潘勇卓，謝洪斌，楊雪，席亞文，戚偉迅

(1.重慶地質(zhì)礦產(chǎn)研究院 外生成礦與礦山環(huán)境重慶市重點(diǎn)實(shí)驗(yàn)室，重慶 400042；2.煤炭資源與安全開采國家重點(diǎn)實(shí)驗(yàn)室重慶研究中心，重慶 400042)

0 引言

近年來高分系列衛(wèi)星在國家高分專項(xiàng)的推進(jìn)下，數(shù)據(jù)質(zhì)量不斷提升，尤其是高分二號影像空間分辨率可達(dá)0.8 m，突破了亞米級的重要門檻，目前已被國防、科研、建設(shè)等各行各業(yè)廣泛使用。然而高分二號衛(wèi)星回訪周期相對較長，數(shù)據(jù)量十分有限，所獲取的信息質(zhì)量依賴于地表的光譜反射。通常云層也會作為一種地表物質(zhì)記錄在遙感影像上，導(dǎo)致原本地表信息被遮擋，降低了影像的利用率和可判讀性。隨著高分系列衛(wèi)星影像分辨率的不斷提高，云層影響變得更加不容忽視[1]。云層可大致分為厚云和薄云，厚云遮擋了絕大部分的地面輻射，采用其他時相的影像進(jìn)行插補(bǔ)是唯一的解決方法[2]；而薄云僅削弱了地物的部分反射特性，因此可以基于單幅影像的特征降低薄云干擾，重建下墊面地物信息，提高高分影像的利用率[3]。

目前，國內(nèi)外單幅影像去薄云的方法主要分為頻域去云和空域去云兩類。前者專門針對圖像上薄云霧進(jìn)行濾波處理，后者根據(jù)多光譜圖像不同波段對云層的反射率差異進(jìn)行云層檢測和處理[4]。頻域去云領(lǐng)域較為成熟的方法有同態(tài)濾波[5]、小波變換[6]、自適應(yīng)濾波[7]等。頻域去云基本可達(dá)到薄云去除的效果，但通常會損失部分地物的低頻信息，導(dǎo)致模糊和紋理缺失。關(guān)于空域去云算法的研究較多，其中，直方圖匹配法[8]是對云區(qū)影像和晴空區(qū)影像的地類進(jìn)行直方圖匹配，但去云結(jié)果圖可能出現(xiàn)邊緣過渡帶；最大化局部對比度法[9]通過調(diào)整圖像的對比度來實(shí)現(xiàn)薄云去除，但對飽和度較高的原圖像易造成色彩失真的效果；基于HOT[10]的去薄云方法利用紅藍(lán)波段的高度相關(guān)性生成HOT圖，根據(jù)HOT圖反映的云霧影響程度分層實(shí)施暗目標(biāo)減法，該方法在植被覆蓋區(qū)取得了很好的去薄云效果，但對水體、裸地及人工地物等地物類型十分敏感，容易出現(xiàn)過度校正的情形；暗通道先驗(yàn)法[11]是近年來計(jì)算機(jī)視圖領(lǐng)域提出的去霧算法，該方法具有適用性廣和速度快的優(yōu)勢。隨后一些研究者基于該方法進(jìn)行了一些改進(jìn)處理，如通過設(shè)置閾值來提高透射率圖的計(jì)算速度[12]、通過導(dǎo)向?yàn)V波優(yōu)化透射率圖的精細(xì)程度[13]、通過設(shè)置暗通道權(quán)值完善圖像不連續(xù)處的處理效果[14]、將RBG空間轉(zhuǎn)換到HIS空間并對圖像進(jìn)行分割從而提高圖像的清晰度[15]、對景深邊緣和非景深邊緣采用不同模板進(jìn)行濾波從而降低邊緣的不連續(xù)效應(yīng)[16]等。這些改進(jìn)的暗通道先驗(yàn)法主要針對RGB普通光學(xué)照片去霧，遙感影像上的“薄云”與這些“霧”類似，近年來相關(guān)學(xué)者將該方法應(yīng)用于遙感影像，獲得了較好的去云霧效果[17]。但該方法在處理成片的高亮區(qū)域時將出現(xiàn)過度校正的情形，通常在遙感影像上體現(xiàn)為厚云過校。此外，由于藍(lán)光波段對云層最為敏感，直接應(yīng)用暗通道先驗(yàn)法對遙感影像進(jìn)行處理將造成色彩失真的問題。

