基于Photoshop的Landsat-8影像云及云影提取方法*

張 洪 沈金祥

(云南國(guó)土資源職業(yè)學(xué)院數(shù)字國(guó)土與土地管理學(xué)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(guó)土資源職業(yè)學(xué)院數(shù)字國(guó)土與土地管理學(xué)院 昆明 652501)

云及云影不可避免地作為無信息或弱信息區(qū)存在于遙感影像中,成為制約遙感影像應(yīng)用深度和廣度的一大問題。云及云影區(qū)的精確定位是多源、多時(shí)相遙感影像云及云影區(qū)信息重建的基礎(chǔ)。薄、厚云光譜與空間形態(tài)特征各異,難以僅通過簡(jiǎn)單的特征實(shí)現(xiàn)云及云影的自動(dòng)化、高精度提取。Phtoshop(PS)作為功能強(qiáng)大且最為常用的圖像處理軟件,其強(qiáng)大的色彩分析與選區(qū)功能使得圖像像素信息分析較為便捷。在對(duì)云、冰雪及其他地類光譜特性分析的基礎(chǔ)上,首先選擇能夠有效區(qū)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(qū)選取與“種子點(diǎn)”空間增長(zhǎng)功能,實(shí)現(xiàn)云信息的有效提取;其次,通過云選區(qū)向陰影方向的移動(dòng)對(duì)云影的初定位,結(jié)合近紅外波段上灰度相似性容差控制的PS像素選區(qū)選取與“種子點(diǎn)”空間增長(zhǎng)功能,實(shí)現(xiàn)云影信息的提取。對(duì)Landsat-8的實(shí)驗(yàn)結(jié)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(yōu)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(dòng)化提取算法研發(fā)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(qū),不可避免地存在于遙感(尤其是衛(wèi)星遙感)影像中,并極大地影響了遙感影像應(yīng)用的深度和廣度。近年來,“三高”分辨率遙感數(shù)據(jù)日益豐富,遙感大數(shù)據(jù)挖掘勢(shì)在必行,如何定位并重現(xiàn)云及云影區(qū)信息是遙感大數(shù)據(jù)分析的重要內(nèi)容。

一般來說,遙感數(shù)據(jù)發(fā)布方會(huì)在遙感數(shù)據(jù)元數(shù)據(jù)文件中賦有參考云量說明,也有部分附帶有數(shù)據(jù)質(zhì)量評(píng)價(jià)文件(如Landsat-8 BQA文件)[1]。云的檢測(cè)一般包括基于光譜分析與基于空間形態(tài)特征分析兩大類:基于光譜分析的方法通過對(duì)云及云影在各個(gè)光譜波段上的灰度值特征(包括波段組合特征,如各種指數(shù))通過監(jiān)督、非監(jiān)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(tài)特征的云檢測(cè)方法則通過分析云的空間形狀、分布、紋理、結(jié)構(gòu)等來提取出云信息[9～11]。此外,一些學(xué)者綜合利用光譜特性與空間特性進(jìn)行云檢測(cè)的相關(guān)研究[12～13]。遙感影像中不同種類的云光譜與形態(tài)特征各異,例如薄云除具有云光譜特征外,還混合有復(fù)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(tài)、空間關(guān)系也不盡相同。云及云影的空間特征的有效表達(dá)和計(jì)算是一個(gè)難點(diǎn)問題。

遙感成像過程復(fù)雜,影像地類信息構(gòu)成復(fù)雜使得遙感信息提取模型也十分復(fù)雜,這使得分析和應(yīng)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(zhì)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(tái)對(duì)遙感圖像進(jìn)行處理與分析將降低遙感影像分析的門檻,擴(kuò)展遙感的應(yīng)用領(lǐng)域。盡管一些學(xué)者也利用功能強(qiáng)大的Photoshop軟件(PS)進(jìn)行遙感數(shù)據(jù)的分析處理并取得了一定的效果[14～17],但總體來說應(yīng)用PS進(jìn)行遙感數(shù)據(jù)處理與分析的相關(guān)研究仍不太多見。針對(duì)云及云影在Landsat 8不同波段的特性選擇相關(guān)波段組合形成黑白或彩色圖像,利用PS強(qiáng)大的圖像色彩與亮度處理、靈活的選區(qū)操作功能可以實(shí)現(xiàn)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(yù)處理、云及冰雪提取、冰雪去除、云影提取及后處理六個(gè)步驟,最后輸出與原始影像相對(duì)應(yīng)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(yù)處理

