基于Photoshop的Landsat-8影像云及云影提取方法*

張 洪 沈金祥

(云南國土資源職業學院數字國土與土地管理學院 昆明 652501)

?

基于Photoshop的Landsat-8影像云及云影提取方法*

張 洪 沈金祥

(云南國土資源職業學院數字國土與土地管理學院 昆明 652501)

云及云影不可避免地作為無信息或弱信息區存在于遙感影像中,成為制約遙感影像應用深度和廣度的一大問題。云及云影區的精確定位是多源、多時相遙感影像云及云影區信息重建的基礎。薄、厚云光譜與空間形態特征各異,難以僅通過簡單的特征實現云及云影的自動化、高精度提取。Phtoshop(PS)作為功能強大且最為常用的圖像處理軟件,其強大的色彩分析與選區功能使得圖像像素信息分析較為便捷。在對云、冰雪及其他地類光譜特性分析的基礎上,首先選擇能夠有效區分云、冰雪及其他地類的紅、短波紅外及熱紅外波段合成彩色圖像,借助于色彩相似性容差控制下的PS像素選區選取與“種子點”空間增長功能,實現云信息的有效提取;其次,通過云選區向陰影方向的移動對云影的初定位,結合近紅外波段上灰度相似性容差控制的PS像素選區選取與“種子點”空間增長功能,實現云影信息的提取。對Landsat-8的實驗結果表明,利用PS能夠有效提取出云及云影信息,其中云信息具有優于96%的提取精度,云影信息提取精度超過90%。云及云影信息的PS有效提取方法為自動化提取算法研發乃至其他地類信息的提取提供了可借鑒的思路。

云; 云影; Landsat-8; Photoshop

Class Number TP753

1 引言

云及云影是遙感影像中的無信息或弱信息區,不可避免地存在于遙感(尤其是衛星遙感)影像中,并極大地影響了遙感影像應用的深度和廣度。近年來,“三高”分辨率遙感數據日益豐富,遙感大數據挖掘勢在必行,如何定位并重現云及云影區信息是遙感大數據分析的重要內容。

一般來說,遙感數據發布方會在遙感數據元數據文件中賦有參考云量說明,也有部分附帶有數據質量評價文件(如Landsat-8 BQA文件)[1]。云的檢測一般包括基于光譜分析與基于空間形態特征分析兩大類:基于光譜分析的方法通過對云及云影在各個光譜波段上的灰度值特征(包括波段組合特征,如各種指數)通過監督、非監督分類的方式來提取出影像中的云信息[2～8];基于空間形態特征的云檢測方法則通過分析云的空間形狀、分布、紋理、結構等來提取出云信息[9～11]。此外,一些學者綜合利用光譜特性與空間特性進行云檢測的相關研究[12～13]。遙感影像中不同種類的云光譜與形態特征各異,例如薄云除具有云光譜特征外,還混合有復雜下墊面光譜信息;云的高度、太陽光的照射角度不同,云及云影的空間形態、空間關系也不盡相同。云及云影的空間特征的有效表達和計算是一個難點問題。

遙感成像過程復雜,影像地類信息構成復雜使得遙感信息提取模型也十分復雜,這使得分析和應用遙感的門檻較高。然而,單波段黑白影像或三波段彩色影像,甚至是多波段合成多通道影像,從本質上看也依然可以看作是普通的圖像。為此,通過普通的圖像處理方法和軟件平臺對遙感圖像進行處理與分析將降低遙感影像分析的門檻,擴展遙感的應用領域。盡管一些學者也利用功能強大的Photoshop軟件(PS)進行遙感數據的分析處理并取得了一定的效果[14～17],但總體來說應用PS進行遙感數據處理與分析的相關研究仍不太多見。針對云及云影在Landsat 8不同波段的特性選擇相關波段組合形成黑白或彩色圖像,利用PS強大的圖像色彩與亮度處理、靈活的選區操作功能可以實現云及云影的有效提取。

2 研究方法

多譜遙感影像的云及云影PS提取包括反射率及溫度圖像合成、影像預處理、云及冰雪提取、冰雪去除、云影提取及后處理六個步驟,最后輸出與原始影像相對應的云及云影影像(圖1)。

