了近年来国际、国内利用气象卫星资料进行云检测识别的研究现状，并提出了一种利用中分辨率成像光谱仪(MODIS)红外、可见光谱段数据进行云、晴空分离的实用方法。给出了一些应用个例，个例分析表明算法适用于含有植被、海洋等背景的中低纬度地区。     

基于人工神经网络的云自动检测算法

为实现卫星观测数据的高效云自动检测技术,提出了基于人工神经网络的云检测方法,并针对中分辨率成像光谱仪（MODIS）的观测数据建立了BP神经网络模型,给出了算法的应用实例.通过实例分析表明,基于人工神经网络的云检测算法具有良好的时空适应性,检测效果较好,检测速度快,具有业务实用价值.     

LS-WTSVM的遥感多光谱影像云检测

研究基于最小二乘小波孪生支持向量机(least squares wavelet twin support vector machines,简称LS-WTSVM)的遥感多光谱影像云检测.首先根据云在不同波段中大气的辐射特点,结合Landsat7 ETM+影像数据的光谱特性获得云像元的光谱特征,再通过提取每个图像块的灰度共生矩阵得到相应像元的纹理结构特征,根据像元的光谱特性和纹理结构特征构造特征向量,最后利用最小二乘小波孪生支持向量机多分类算法进行Landsat7 ETM+影像像元的云检测,实现不同类型云区的多分类识别.仿真实验结果表明,该算法能准确地检测出多光谱影像中的厚云和薄云.     

一种面向高分五号高光谱影像的云检测算法

云层覆盖影响高光谱影像的质量,降低了影像的应用价值,因此云检测已成为高光谱影像应用需首要解决的问题之一。本文针对GF5高光谱影像特点,提出视觉彩色特征和云物理光谱特征相结合的云检测算法。基于原始DN值影像,利用云的HSV色彩空间分布特征,结合云与典型地物的光谱特征差异,构建出云概率影像,动态设定云检测阈值,实现GF5高光谱影像的云检测。该算法整体云识别精度在90%以上,且算法执行快、自动化程度高,对不同地区、不同时间的GF5高光谱影像都有一定的适应性,便于工程化应用。     

高斯函数约束下的多判别参数散乱点云边缘检测

设计一种散乱点云数据边缘检测算法,从而快速、精确地提取边缘特征.该算法以点云的局部特征为基础,通过分析点云数据各点的法向特性,构建各点k近邻法向夹角特征、曲率特征、距离特征,并在高斯函数的约束下完成点云边缘特征的检测.利用公共数据进行多组实验,对比不同算法下的检测效果.结果表明:该算法提取点云边缘特征的速度更快、效果更好.