ENVI去云补丁Haze Tool使用说明

Haze Tool User Guide使用方式 (2)云层厚度检测 (2)HOT13 (2)操作步骤 (3)HOT123 (4)操作步骤 (4)案例 (5)云层厚度完善 (8)Haze perfection TM (9)操作步骤 (9)Haze perfection QB (11)Maskandinterpolation (12)案例 (13)Thresholdandinterpolation (13)fill_sink (14)flatten_peak (15)操作步骤 (15)云层去除 (17)Dark Substract (17)操作步骤 (20)Hist match (22)操作步骤 (22)Cloud Point (22)操作步骤 (23)案例 (28)鸣谢 (29)引文 (29)使用方式该模块是在ENVI4.4中二次开发而成。

使用时只需将文件置于***\ITT\IDL64\products\envi44\save_add文件夹内，然后运行ENVI，Basic Tool菜单中会出现一个Haze tool按钮。

绝对不要修改文件名，否则无效。

Haze tool主要由三部分组成：云层厚度检测（haze detection），云层厚度完善（haze perfection），云层去除（haze removal）。

这三部分前后连贯，每一步的结果都会影响到最终的除云效果，而且在参数的选择上主观性较大，这也是这个模块的缺点即不够自动化。

有问题联系作者请加QQ：27126797或者e-mail联系：whogamble@除云案例请见作者博客：云层厚度检测一副影像中往往云层厚薄不一，因此不同厚度云覆盖下的地表需要恢复的强度不一；当然，完全遮挡地面的厚云不在考虑范围内。

在该模块中云层厚度检测有两个指数：HOT13和HOT123。

两者都是相对厚度检测，而不是绝对的光学厚度检测，HOT123是作者在HOT13的基础上的改进。

HOT13HOT13由加拿大遥感研究中心的Zhang ying提出的(Zhang et al. 2002) （原称HOT，13是作者加上去的以示与HOT123的区别）。

根据地物在蓝色（TM1）和红色（TM3）波段的高度相关性，在特征空间里绝大部分像素分布在晴空线上。

云的存在会使得云下地物的光谱偏离这条晴空线，云越厚，偏离越大。

HOT13等于偏移距离。

晴空线 : b1sinΦ-b3cosΦ-a=0 (1) HOT= b1sinΦ-b3cosΦ-a (2)Φ是晴空线的倾角, a晴空线的截距, b1，b3 分别是蓝色(TM1)和红色(TM3)波段。

通过人工选择无云区域的1、3波段回归，得到晴空线。

操作步骤1、首先打开需要处理的影像，建立无云区域的ROI作为对照，并保存（之后其他操作仍然要用到）.2、Basic Tool->haze tool->haze detection->HOT133、弹出对话框要求选择需要处理的影像，并且在Spectral subset中选择蓝色和红色两个波段。

4、选择一个之前就建立并且已经打开的无云区域ROI，点击OK即在内存中生成一个HOT13图像。

为了减少内存占用，生成的HOT13是放大十倍的int格式。

HOT123在很多情况下, 蓝色（TM1）和红色（TM3）高度相关，相关系数大于0.9。

但是，当地物更加复杂的时候往往就不成立。

比如除了植被，同时存在大量的土壤和水体，水体非常浑浊等等。

在Quickbird等高分辨率影像中，除柏油和水泥以外的其他彩色地物也会降低HOT13的准确性。

因此作者对其进行了改进，提出了HOT123,即利用可见光波段（TM1\2\3）提取云层厚度。

HOT123=k1*b1+k2*b2+k3*b3-bK1\k2\k3\b这4个参数的值使得|Mean_cloud-Mean_clear|/SD_clear 最小。

Mean_cloud和Mean_clear分别是有云区域（选择的区域的云越厚越好）和无云区域的HOT123平均值，SD_clear是无云区域的HOT123标准差。

HOT123要满足有云区域和无云区域的厚度差值尽可能大，而又要使无云区域（背景）的方差尽可能小。

操作步骤主要步骤和HOT13基本一致，不过波段选择不是蓝色和红色两个波段，而是蓝色、绿色、红色三个波段，即TM图像上的第一第二第三波段。

最后一步的不同之处是，HOT123需要选择两个ROI：无云区域ROI和厚云区域ROI（其中的厚云是指将地物完全遮挡住的云层，但是如果图像中没有此类厚云，也可以选择相对最厚的薄云来代替）。

无云区域的选择要尽量涵盖各种土地利用类型，厚云区域无此要求。

为了减少内存占用，生成的HOT123是放大十倍的int格式。

案例左边是431组合的假彩色图，中间是HOT123，右边是HOT13。

根据作者处理大量影像后的经验，推荐使用HOT123。

当没有厚云存在，云非常薄的情况下，有的时候可以选择HOT13。

云层厚度完善虽然HOT13\HOT123尽量地突出云层信息，抑制背景信息，但是仍然有不少无云区域的云层厚度值偏离零很大，主要发生在水、浪花、土壤、雪、建筑区等地物上。

