偏振多通道遥感云检测的阈值优化

大气中云的存在会严重影响气溶胶的反演精度.经验阈值法是一种常用的云检测方法,其较强的主观性和难以应对环境时空动态变化或星载探测仪差异的缺点,导致“云”和“晴”边缘分类误差增大,且检测自动化程度较低.针对下垫面为陆地的大气云检测,提出一种多通道偏振遥感图像的统计分类与数据融合的阈值优化方法,该方法首先通过半监督Kmeans聚类及其统计特征,决定像元属于“云”和“晴”两类的双亮度阈值;然后在阈值周边分类模糊区,用D-S证据理论获取多通道检测的联合置信度因子,求得模糊区像元分类的细化阈值;最终以顺序决策过程实现“云”和“晴”两类目标的精确分类.为了验证所提方法的有效性,利用POLDER3载荷遥感数据进行云检测实验,并与POLDER3产品结果进行比较.结果表明:所提方法与POLDER法的分类符合度为95％,目测发现这些误检大多发生在云边缘处,表明所提方法对云边缘处的分类具有较好的敏感性.