遥感影像云检测和云去除方法综述

遥感影像是目前可以大范围获取海洋、大气和地球表面信息的数据资源，在农业、军事和城市规划等各个领域发挥重要作用. 但是在影像观测过程中会受到云雾等污染因素的影响，导致遥感影像信息缺失，在实际应用中造成巨大的资源损失和浪费. 因此，如何对遥感影像云雾覆盖区域进行检测并对其进行校正和修复是国内外专家广泛关注的具有挑战性的难点问题. 全面综述其研究进展，总结了现有遥感影像云层检测和去除的挑战；根据是否利用深度学习技术将云检测方法分为2大类，根据是否利用辅助影像将云去除方法分为3大类，依照不同方法特性系统分析和对比了其基本原理和优缺点；基于上述总结在2组遥感影像公开数据集上分别对4种云检测、4种薄云去除和4种厚云去除方法进行了性能评测；最后讨论了本领域目前仍存在的问题，对未来研究方向进行了预测，希望能够对该领域研究人员提供有价值的参考.

https://crad.ict.ac.cn/cn/article/doi/10.7544/issn1000-1239.202330145

遥感信息技术具有探测范围广、采集效率高、数据多样化等优势，在地球观测任务中发挥着至关重要的作用，广泛应用于土地覆盖分类[1]、海洋环境监测[2]和大气污染物评估[3]等领域. 其中，基于被动式成像技术的光学遥感影像在服务于国家资源、环境和灾害分析等方面有着强大的优势. 然而，和激光雷达等主动式遥感数据相比，光学遥感影像会受到云层和大气等因素的影响，阻碍了光学遥感影像中有效信息的获取，导致严重的信息丢失，在众多领域中满足不了实际需求[4]. 现有处理任务中针对云雾覆盖的遥感影像一般选择直接舍弃，但是对薄云雾干扰或覆盖面积较小的厚云影像而言，对整景影像的直接舍弃会造成数据的极大浪费. 因此，为了提高遥感影像数据的利用率并获取高质量的资源信息，对云覆盖区域进行检测和去除，在众多应用领域中都有非常重要的价值和意义.云雾遮挡可分为薄云雾干扰和厚云覆盖，如图1所示. 薄云雾干扰区域可视作地物和云雾的混合信息，利用不同云雾特性以及卫星传感器类型可以进行云检测和校正；相反，厚云的覆盖完全阻隔了地表信息，导致相应的成像区域完全缺失，从人眼的观测角度来看，几乎无法获取到有价值的信息，然而厚云在可见光波段有很高的反射值，容易检测，结合云在不同波段反射值的差异性，以及结合辅助影像仍然可以实现厚云覆盖区域的重建修复. 目前，针对云检测和去除已经提出了大量优秀的算法，但是仍然存在3个挑战：

1）精确检测云雾区域. 云雾千变万化，不同形状、高度和厚度的云雾对光学遥感影像的影响各不相同，在不同空间尺度的成像特征也存在差异，云与冰雪、沙滩和人工建筑等高亮度的目标也呈现相似特征，精确检测云雾遮挡区域是影像修复的前提保证. 2）准确校正薄云雾影响区域. 薄云雾覆盖区域仍可一定程度上观测到地表地物信息，需要充分利用目标影像的空间和光谱信息校正被影响区域，避免恢复后的图像出现空谱失真. 3）高质量重建厚云遮挡地物信息. 厚云遮挡区域的地物信息完全缺失，需要利用辅助数据进行重建，但是地物在时间上的变化以及不同传感器数据之间的差异会导致重建后信息误差较大和精度偏低. 根据前期调研，针对遥感影像云检测和去除的相关综述论文非常少，无法满足该领域快速发展的需求. 因此，本文结合目前深度学习技术的研究进展，对光学遥感影像的云检测和去除方法进行了全面的梳理，在参考国内外大量文献的基础上，分别从云检测和云去除2个方面出发，按照其基础理论和思路的不同，分为2类云检测方法和3类云去除方法，如图2所示. 在2个遥感影像公开数据集上进行了对比实验验证，利用多种定量评价指标对4种云检测方法以及4种薄云云去除和4种厚云云去除方法分别进行对比分析，总结了该领域目前的研究现状与后续的发展方向，填补了目前遥感影像云检测和去除研究方向综述性工作的空白. 本文的主要贡献有3点： 1）梳理了近年提出的云检测方法，将方法分为传统云检测方法和基于深度学习的云检测方法，总结了不同方法的特点以及适用条件，提出了将深度学习和物理模型相结合进行云检测的新方向； 2）总结了早期薄云雾校正方法存在的不足，针对近年流行的相关改进方法进行了梳理与分类，根据影像呈现特点以及适用范围进行了遥感数据对比与分析，使得遥感数据能够更好地应用于实际任务中； 3）将近年来厚云去除方法进行了归纳，分为基于单幅影像、参考影像和多传感器的3种云去除方法，并按照方法的设计原理进一步分类总结，给出了后续可能探索和尝试的方向.