圖1 云及陰影PS提取方法流程

2.1 圖像預處理

圖像預處理是對云及云影提取前的數據準備工作,主要包括彩色、灰度圖像的合成與增強處理。地物對各個波長電磁波反射率/發射率特性形成各個波段(通道)圖像,要能有效提取出遙感影像中的地物信息,必須選擇有效的波段圖像(組合)。

為能形成反映地物光譜特性的灰度、彩色圖像,首先需將原始影像像元(像素)值(DN值)轉換為反映地物光譜特性的地物反射率(可見光、近紅外及短波紅外波段)或亮度溫度(熱紅外波段)值,計算方法詳見[18]。由于像元值為0～1間的反射率波段與通常大于200的熱紅外亮度溫度處于不同的量綱中,需對它們進行數據拉伸處理轉為至相同的量綱以合成有效的彩色圖像。

對云、冰雪、植被、水域、裸地、居民地等主要地類樣本分析可以看出,云及冰雪在可見光及近紅外波段具有較高亮度值且熱紅外波段則具有較低亮度值,這明顯區別于其他地物類型。另一方面,在短波紅外波段冰雪則具有顯著區別于云的較低亮度值。為此,選擇可見光-近紅外、短波紅外及熱紅外波段的組合則可以實現云信息的有效提取。為避免近紅外波段植被高反射率對云提取的干擾,同時排除大氣效應影響相對較大的可見光藍、綠波段,在可見光-近紅外區域優選紅波段與短波紅外及熱紅外波段合成假彩色用于云信息的提取。近紅外波段則單獨保存為單通道灰度圖像用于后續云影信息提取。

圖層作為PS中圖像元素的組織方式,在圖像處理過程中能夠靈活控制圖像元素單獨進行修改和編輯,而不影響其它元素。在云及云影提取過程中,需要在RST假彩色、NIR灰度圖像上進行云及云影要素的分析提取,這些要素既獨立又有聯系。對導入到PS中的RST假彩色合成圖像、NIR圖像以一個圖像為基準,將一個圖像文件中的圖像區域復制并作為圖層集中到一個圖像文件中。圖像各通道的直方圖反映了該通道內像素亮度值的分布,不同的圖像內容,其各通道直方圖也不盡相同。受極少數極值像素(暗像素或亮像素)或像素值存儲位數(如8bit)的影響,各通道的直方圖可能會集中于某一狹小的區域由此造成圖像可能會存在對比度、色彩、亮度差的問題,為便于后續圖像分析處理,需進行圖像的增強處理,即增強圖像色彩、亮度和對比度。此外,為避免個別噪聲像元并形成較為平滑的云邊界,在預處理階段可對待提取的RST假彩色及NIR灰度圖像進行一定的低通濾波平滑處理。

2.2 云提取

在RST假彩色合成圖像上,云、冰雪及其他三種類別對比明顯,能夠實現有效區分。在PS中,可以提取樣本點的色彩為參考色彩,設置一定的容差作為與色彩相似性閾值進行相似色彩像素的選取。如前所述,薄云由于復合了復雜下墊面信息而呈現出差異于厚云的色彩信息。在RST假彩色圖像上無論選取厚云或薄云作為參考色彩,過小的容差值無法達到同時準確提取薄云與厚云,過大的容差值則會引起冰雪或其他地類的錯誤提取。為此,可以在設置較小容差值的條件下分兩步分別采樣薄云與厚云參考色彩來實現薄、厚云的準確提取。

2.3 云影提取

遙感圖像中的陰影一般有山體陰影、建筑物陰影、云陰影、植被陰影等,表現為較低的像素值,這與水域等低反射率地物目標非常相似,難以通過簡單的色彩或亮度信息實現有效提取。然而,正因為陰影是較高物體對于光線的遮擋形成的較暗區域,這就可以通過光線的照射方向來尋找陰影區域。對于云陰影的提取來說,對上述提取的云選區向陰影的方向移動一段距離即可以尋找到云影區域。然而,每一塊云與云影間的距離取決于拍攝角度、云高及太陽高度角,這使得每一塊云選區向云影移動的距離也不盡相同。為了能夠準確定位到云影區域,首先對上述云選區(S1)向外“擴展”若干個像素后向陰影方向移動一定距離D,確保云影區域均有像元落入到移動后的候選選區(S2)中;然后,同樣通過“色彩范圍”在近紅外圖層采樣云影區樣本像素并從S2中選區云影像素,形成云影選區S3;最后,通過區域相似性增長方法,利用“擴大選區”以S3作為種子點向鄰近擴展與S3亮度相似的像素,最終形成云影區域S4。整個云影提取如圖2所示。