本文對暗通道先驗(yàn)法[11]進(jìn)行了改進(jìn)，提出了一種適用于高分二號影像的薄云快速去除方法。該方法通過設(shè)置最大大氣光閾值，有效改善厚云及其他高亮地物的過校問題；計(jì)算透射率分布圖時，對原圖進(jìn)行下采樣處理，以提高透射率的計(jì)算速度；利用暗通道法計(jì)算去云圖像時，非獨(dú)立地計(jì)算各波段的改正量，而是結(jié)合高分二號影像各波段間散射關(guān)系，以某一波段為起始波段，通過波段間散射強(qiáng)度的校正系數(shù)確定其他波段的改正量，從而使去薄云影像的各波段間關(guān)系更符合大氣散射模型，避免了RGB合成色彩失真的問題。

1 實(shí)驗(yàn)數(shù)據(jù)說明

本文使用的高分二號影像獲取時間為2016年6—8月，覆蓋區(qū)域?yàn)橹貞c市某區(qū)的局部范圍，空間分辨率為0.8 m，包含藍(lán)、綠、紅和近紅外波段。為便于處理，本文將4個波段合成為.tif格式文件作為實(shí)驗(yàn)輸入。

2 原始暗通道先驗(yàn)法

2.1 暗通道先驗(yàn)理論

暗通道先驗(yàn)理論由He等[11]提出，是一種基于對大量自然無霧圖像的觀察統(tǒng)計(jì)而得到的計(jì)算機(jī)視圖規(guī)律：在絕大多數(shù)非天空、無霧彩色圖像的局部區(qū)域里，某些像素總會有至少一個顏色通道具有非常低甚至為零的灰度值，這樣的像素成為暗像元。暗像元主要存在于以下情況中：①植被、建筑、山體、車輛等各種地物的陰影；②綠色、藍(lán)色、紅色等某一顏色通道亮度值極高，而某一顏色通道亮度值較低的彩色物體；③黑色的樹干、人工地物、裸地等。暗通道圖像可通過式(1)來描述：

(1)

式中：c表示r、g、b中的一個通道；Jc是圖像J的3個通道中某一個通道的灰度值；Ω(x)是以像元x為中心的局部領(lǐng)域區(qū)域；Jdark為暗像元的灰度值，由暗通道先驗(yàn)理論可知，對于圖像的無云霧區(qū)域Jdark→0，而云霧區(qū)域的暗像元灰度值會變高。

2.2 云霧圖像退化模型

在計(jì)算機(jī)視覺領(lǐng)域，Koschemieder模型方程[18]所描述的云霧圖像退化模型被廣泛使用：

I(x)=J(x)t(x)+A(1-t(x))

(2)

式中：I(x)為觀測圖像的輻射強(qiáng)度，代表待去除云霧的原始圖像；J(x)為來自目標(biāo)場景的輻射信息，代表去除云霧后的退化圖像；t(x)為場景輻射在大氣傳輸過程中的透射率，代表透射率分布圖；A為大氣光值。該式第一項(xiàng)J(x)t(x)描述了目標(biāo)場景輻射信息在介質(zhì)中的直接衰減，第二項(xiàng)A(1-t(x))代表大氣光經(jīng)過衰減后導(dǎo)致的場景顏色偏移。文獻(xiàn)[11]指出，當(dāng)大氣條件均勻且同質(zhì)時，透射率t(x)可表示為：

t(x)=e-βd(x)

(3)

式中：β為大氣散射系數(shù)；d(x)為場景深度。該式表明場景輻射的透射率與云霧濃度和景深成指數(shù)衰減。與普通室外照片相比，高分辨率遙感影像中云霧的分布更為均勻，且地表到衛(wèi)星傳感器之間的距離相對固定，因此遙感影像的透射率分布圖t(x)更為平滑。

圖像去云霧的目的，就是求取A和t，從而通過原始圖像I還原得到退化圖像J。若圖像I共包含N個像素，則云霧圖像的退化過程將包含RGB三通道的3N個約束方程和4N+3個未知數(shù)，這顯然是一個無解的欠約束問題，需要增加約束條件，而暗通道先驗(yàn)理論就為其提供了一個非常好的約束條件。