圖像預(yù)處理是對(duì)云及云影提取前的數(shù)據(jù)準(zhǔn)備工作,主要包括彩色、灰度圖像的合成與增強(qiáng)處理。地物對(duì)各個(gè)波長(zhǎng)電磁波反射率/發(fā)射率特性形成各個(gè)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(zhuǎn)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(jì)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(duì)它們進(jìn)行數(shù)據(jù)拉伸處理轉(zhuǎn)為至相同的量綱以合成有效的彩色圖像。

對(duì)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(qū)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(qū)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(shí)現(xiàn)云信息的有效提取。為避免近紅外波段植被高反射率對(duì)云提取的干擾,同時(shí)排除大氣效應(yīng)影響相對(duì)較大的可見光藍(lán)、綠波段,在可見光-近紅外區(qū)域優(yōu)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(dú)保存為單通道灰度圖像用于后續(xù)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(dú)進(jìn)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(jìn)行云及云影要素的分析提取,這些要素既獨(dú)立又有聯(lián)系。對(duì)導(dǎo)入到PS中的RST假彩色合成圖像、NIR圖像以一個(gè)圖像為基準(zhǔn),將一個(gè)圖像文件中的圖像區(qū)域復(fù)制并作為圖層集中到一個(gè)圖像文件中。圖像各通道的直方圖反映了該通道內(nèi)像素亮度值的分布,不同的圖像內(nèi)容,其各通道直方圖也不盡相同。受極少數(shù)極值像素(暗像素或亮像素)或像素值存儲(chǔ)位數(shù)(如8bit)的影響,各通道的直方圖可能會(huì)集中于某一狹小的區(qū)域由此造成圖像可能會(huì)存在對(duì)比度、色彩、亮度差的問題,為便于后續(xù)圖像分析處理,需進(jìn)行圖像的增強(qiáng)處理,即增強(qiáng)圖像色彩、亮度和對(duì)比度。此外,為避免個(gè)別噪聲像元并形成較為平滑的云邊界,在預(yù)處理階段可對(duì)待提取的RST假彩色及NIR灰度圖像進(jìn)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(duì)比明顯,能夠?qū)崿F(xiàn)有效區(qū)分。在PS中,可以提取樣本點(diǎn)的色彩為參考色彩,設(shè)置一定的容差作為與色彩相似性閾值進(jìn)行相似色彩像素的選取。如前所述,薄云由于復(fù)合了復(fù)雜下墊面信息而呈現(xiàn)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(dá)到同時(shí)準(zhǔn)確提取薄云與厚云,過大的容差值則會(huì)引起冰雪或其他地類的錯(cuò)誤提取。為此,可以在設(shè)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(shí)現(xiàn)薄、厚云的準(zhǔn)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(xiàn)為較低的像素值,這與水域等低反射率地物目標(biāo)非常相似,難以通過簡(jiǎn)單的色彩或亮度信息實(shí)現(xiàn)有效提取。然而,正因?yàn)殛幱笆禽^高物體對(duì)于光線的遮擋形成的較暗區(qū)域,這就可以通過光線的照射方向來尋找陰影區(qū)域。對(duì)于云陰影的提取來說,對(duì)上述提取的云選區(qū)向陰影的方向移動(dòng)一段距離即可以尋找到云影區(qū)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(qū)向云影移動(dòng)的距離也不盡相同。為了能夠準(zhǔn)確定位到云影區(qū)域,首先對(duì)上述云選區(qū)(S1)向外“擴(kuò)展”若干個(gè)像素后向陰影方向移動(dòng)一定距離D,確保云影區(qū)域均有像元落入到移動(dòng)后的候選選區(qū)(S2)中;然后,同樣通過“色彩范圍”在近紅外圖層采樣云影區(qū)樣本像素并從S2中選區(qū)云影像素,形成云影選區(qū)S3;最后,通過區(qū)域相似性增長(zhǎng)方法,利用“擴(kuò)大選區(qū)”以S3作為種子點(diǎn)向鄰近擴(kuò)展與S3亮度相似的像素,最終形成云影區(qū)域S4。整個(gè)云影提取如圖2所示。