圖2 云影提取示意圖

云區(S1)及云影區(S4)提取后對結果進行合并,并進行適當的人工檢查,對于提取錯誤的區域,利用選區工具可以很方便地完成修改。S1與S4選區合并后統一填充黑色,其他背景填充白色后輸出二值云掩膜圖像,可以用于后續遙感影像分析。由于PS不支持坐標系統,輸出的影像與原始影像像素數目和坐標系統完全一致,僅需通過遙感軟件賦予與導入PS之前相同的坐標格式即可。

3 實驗結果與分析

3.1 實驗數據

PS云及云影的提取方法利用了遙感影像的紅、近紅外、短波紅外、熱紅外四個波段,作為一種研究方法,獨立于研究區和數據源,只要具備這四個波段的遙感數據都可以實現云及云影的提取。這里選擇目前在軌運行且運用廣泛的Landsat 8 OLI衛星影像作為實驗數據,選取位于滇西北迪慶附近云量較多,同時有覆蓋有冰雪的一景影像(軌道號為132040,文件標識號為LC81320402015057LGN00,成像時間為2015-02-26,參考云量為14.8%)用于開展提取實驗。

3.2 實驗結果分析

借助于ENVI軟件平臺,首先將原始Landsat8數據多光譜波段轉換為TOA反射率(取值0～1),再對涉及的紅、近紅外、短波紅外波段乘以255拉伸為0～255字節型數據;其次將熱紅外波段轉換為傳感器端溫度值(取值一般為0～300多),通過直方圖統計,選取除0外的最小值作為偏移量,對熱紅外溫度影像減去這個最小值,即可將結果拉伸為0～255字節型。對字節型紅波段(R)、短波紅外波段(SWIR)及熱紅外波段(T)進行RGB假彩色合成,并輸出為TIF格式。對近紅外波段(NIR)及則直接輸出為TIF格式保存。

本次實驗基于Photoshop CS 6平臺完成。RST假彩色合成圖像、NIR圖像導入到PS中,以其中一幅為基準(如RST),將其他(NIR)復制后作為圖層粘貼值至基準圖像(RST)中。通過選區工具將圖像外無效區域刪除后,對每個圖層逐通道利用“曲線”或色階調整直方圖,排除無效像素對圖像的干擾,提升圖像質量。為避免個別像素的異常值的干擾,在提取云及冰雪前,對RST及NIR圖層分別利用“濾鏡模糊高斯模糊”進行5像素的模糊處理。

選擇RST圖層,通過“魔棒”工具,首先選取亮黃色厚云樣本,以容差閾值100選取厚云區域;然后再“選取相加”模式下選取較暗黃色薄云樣本并以容差閾值100選取薄云區域;接著,通過“選擇/擴大選取”以當前薄、厚云選區為種子點,以相似性容差閾值50進一步擴展選區邊界;最后,通過選區向路徑的正向轉換及路徑向選區的逆向轉換,形成云選區羽化邊界向硬邊界的轉換。此外,進一步通過“選擇修改擴展”對邊界擴展3個像素以將邊界過渡區像素選入云選區中。從圖3中PS提取方法與ENVI中集成的FMask算法及Landsat BQA云掩膜數據對比可以看出,PS方法能夠很好地檢測出影像中的各類型云,同時,結合空間濾波與空間擴展運算,云區域邊界較為平滑并且較少有破碎云信息;FMask算法對云的邊界提取相對較好,但存在冰雪及部分其他地類的錯誤提取;BQA則云區邊界也極為破碎并存在部分的錯誤信息。

選擇NIR圖層,在選區S2內利用“選擇色彩范圍”在容差30下選擇云影像素“種子點”。通過“選擇擴大選取”命令在容差30下對云影像素“種子點”進行區域增長即實現云影的有效提取。與云提取相同,可進一步通過“選擇修改擴展”對邊界擴展3個像素以將邊界過渡區像素選入云影選區中。