2.3 暗通道先驗(yàn)去云霧流程

1)估算大氣光值。由式(1)可知，暗通道圖像反應(yīng)了原始圖像中的云霧分布情況，暗通道值越高，云霧越濃厚。單幅帶云霧的圖像中，大氣光值A(chǔ)可近似為最濃云霧區(qū)域的灰度值，因此借助暗通道圖即可從原始圖像中估算該值。He等[11]設(shè)計(jì)了A的估算方法：從暗通道圖中按照灰度的大小取前0.1%的像素，在這些像素對應(yīng)的位置中，從原始圖像取灰度的最大值作為大氣光值A(chǔ)的估計(jì)值。

(4)

根據(jù)暗通道先驗(yàn)理論[11]，由式(1)可推導(dǎo)出：

(5)

將式(5)帶入式(4)可得到：

(6)

少量云霧的存在可為圖像保留一定的透視深度感，使其更真實(shí)，因此引入控制參數(shù)ω(0<ω≤1)來保留少量云霧。透視率的粗略估計(jì)式為：

(7)

3)優(yōu)化透射率分布圖。實(shí)際影像中，云霧對物體的影響程度分布是連續(xù)的、平滑的，而式(7)估算的透射率是在局部領(lǐng)域區(qū)域Ω(x)內(nèi)大氣透射率保持一致的假設(shè)下計(jì)算得到的，所形成的透射率圖將出現(xiàn)斑塊效應(yīng)，與實(shí)際不符。為了獲得更精細(xì)的透射率圖，He等[11]首先提出了Soft Matting方法進(jìn)行內(nèi)插優(yōu)化，消除了透射率圖的斑塊效應(yīng)，但該方法的最大缺點(diǎn)在于處理速度較慢。隨后He等提出了導(dǎo)向?yàn)V波[19]的方式來改進(jìn)透射率圖的處理，該方法主要集中于簡單的方框模糊，不僅能大幅提高處理速度，而且使透射率圖的效果更精細(xì)。導(dǎo)向?yàn)V波指出，輸出圖像的輪廓由輸入圖像決定，而輸出圖像對場景結(jié)構(gòu)信息的保持性由指導(dǎo)圖像決定。導(dǎo)向?yàn)V波的模型為：

Qi=akIi-bk，?i∈wk

(8)

式中：Qi為輸出圖像；Ii為指導(dǎo)圖像；ak和bk為窗口wk中與輸入圖像有關(guān)的線性常量系數(shù)。對該式求導(dǎo)變形為：

(9)

該模型保持了指導(dǎo)圖像和輸出圖像邊緣變化的一致性，而輸入圖像決定了輸出圖像的輪廓，因此可通過最小化輸入圖像與輸出圖像間的差異來計(jì)算線性常量系數(shù)ak和bk。定義能量常數(shù)為：

(10)

4)還原退化圖像。在獲得大氣光值A(chǔ)和透射率分布圖t后，通過式(2)變形，即可還原云霧退化圖像。而在實(shí)際應(yīng)用中，當(dāng)透射率t很小時，會導(dǎo)致退化圖像整體向白場過度。He等[11]通過設(shè)置最小閾值t0對透射率進(jìn)行控制，最終得到的圖像還原計(jì)算式為：

(11)

3 改進(jìn)的暗通道先驗(yàn)法

3.1 最大大氣光閾值法

暗通道先驗(yàn)法直接用于遙感影像的處理時，將會出現(xiàn)厚云和其他高亮地物的過度校正問題。這是由于該方法中大氣光值A(chǔ)最終選取的是原始圖像中的某一個像素點(diǎn)的值，則各通道的A值很有可能全部接近255，從而導(dǎo)致處理后的圖像偏色和出現(xiàn)大量色斑。

3.2 基于下采樣方法的透射率快速計(jì)算

He等[11]利用導(dǎo)向?yàn)V波對透射率的計(jì)算過程進(jìn)行了優(yōu)化，使透射率圖的處理精度得到了有效提高。但高分二號影像分辨率可達(dá)0.8 m，單景影像所包含的浮點(diǎn)計(jì)算量極大，直接使用原始圖像計(jì)算將導(dǎo)致透射率圖的處理時間太長?？紤]到云霧的分布是連續(xù)、成片的，對于遙感影像薄云去除，并不需要米級的參數(shù)矯正，因此可以通過合并像素降低分辨率的方式近似估算原圖的透射率圖，以達(dá)到降低計(jì)算量而又不影響校正結(jié)果的目的。為此，本文采用下采樣的方法提高透射率的計(jì)算時效，具體實(shí)現(xiàn)方式為：