以HOT13举例说明，在如下的13波段特征空间里（横坐标是第一波段，纵坐标是第三波段），无云区域用灰色表示，厚云区域用黑色表示；无云区域形状如同飞机。

一翼代表偏小的云层厚度检测，一翼代表偏大的云层厚度检测。

云层厚度的完善实际上就是把无云区域的这辆飞机的两翼去掉。

因此，当地物很复杂的时候就需要对HOT值进行一些额外处理，以修正这些偏差。

当然，云层厚度完善中的几种方法都是非必须的，可以根据影像的特征酌情选用，也可不用。

Haze perfection QB适用于几乎所有光学遥感影像，如Quickbird等4波段影像（当然也适用于TM等更多波段影像），这类影像会有几个可见光波段被云污染。

Haze perfection TM 只适用于TM等含有中红外波段的影像，中红外波段往往很少受薄云影响。

不管选择哪一个，处理后的结果都需要重新将无云区域ROI内的HOT 平均值归零；因此，必须确保在进行云层厚度完善操作之前内存中有无云区域ROI 的存在，否则最后将不会进行归零操作。

我们将以以下案例举例说明。

左边是有云TM影像，中间是无云的TM影像（城市区域），右边是有云的QUICKBIRD影像。

可见有很多特别暗的背景的云层厚度是负值，也有很多特别亮而不是云的背景。

Haze perfection TM这种方法的灵感来自Liang shunlin的聚类匹配方法(Liang et al. 2001; Liang et al. 2002)。

作者稍作修改用于HOT值的完善上。

该方法以利用TM4\5\7波段（忽略这些波段的云污染）进行非监督分类的结果作为输入参数，通过计算每类地物的平均HOT值并将其减去以达到归零的目的。

操作步骤1、检查4\5\7波段是否受云的影响，如果影响可以忽略，则利用TM4\5\7波段进行非监督分类。

类的数量看地物复杂程度随意决定，推荐20-50类。

2、选择需要处理的HOT影像（必须有无云区域的ROI）。

3、选择对应的非监督分类图4、选择无云区域ROI5、决定是否要对某些方差特别大的类型进行插值操作。

如果不需要，则选择Cancel；如果需要，则在相对应的类型前面打勾，然后点击OK。

结果会在内存中生成。

以下是案例的结果，这步操作的效果取决于地物类型的光谱特征。

当存在某几种地物类型，其4\5\7波段相似，而1\2\3可见光波段相差很大的时候，这一步操作就会对这几种地物类型失效。

Haze perfection QB点击Haze Perfection QB，会弹出对话框要求选择要处理的HOT图像。

然后，弹出一个多项选择的对话框，选择合适处理方法。

可以选择一种，也可以同时选择多种，作者不推荐同时选择多种方法处理。

主要有四种方法可供选择：maskandinterpolation、thresholdandinterpolation、fill_sink、flatten_peak。

其中fill_sink 和flatten_peak非常吃内存，是haze tool最大能处理的影像的限制步骤。

Maskandinterpolation选择一个手动勾勒的需要掩膜并插值的异常区域ROI进行插值。

该操作是人工方法，操作简单，当异常较少的时候比其他haze perfection方法要快。

运行完毕后，将跳出对话框要求选择无云区域ROI进行归零操作以纠正改变后的HOT带来的偏差。

案例如下，左边有个多边形区域被手工勾勒并且插值，右边是原始图像。

Thresholdandinterpolation通过设定一个阈值范围[minimum, maximum]，将范围之外的HOT值掩模并进行插值。

插值方式采用周围像素取平均的方式。

这种方法较简单，因为HOT值偏小的地物受到云的影响依然可以有较大的HOT值。

因此，这种方法现在作者很少采用，仅仅作为一种异常值去除的方法（去除厚云，和一些极端负值）。

运算需要输入4个参数：minimum(最小值),maximum（最大值）,kernel size for interpolation (插值窗口大小)，kernel size for smooth (平滑窗口大小)。

前三个参数用于插值，最后一个参数用于结果图像的平滑滤波。

默认情况下，minimum=整幅影像最小值，maximum=整幅影像最大值，kernel size for interpolation=7, 不进行平滑滤波。

运行完毕后，将跳出对话框要求选择无云区域ROI进行归零操作以纠正改变后的HOT带来的偏差。

fill_sink该方法来自于水文领域中对地形图的处理(Planchon and Darboux 2002)：填洼算法。

我们把HOT图像看作地形图，HOT值偏小的地物往往会在地形图上形成一个一个的洼地。

洼地虽然比周围的值要小，一个洼地可以在海拔很低的地方，也可以在一座高山上。

这也是作者很少利用之前的maskandinterpolation的原因。

运行完毕后，将跳出对话框要求选择无云区域ROI进行归零操作以纠正改变后的HOT带来的偏差。

案例如下图，左边是经过fill_sink处理的HOT，右边是未经过处理的HOT。

很明显，fill_sink对暗斑去除很有效。

flatten_peak除了HOT值偏小的地物，还有HOT值偏大的地物。

一个像素的HOT值很大，有可能是该像素被云覆盖，也有可能是本身HOT值偏大。

作者利用云层厚度具有渐变的特征而地物边界骤变的特征将这两者区别开来。

操作步骤1、预处理。

在弹出对话框中选择morph reconstruction。