(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210886994.6 (22)申请日 2022.07.26 (65)同一申请的已公布的文献号 申请公布号 CN 115082452 A (43)申请公布日 2022.09.20 (73)专利权人 北京数慧时空信息技 术有限公司 地址 100070 北京市丰台区海鹰路1号院1 号楼二层201 (72)发明人 陈婷　陈宇　刘仕琪　谢新林　 董铱斐　段红伟　邹圣兵　 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/40(2022.01) G06V 10/74(2022.01) G06V 10/766(2022.01)G06V 20/10(2022.01) (56)对比文件 CN 109308688 A,2019.02.0 5 CN 101710416 A,2010.0 5.19 CN 114511786 A,202 2.05.17 CN 111899194 A,2020.1 1.06 CN 108931825 A,2018.12.04 CN 112329852 A,2021.02.0 5 CN 10495 0349 A,2015.09.3 0 CN 105930863 A,2016.09.07 CN 109035223 A,2018.12.18 US 20190 64055 A1,2019.02.28 王权.地表反射 率数据集支持的Landsat 8 OLI云和云阴影 检测方法. 《中国优秀硕士学位 论 文全文数据库》 .2021,C 028-176. 审查员 卢秋芬 (54)发明名称 基于云及阴影的遥感影像质 量定量评价方 法 (57)摘要 本发明公开了一种基于云及阴影的遥感影 像质量定量评价方法， 涉及遥感图像处理和分析 技术领域。 本方法获取与所述待评价遥感影像空 间覆盖范围和描述信息相近的近似影像， 根据所 述近似影像和所述待评价遥感影像的相关性进 行回归分析， 得到所述云及阴影区域的近似下垫 面， 根据近似 下垫面的信息和云及阴影区域的信 息进行整合分析， 得到遥感影像定量评价分数， 本发明得到的遥感影像定量评价分数可以很好 的描述云及阴影对遥感影像的影 响程度， 对遥感 影像的质量定量评估具有重要的科学意义与实 用价值。 权利要求书2页 说明书9页 附图1页 CN 115082452 B 2022.11.04 CN 115082452 B 1.一种基于云及阴影的遥感影 像质量定量评价方法， 其特 征在于， 所述方法包括： S1 提取待评价遥感影 像内的云及阴影， 得到初始 覆盖区域； S2 对所述初始 覆盖区域进行 形态学处 理， 得到优化覆盖区域； S3 利用所述优化覆盖区域的空间覆盖范围和所述待评价遥感影像的描述信 息在遥感 影像库中进 行筛选， 得到与所述待评价遥感影像相近的遥感影像， 作为近似影像， 根据所述 近似影像和所述待评价遥感影像的相关性进 行回归分析， 得到所述优化覆盖区域的近似下 垫面； S4 对所述近似下垫面进行质量信息获取， 并利用所述近似下垫面的质量信息进行计 算， 得到所述近似下垫面的质量分数； 步骤S4包括： S41 对所述近似下垫面进行地物图斑的提取， 得到所述近似下垫面的地物图斑集， 该 地物图斑集包括多个不同地物类型的地物图斑； S42 根据地物类型相对所述待评价遥感影像的重要性， 得到地物图斑的重要程度， 地 物图斑的重要程度的取值范围均为[0,10 0]； S43 一一计算出地物图斑集中的每个地物图斑的面积和信 息熵， 并结合地物图斑的重 要程度计算得到每 个地物图斑的质量信息； S431根据单个地物图斑中的信息出现的频率， 计算得到该地物图斑的信息熵Si， i为该 地物图斑的编号， 地物图斑中的信息包括 地物图斑中像素的灰度值； S432根据该地物图斑的重要程度， 计算得到该地物图斑的第一权 重： 