①在求取透射率之前，首先按照采樣率r對原圖進(jìn)行下采樣操作，將其尺寸縮小；

②按照原算法，求取下采樣后圖像的透射率；

③通過插值的方法上采樣得到原圖的透射率。

下采樣操作略微降低了透射率圖的細(xì)膩程度，而計(jì)算量得以有效減少。為探討不同采樣率r對暗通道先驗(yàn)法去薄云結(jié)果的影響，本文從高分二號衛(wèi)星影像中截取局部含云區(qū)域(截圖大小1 024×1 024)進(jìn)行實(shí)驗(yàn)。圖1展示了r分別取0.25、0.5、0.75和1(即未采用下采樣法)時的實(shí)驗(yàn)結(jié)果，圖2統(tǒng)計(jì)了r在[0.2，1]范圍內(nèi)去薄云圖像均值和方差的變化情況，圖3展示了r對處理速度的影響。

圖1 不同采樣率下薄云去除的效果

圖2 不同采樣率下圖像均值和方差的變化

由圖1可以看出，不同采樣率的暗通道先驗(yàn)法去薄云效果差異不大，但隨著r降低，圖像略微變暗。由圖2可見下采樣方法導(dǎo)致圖像均值逐漸降低，而方差變化并不大，說明該方法的使用對去薄云的整體成像效果影響較小；而隨著r的進(jìn)一步降低，圖像均值的降低程度增大，當(dāng)r<0.25時，經(jīng)過下采樣操作后的圖像均值相比原始方法降低了15%以上。因此，為合理控制圖像的視覺效果，可選擇采樣率的取值區(qū)間為[0.25，1)。

根據(jù)圖3，未采用下采樣操作時，原始暗通道先驗(yàn)法耗時為51.31 ms，采用下采樣操作后，隨著r的降低，圖像處理耗時隨之減少，說明下采樣方法有效降低了透射率圖的計(jì)算量，因而去薄云效率得以提高。當(dāng)r<0.7時，下采樣操作使得處理速度提升了1倍以上；當(dāng)r逐漸增大至0.9時，經(jīng)過下、上兩次采樣后處理速度的提升將會逐漸減小。值得注意的是，當(dāng)r取值更大時，處理耗時將比原始方法更多，如r=0.99時耗時達(dá)59.82 ms，此時下采樣操作不具有收益性。因此，為有效提升處理速度，可選擇采樣率的取值區(qū)間為[0.2，0.7]。

圖3 不同采樣率下處理速度的變化

綜上，合理的下采樣操作將明顯提升處理速度，且成圖的視覺效果與原始算法無太大差別。當(dāng)采樣率在[0.25，0.7]區(qū)間范圍內(nèi)取值時，下采樣方法將具有較明顯的收益性。

3.3 考慮波段間散射關(guān)系的云霧退化過程

不同于普通光學(xué)照片，遙感影像中各波段對云層的反應(yīng)存在差異：遙感影像中，受到云層影響時，各波段的DN值都會升高，但藍(lán)色波段對云的干擾更敏感，云越濃厚，DN值升高的幅度越大[3]。不同像素的云霧覆蓋情況對波段DN值的影響存在差異，而暗通道先驗(yàn)法應(yīng)用于遙感影像時，相互獨(dú)立地尋找每個波段的還原值，致使像素內(nèi)不同波段的值偏離于真實(shí)的大氣散射模型，甚至導(dǎo)致影像某一(或幾個)波段被過度校正，出現(xiàn)RGB合成影像色彩失真的問題。

為此，本文并不獨(dú)立地尋找各個波段的還原值，而是考慮大氣散射模型，以某一波段為起始波段，根據(jù)各波段間散射強(qiáng)度的比值關(guān)系設(shè)置校正系數(shù)，推算其余波段的散射改正量，從而約束波段被過度矯正的問題。根據(jù)瑞利散射規(guī)律，散射光強(qiáng)度ADN與入射光波長λ成反比關(guān)系，而在薄云條件下該反比關(guān)系可限制在λ-0.7至λ-0.5之間[20]。