圖3 云提取效果對比

圖4中可以看出,對于較為簡單的平原區,沒有山體陰影、水域等同樣低反射地類的干擾,主要依賴于近紅外的亮度閾值的云影提取效果較好。通過云的移動限制了陰影提取的作用范圍,但如果云的移動過程中碰上了水域,山體陰影,則基于陰影色彩相似性及空間連續性的“種子點”會發生錯誤增長而導致提取錯誤,這就需要進一步的人工判別修正。圖5為云及云影合并后結果,作為無信息區掩膜可以用于多時相數據間的交叉互補修復,重建完整影像信息。影像上選擇樣本的精度檢驗表明,云信息提取精度高于96%,云影信息提取精度高于90%。

圖4 云影信息 提取結果

圖5 云及云影信息 合并提取結果

4 結語

遙感影像云及云影的提取是一個較為復雜的決策過程,其中既涉及圖像亮度、色彩信息,又涉及空間位置及形態學特征。PS作為功能強大的圖像處理軟件,借助于其靈活的圖層、選區操作及便捷的編輯功能,能夠以簡單化的方式實現遙感影像中云及云影的提取,降低了遙感影像應用的門檻和成本。實驗結果表明,對于RST合成的假彩色圖像,PS能夠高精度提取出云信息;同時,結合云影方向及“種子點”增長方法,在NIR圖像上也能夠較為準確地提取出云影信息。PS環境下云及云影的提取為其他地類信息的提取提供了可借鑒的解決思路,同時也為遙感算法設計提供借鑒方案。

[1] USGS. Landsat Quality Assessment Band[OL]. http://landsat.usgs.gov/qualityband.php.

[2] ZHU Zhe, WOODCOCK C E. Object-based cloud and cloud shadow detection in Landsat imagery[J]. Remote Sensing of Environment,2012,118(15):83-94.

[3] ZHU Zhe, WANG Shixiong, WOODCOCK C E. Improvement and expansion of the Fmask algorithm: cloud, cloud shadow, and snow detection for Landsats 4-7, 8, and Sentinel 2 images[J]. Remote Sensing of Environment,2015,(159):269-277.

[4] 李微,方圣輝,佃袁勇,等.基于光譜分析的MODIS云檢測算法研究[J].武漢大學學報:信息科學版,2005,30(5):435-439. LI Hui, FANG Shenghui, DIAN Yuanyong, et al. Cloud detection in MODIS data based on spectrum analysis[J]. Geomatics and Information Science of Wuhan University,2005,30(5):435-439.

[5] KONG Xiangsheng, QIAN Yonggang, ZHANG Anding. Cloud and shadow detection and removal for Landsat-8 data[C]//Proc. SPIE 8921, MIPPR 2013: Remote Sensing Image Processing, Geographic Information Systems, and Other Applications,2013,89210N.

[6] 張寧,謝寶蓉,沈霽,等.一種基于光譜反射率特性的星載高光譜圖像云檢測方法[D].上海:上海航天測控通信研究所,2014. ZHANG Ning, XIE Baorong, SHEN Wen, et al. A satellite hyperspectral image cloud detection method based on spectral reflectance characteristics[D]. Shanghai: Shanghai Spaceflight TT&C and Telecommunication Institute,2014.

[7] 馮書誼,張寧,沈霽,等.基于反射率特性的高光譜遙感圖像云檢測方法研究[J].中國光學,2015,8(2):198-204. FENG Shuyi, ZHANG ning, SHEN Wen, et al. Method of cloud detection with hyperspectral remote sensing image based on the reflective characteristics[J]. Chinese Optics,2015,8(2):198-204.

[8] WANG Bin, ONO A. Automated detection and removal of clouds and their shadows from Landsat TM images[J]. IEICE Transactions on Information and Systems,1999,E82-D(2):453-460.

[9] LI Pengfei, DONG Limin, XIAO Huachao, et al. A cloud image detection method based on SVM vector machine[J]. Neurocomputing,2015,169:34-42.

[10] 王奎,張榮,尹東,等.基于邊緣特征和AdaBoost分類的遙感圖像云檢測[J].遙感技術與應用,2013,28(2):263-268. WANG Kui, ZHANG Rong, YIN Dong, et al. Cloud detection for remote sensing image based on edge features and AdaBoost classifier,2013,28(2):263-268.

[11] 陳振煒,張過,寧津生,等.資源三號測繪衛星自動云檢測[J].測繪學報,2015,44(3):292-300. CHEN Zhenwei, ZHANG Guo, NING Jinsheng, et al. An automatic cloud detection method for ZY-3 satellite[J]. Acta Geodaeticaet Cartographica Sinica,2015,44(3):292-300.