其中， α(xi)为该地物图斑的第一权 重， xi为该地物图斑的重要程度； S433根据该地物图斑的面积进行f级量化处理， 得到该地物图斑的面积等级， 根据该地 物图斑的面积等级计算得到该地物图斑的第二权 重： 其中， β(yi)为该地物图斑的第二权重， yi为该地物图斑的面积等级， yi的取值范围为 [1,f]， 其中y、 d、 f为 正整数， 且f/2≤d＜f， b、 c、 g、 h为系数； S434根据该地物图斑的信息熵Si、 第一权重α(xi)和第二权重β(yi)， 计算得到该地物图 斑的质量信息mi： ； S44 将每个地物图斑的质量信息进行求和， 得到所述近似下垫面的质量分数； S5 对所述优化覆盖区域进行质量信息获取， 并利用所述优化覆盖区域的质量信息进 行计算， 得到所述优化覆盖区域的质量分数； 步骤S5包括： S51根据优化覆盖区域中的信息出现的频率， 计算得到优化覆盖区域的信息熵， 优化覆 盖区域的信息包括 地物图斑中像素的灰度值；权　利　要　求　书 1/2 页 2 CN 115082452 B 2S52将优化覆盖区域的信息熵作为优化覆盖区域的质量分数； S6 对所述近似下垫面的质量分数和所述优化覆盖区域的质量分数进行分析整合， 得 到所述优化覆盖区域对所述待评价遥感影像的影响值， 基于所述影响值得到所述待评价遥 感影像的定量评价分数。 2.根据权利要求1所述的方法， 其特征在于， 所述地物类型包括人工地物类型和自然地 物类型， 所述人工地物类型包括道路、 房屋及设施、 采矿场、 硬化地表， 所述自然地物类型包 括耕地、 林地、 园地、 草 地、 湖泊。 3.根据权利要求1所述的方法， 其特 征在于， 步骤S3包括： S31获取所述优化覆盖区域的空间覆盖范围， 所述待评价遥感影像的描述信息包括色 差信息、 传感器 类型信息和时相信息； S32基于筛选步骤在遥感影 像库中筛 选得到所述近似影 像： S321将所述优化覆盖区域的空间覆盖范围作为交集区域， 选取遥感影像库中在该交集 区域内无云及阴影覆盖的遥感影 像， 归为第一筛 选集； S322在第一筛选集中选取与所述待评价遥感影像的传感器类型相同的遥感影像， 作为 第二筛选集； S323将第二筛选集内的遥感影像基于时相范围进行划分， 将与所述待评价遥感影像的 时相最接 近的时相范围内的遥感影 像作为第三筛 选集； S324将第三筛选集中的每张遥感影像与所述待评价遥感影像进行色差对比， 选取色差 最小的遥感影像作为所述近似影像， 提取近似影像中的所述交集区域， 作为近似区域， 其 中， 所述近似影 像为单张遥感影 像； S33分别对所述待评价遥感影像和所述近似影像进行地物提取， 将所述待评价遥感影 像的地物和所述近似影像的地物按照地物类型进 行组合， 得到多组对照地物， 其中， 一组对 照地物由相同地物类型的所述待评价遥感影 像的地物和所述近似影 像的地物组成； S34根据多组对照地物的光谱反射 值的关系进行线性回归分析， 得到信息 重建模型； S35将所述的近似区域的光谱反射 值输入所述信息 重建模型， 得到 近似下垫面。 4.根据权利要求1所述的方法， 其特 征在于， 步骤S2包括： S21对所述待评价遥感影 像进行二 值化处理， 得到二 值图像； S22构建二值图像的结构元素， 根据二值图像的结构元素对二值图像中的初始覆盖区 域分别进行 形态学开 运算和形态学闭运 算， 得到形态学二 值图像； S23根据形态学二 值图像对所述待评价遥感影 像进行掩膜， 得到优化覆盖区域。 5.根据权利要求1所述的方法， 其特 征在于， 步骤S6包括： S61对所述近似下垫面的质量分数和所述优化覆盖区域的质量分数进行差值计算， 得 到所述优化覆盖区域对所述待评价遥感影 像的影响值； S62根据所述影响值进行计算， 得到待评价遥感影 像的定量评价分数： 其中， K为所述优化覆盖区域对所述待评价遥感影 像的影响值。权　利　要　求　书 2/2 页 3 CN 115082452 B 3