去薄云過程中，首先選擇對云層最敏感的藍(lán)光波段為起始波段，通過暗通道先驗(yàn)法求取還原值，并以藍(lán)光原始值DNB與還原值DN′B之差作為起始改正量，而其余波段的散射改正量將由波段間的校正系數(shù)直接產(chǎn)生，進(jìn)而求取其余波段的還原值。本文選取λ-0.7關(guān)系為波段間校正系數(shù)的計(jì)算參考，高分二號衛(wèi)星各波段參數(shù)及以藍(lán)光為起始波段產(chǎn)生的校正系數(shù)如表1所示。

表1 高分二號衛(wèi)星參數(shù)及波段校正系數(shù)

首先通過暗通道先驗(yàn)法求取藍(lán)光波段還原值，則藍(lán)光波段的散射改正量為：

ADNB=DNB-DN′B

(12)

根據(jù)表1的校正系數(shù)，以藍(lán)波段為起始波段計(jì)算綠、紅、近紅外波段的散射改正量ADNG、ADNR、ADNNIR分別為：

(13)

由此可求得綠、紅、近紅外波段的最終還原值為：

(14)

4 高分二號影像薄云去除

4.1 改進(jìn)的暗通道先驗(yàn)去薄云流程

根據(jù)改進(jìn)的暗通道先驗(yàn)法，高分二號影像的薄云去除流程如圖4所示。經(jīng)實(shí)驗(yàn)，本文以目視效果最佳為原則相關(guān)設(shè)置以下參數(shù)：暗通道變換最小窗口大小為15×15，云霧控制參數(shù)ω=0.95，透射率的最小閾值t0=0.1；以原圖的灰度圖作為導(dǎo)向?yàn)V波的導(dǎo)向圖，濾波窗口大小為60×60；最大大氣光閾值A(chǔ)0=220；下采樣率為0.25。其余參數(shù)設(shè)置已在前文中給出。

圖4 改進(jìn)的暗通道先驗(yàn)法去薄云流程圖

4.2 實(shí)驗(yàn)結(jié)果與對比分析

根據(jù)上述改進(jìn)的暗通道先驗(yàn)法，截取含云的高分二號影像進(jìn)行去薄云實(shí)驗(yàn)，并分別與空域去云領(lǐng)域的HOT算法、原始暗通道先驗(yàn)法的去薄云影像進(jìn)行對比，同時采用無云或少云時相的高分一號衛(wèi)星影像作為客觀參考，從校正后影像的整體直觀效果對比(圖5)、局部紋理色彩對比(圖6)和云霧校正真實(shí)性統(tǒng)計(jì)(表2)等方面綜合評價各方法的去薄云效果，最后評價處理效率(表3)。其中云霧校正真實(shí)性統(tǒng)計(jì)是通過將校正后影像的含云區(qū)域與參考影像對比、無云區(qū)域與原始影像對比，定量統(tǒng)計(jì)各方法形成的圖像失真面積來實(shí)現(xiàn)的。

圖5 去薄云效果對比圖

圖6 局部細(xì)節(jié)對比圖

1)去薄云效果評價。從直觀對比可以看出，HOT法去薄云效果似乎最為明顯(圖5(b)、圖5(g))，但整體色彩偏綠。通過局部放大可發(fā)現(xiàn)，該方法降低了影像細(xì)節(jié)的真實(shí)性，且存在嚴(yán)重的色彩失真現(xiàn)象。其中，圖6(b)中厚云中心區(qū)域被過度校正，形成了黑色斑塊；圖6(g)中稍厚的云層被“綠化”為與植被相似的地物，使得整體圖像存在大量“云層下的植被被還原”的誤導(dǎo)信息，校正后顯示為虛假的草地，這與該

表2 云霧校正真實(shí)性統(tǒng)計(jì)

表3 各類方法處理時間表

區(qū)域無云影像中(圖6(j))原有的農(nóng)田與房屋信息嚴(yán)重不符。同時大量藍(lán)色建筑同樣被“綠化”(圖6(l)、圖6(q))，原有房屋難以從色彩上判別，甚至某些高亮的藍(lán)色建筑色彩信息直接丟失。同時裸地、硬化地面等紅棕色、灰色地物也出現(xiàn)泛白的情況，去薄云后影像色彩效果較差。通過表2可以看出，該方法導(dǎo)致的失真面積達(dá)1.258 km2，占兩幅影像總面積的3.558%，意味著校正后影像將丟失這部分真實(shí)信息。此外，在局部圖中還可以發(fā)現(xiàn)，該方法導(dǎo)致大量噪聲，紋理效果大大降低，不利于影像后期使用。綜上，HOT法去薄云的紋理色彩、校正真實(shí)性均較差，整體校正效果與參考影像差距較大。