圖2 云影提取示意圖

云區(qū)(S1)及云影區(qū)(S4)提取后對(duì)結(jié)果進(jìn)行合并,并進(jìn)行適當(dāng)?shù)娜斯z查,對(duì)于提取錯(cuò)誤的區(qū)域,利用選區(qū)工具可以很方便地完成修改。S1與S4選區(qū)合并后統(tǒng)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(xù)遙感影像分析。由于PS不支持坐標(biāo)系統(tǒng),輸出的影像與原始影像像素?cái)?shù)目和坐標(biāo)系統(tǒng)完全一致,僅需通過遙感軟件賦予與導(dǎo)入PS之前相同的坐標(biāo)格式即可。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)數(shù)據(jù)

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(gè)波段,作為一種研究方法,獨(dú)立于研究區(qū)和數(shù)據(jù)源,只要具備這四個(gè)波段的遙感數(shù)據(jù)都可以實(shí)現(xiàn)云及云影的提取。這里選擇目前在軌運(yùn)行且運(yùn)用廣泛的Landsat 8 OLI衛(wèi)星影像作為實(shí)驗(yàn)數(shù)據(jù),選取位于滇西北迪慶附近云量較多,同時(shí)有覆蓋有冰雪的一景影像(軌道號(hào)為132040,文件標(biāo)識(shí)號(hào)為L(zhǎng)C81320402015057LGN00,成像時(shí)間為2015-02-26,參考云量為14.8%)用于開展提取實(shí)驗(yàn)。

3.2 實(shí)驗(yàn)結(jié)果分析

借助于ENVI軟件平臺(tái),首先將原始Landsat8數(shù)據(jù)多光譜波段轉(zhuǎn)換為TOA反射率(取值0～1),再對(duì)涉及的紅、近紅外、短波紅外波段乘以255拉伸為0～255字節(jié)型數(shù)據(jù);其次將熱紅外波段轉(zhuǎn)換為傳感器端溫度值(取值一般為0～300多),通過直方圖統(tǒng)計(jì),選取除0外的最小值作為偏移量,對(duì)熱紅外溫度影像減去這個(gè)最小值,即可將結(jié)果拉伸為0～255字節(jié)型。對(duì)字節(jié)型紅波段(R)、短波紅外波段(SWIR)及熱紅外波段(T)進(jìn)行RGB假彩色合成,并輸出為TIF格式。對(duì)近紅外波段(NIR)及則直接輸出為TIF格式保存。

本次實(shí)驗(yàn)基于Photoshop CS 6平臺(tái)完成。RST假彩色合成圖像、NIR圖像導(dǎo)入到PS中,以其中一幅為基準(zhǔn)(如RST),將其他(NIR)復(fù)制后作為圖層粘貼值至基準(zhǔn)圖像(RST)中。通過選區(qū)工具將圖像外無效區(qū)域刪除后,對(duì)每個(gè)圖層逐通道利用“曲線”或色階調(diào)整直方圖,排除無效像素對(duì)圖像的干擾,提升圖像質(zhì)量。為避免個(gè)別像素的異常值的干擾,在提取云及冰雪前,對(duì)RST及NIR圖層分別利用“濾鏡模糊高斯模糊”進(jìn)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(qū)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(qū)域;接著,通過“選擇/擴(kuò)大選取”以當(dāng)前薄、厚云選區(qū)為種子點(diǎn),以相似性容差閾值50進(jìn)一步擴(kuò)展選區(qū)邊界;最后,通過選區(qū)向路徑的正向轉(zhuǎn)換及路徑向選區(qū)的逆向轉(zhuǎn)換,形成云選區(qū)羽化邊界向硬邊界的轉(zhuǎn)換。此外,進(jìn)一步通過“選擇修改擴(kuò)展”對(duì)邊界擴(kuò)展3個(gè)像素以將邊界過渡區(qū)像素選入云選區(qū)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(shù)據(jù)對(duì)比可以看出,PS方法能夠很好地檢測(cè)出影像中的各類型云,同時(shí),結(jié)合空間濾波與空間擴(kuò)展運(yùn)算,云區(qū)域邊界較為平滑并且較少有破碎云信息;FMask算法對(duì)云的邊界提取相對(duì)較好,但存在冰雪及部分其他地類的錯(cuò)誤提取;BQA則云區(qū)邊界也極為破碎并存在部分的錯(cuò)誤信息。