[12] 馬雷,張秀玲,田原,等.一種基于空間與光譜信息的高光譜自動云檢測方法[D].北京:中國科學院自動化研究所,2012. MA Lei, ZHANG Xiuling, TIAN Yuan, et al. A spatial and spectral information based automatic cloud detection method for Hyperspectral image[D]. Beijing: Institute of Automation, Chinese Academy of Sciences,2012.

[13] 秦雁,鄧孺孺,何穎清,等.基于光譜及幾何信息的TM圖像厚云去除算法[J].國土資源遙感,2012,4:55-61. QIN Yan, DENG Ruru, HE Yingqing, et al. Algorithm for Removing Thick Clouds in TM Image Based on Spectral and Geometric Information[J]. Remote Sensing for Land & Resources,2012,4:55-61.

[14] 于洪蘋,程朋根,李永勝.PhotoShop軟件在遙感影像處理中的應用[J].測繪科學,2011,36(3):199-201. YU Hongping, CHENG Penggen, LI Yongsheng. Photoshop software in RS image processing[J]. Science of Surveying and Mapping,2011,36(3):199-201.

[15] 黃健,王繼.基于Photoshop的遙感影像融合[C]//長沙:2004環境遙感學術年會,2004:132-134. HUANG Jian, WANG Ju. Photoshop based remote sensing image fusion[C]//Changsha: Environment Remote Sensing Academic Annual Meeting 2004,2004:132-134.

[16] 張弟,謝志明,益建芳.基于Photoshop通道模塊的遙感影像信息提取[J].影像技術,2010(6):36-41. ZHANG Di, XIE Zhiming, YI Jianfang. Remote sensing information extraction based on the channel module in Photoshop[J]. Image Technology,2010(6):36-41.

[17] 韓濤,李新峰,李紅,等.Photoshop軟件在處理遙感影像中的一些應用[J].測繪與空間地理信息,2012,35(10):121-126. HAN Tao, LI Xinfeng, LI Hong, et al. The application of Photoshop in remote sensing image processing[J]. Geomatics & Spatial Information Technology,2012,35(10):121-126.

[18] CHANDER G, MARKHAM B L, HELDER D L. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors[J]. Remote Sensing of Environment,2009,113:893-903.

Extraction Method of Cloud and Cloud Shadow Decision Based on Photoshop

ZHANG Hong SHEN Jinxiang

(Department of Digital Land and Land Management, Yunnan Land and Resources Vocational College, Kunming 652501)

Clouds and its shadow is always the weak and even uninformative area inevitably exists in the remote sensing images, and greatly restrict the field of remote sensing applications. Precise positioning cloud and its shadow area is an important step for information reconstruction of these area by using multi-source or multi-temporal remote sensing images. Thin and thick clouds always have different spectral and spatial morphological characteristics, and it is difficult to achieve automation and high-precision extraction through some simple features. Phtoshop (PS) as a powerful and most commonly used image processing software, its powerful color analysis and selected-area operation make image pixel information analysis more convenient. Based on the analysis of the spectral characteristics for the cloud, snow, and other class, and PS-based cloud and its shadow information extraction method was proposed: firstly, red, short-wave infrared and thermal infrared band was select to synthesize color image for distinguish cloud, snow, and other class by using of the pixel selection and "seed point" expansion function with the color similarity tolerance; secondly, using the movement of the cloud selected-area to achieve the initial position, and then the near-infrared band was selected to extract cloud shadow by using of pixel selection and "seed point" expansion function with the intensity similarity tolerance. The Landsat-8 experimental results show that the PS can effectively extract the cloud and its shadow information, which has a cloud information extraction accuracy better than 96%, and the accuracy of cloud shadow information extraction better than 90%. The efficient PS clouds and its information extraction method provide some useful ideas for the automated extraction algorithm development as well as other types of information extraction.

cloud, cloud shadow, Landsat-8, Photoshop

2016年7月4日,

2016年8月20日

云南省地礦局科技創新基金(編號:2015JJ03);云南省應用基礎研究計劃項目(編號:2013FB082)資助。

張洪,男,副教授,研究方向:攝影測量與遙感應用技術。沈金祥,男,博士,講師,研究方向:遙感圖像理與信息提取。

TP753

10.3969/j.issn.1672-9722.2017.01.031