● 摘要
近年来，遥感技术的发展使得遥感图像得到了广泛的应用，如地物目标分类，军事目标检测等。但云层的遮挡会大大降低遥感图像中地面目标的辨识度，从而导致遥感数据的不可用。因此在分析理解遥感图像之前，需要实现一种自动的云检测方法来判断图像中是否存在云层遮挡的现象。本文重点研究了多光谱遥感图像云检测问题，主要工作如下所述：
1、分析了 HSV 颜色空间中云区与非云区的特征差异，提出利用 HSV 特征来反映云区的颜色特征、利用灰度共生矩阵反映云区的纹理特征，为后续的云检测工作选择合适的特征表示。
2、研究了基于图像块的SVM 云检测方法，将图像划分为指定大小的块，利用标记的正、负样本训练SVM 分类器，完成云检测任务。
3、针对基于图像块方法的不足，提出了一种基于图像区域分割和二值分类的多光谱遥感图像的云检测方法。首先，在 HSV 颜色空间中利用迭代的最大后验概率和极大似然估计方法将图像划分为若干个区域（子图像）；然后，对各个子图像提取 SIFT点构建其特征袋表示，最后训练最近邻分类器和线性 SVM 来实现对各个子图像云区与非云区的二值分类。实验结果表明本文提出的多光谱卫星遥感图像云检测方法可以达到满意的云检测精度，从而说明本文方法的有效性和可行性。
本文最后对全文工作进行了总结，并对下一步工作进行了展望。