選擇NIR圖層,在選區(qū)S2內(nèi)利用“選擇色彩范圍”在容差30下選擇云影像素“種子點(diǎn)”。通過“選擇擴(kuò)大選取”命令在容差30下對(duì)云影像素“種子點(diǎn)”進(jìn)行區(qū)域增長(zhǎng)即實(shí)現(xiàn)云影的有效提取。與云提取相同,可進(jìn)一步通過“選擇修改擴(kuò)展”對(duì)邊界擴(kuò)展3個(gè)像素以將邊界過渡區(qū)像素選入云影選區(qū)中。

圖3 云提取效果對(duì)比

圖4中可以看出,對(duì)于較為簡(jiǎn)單的平原區(qū),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(dòng)限制了陰影提取的作用范圍,但如果云的移動(dòng)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(xù)性的“種子點(diǎn)”會(huì)發(fā)生錯(cuò)誤增長(zhǎng)而導(dǎo)致提取錯(cuò)誤,這就需要進(jìn)一步的人工判別修正。圖5為云及云影合并后結(jié)果,作為無信息區(qū)掩膜可以用于多時(shí)相數(shù)據(jù)間的交叉互補(bǔ)修復(fù),重建完整影像信息。影像上選擇樣本的精度檢驗(yàn)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(jié)果

圖5 云及云影信息 合并提取結(jié)果

4 結(jié)語

遙感影像云及云影的提取是一個(gè)較為復(fù)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(tài)學(xué)特征。PS作為功能強(qiáng)大的圖像處理軟件,借助于其靈活的圖層、選區(qū)操作及便捷的編輯功能,能夠以簡(jiǎn)單化的方式實(shí)現(xiàn)遙感影像中云及云影的提取,降低了遙感影像應(yīng)用的門檻和成本。實(shí)驗(yàn)結(jié)果表明,對(duì)于RST合成的假彩色圖像,PS能夠高精度提取出云信息;同時(shí),結(jié)合云影方向及“種子點(diǎn)”增長(zhǎng)方法,在NIR圖像上也能夠較為準(zhǔn)確地提取出云影信息。PS環(huán)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(shí)也為遙感算法設(shè)計(jì)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(cè)算法研究[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)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(cè)方法[D].上海:上海航天測(cè)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(cè)方法研究[J].中國(guó)光學(xué),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(cè)[J].遙感技術(shù)與應(yīng)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(hào)測(cè)繪衛(wèi)星自動(dòng)云檢測(cè)[J].測(cè)繪學(xué)報(bào),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(dòng)云檢測(cè)方法[D].北京:中國(guó)科學(xué)院自動(dòng)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(guó)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(yīng)用[J].測(cè)繪科學(xué),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(zhǎng)沙:2004環(huán)境遙感學(xué)術(shù)年會(huì),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(shù),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(yīng)用[J].測(cè)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(chuàng)新基金(編號(hào):2015JJ03);云南省應(yīng)用基礎(chǔ)研究計(jì)劃項(xiàng)目(編號(hào):2013FB082)資助。

張洪,男,副教授,研究方向:攝影測(cè)量與遙感應(yīng)用技術(shù)。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