原始的暗通道先驗(yàn)法對于薄云有較明顯的去除效果(圖5(c)、圖5(h))，而稍厚的云層則予以保留，且在圖像紋理的處理上更貼近原始圖像(圖6(m)、圖6(r))，避免了色塊的噪聲影響。同時該方法的去薄云圖像比HOT法更符合事實(shí)，薄云區(qū)域地物還原情況更接近參考影像。但該方法使整體圖像偏藍(lán)、偏暗，尤其是稍厚的云層“藍(lán)化”現(xiàn)象嚴(yán)重(圖6(h))，且在亮度較高的厚云區(qū)域仍存在過度校正的問題(圖6(c))。經(jīng)統(tǒng)計(jì)，該方法云霧校正的失真面積約為0.109 km2，占2幅影像總面積的0.308%，去薄云后影像的真實(shí)性高于HOT法，但色彩效果仍與參考影像存在一定差距。

本文方法在去薄云的效果上繼承了原始暗通道先驗(yàn)法的優(yōu)點(diǎn)，而對其存在的問題進(jìn)行了明顯的優(yōu)化。從整體效果上看，本文方法去薄云后的圖像(圖5(d)、圖5(i))仍保留了部分厚云，色彩更接近原始影像和參考影像，克服了原始暗通道先驗(yàn)法的偏藍(lán)問題；從局部細(xì)節(jié)上看，本文方法避免了稍厚云層的藍(lán)化現(xiàn)象和高亮厚云的過校問題(圖6(d)、圖6(i))，效果圖中未發(fā)現(xiàn)嚴(yán)重的失真現(xiàn)象，在3種算法中保持了最好的云霧校正真實(shí)性。此外，該方法對圖像紋理、色彩的還原都更為逼真(圖6(n)、圖6(s))，細(xì)節(jié)上與參考影像中的無云情況最為接近。

2)處理速度評價。為展示本文方法的速度優(yōu)化，表3給出了本文方法與原始暗通道先驗(yàn)法在圖像處理時間上的對比(時間結(jié)果為3次計(jì)算取平均)。由于HOT法為非自動方法，因此不參與處理速度評價。本次實(shí)驗(yàn)采用Windows10系統(tǒng)，算法仿真采用Visual Studio2013平臺，計(jì)算機(jī)處理器為Core i7-4790 CPU@3.60 GHz，內(nèi)存8 GB。通過表2可以看出，本文方法的去薄云處理時間約僅為原始暗通道先驗(yàn)法的1/6，處理速度明顯更優(yōu)。

綜上實(shí)驗(yàn)結(jié)果表明，本文方法能較好地降低薄云對高分二號影像的干擾，成果圖像的紋理色彩、校正真實(shí)性和處理速度相比HOT方法和原始暗通道先驗(yàn)法都最具優(yōu)勢。

5 結(jié)束語

本文將暗通道先驗(yàn)法引入到遙感影像的處理上展開研究，并結(jié)合衛(wèi)星波段特點(diǎn)，提出了一種適用于高分二號影像薄云快速去除的改進(jìn)方法。改進(jìn)之處總結(jié)為以下3個方面：

①針對暗原色先驗(yàn)法對厚云等高亮區(qū)域的過校問題，提出了最大大氣光閾值的解決策略，避免了該類區(qū)域的失真；

②在原有透射率優(yōu)化方法的基礎(chǔ)上，提出了下采樣和插值算法簡化輸入對象，大幅提高了處理速度；

③針對成果圖像的色彩偏藍(lán)現(xiàn)象，結(jié)合高分二號傳感器波段間散射強(qiáng)度相互關(guān)系，以藍(lán)光為起始波段推算其余波段，保證不同波段的改正量符合相對散射模型，從而使成果圖像的色彩更貼合實(shí)際。

綜上所述，本文方法兼顧了去薄云圖像的紋理色彩、校正真實(shí)性和處理效率，對于單幅高分二號影像薄云快速去除具有較高的實(shí)用性。當(dāng)然，本文方法尚有待改進(jìn)之處需要進(jìn)一步研究，如對其他衛(wèi)星影像適用性的探討、如何建立可靠性更高的評價體系來衡量去薄云后影像的質(zhì)量等。