一、本发明涉及遥感，特别是一种用于去除云覆盖算法的相似像元筛选方法。
背景技术：
0、二、背景技术
1、遥感图像是通过遥感卫星或无人机等平台获取的地球表面图像，遥感技术的动态监测的优势，使其迅速成为环境监测领域的重要技术手段。然而，由于云层遮挡、大气干扰等原因，遥感图像中难免存在大量的云和阴影，这些云污染会影响地物信息的提取和分析，降低遥感图像的质量和可用性。云污染有薄云和厚云两种，其中薄云污染可以根据一些图像增强算法进行消除，但厚云几乎完全阻隔光线传播，失去云下信息，限制遥感图像在环境监测、土地利用规划、农业预测等领域的应用。云下区域只能根据时空近似的像元进行填补。
2、然而现有的算法都是通过利用光谱阈值来选择参考影像中与目标云像元光谱差异较小的像元位置作为相似像元，并根据差异的大小对它们进行加权。然后，利用这些相似像元位置的信息，在云影像中进行加权预测，以填补云覆盖区域。例如通过加权两个时期的时间变化量的nspi和改进的mnspi算法，以及对利用相似像元建立线性方程的wlr算法。但当地物发生突变时，这类算法中的相似像元不论从理论上或是实际应用中都会失效。
3、现有的方法可分三类：第一种，基于光谱差异，此类方法基本假设是在一段时间内，相似像元具有形同的变化趋势。通过相同位置在参考影像上的光谱差异来筛选相似像元。这类方法难以捕捉快速时间变化信息。第二种，基于时间变化特征，通过大量的数据拟合寻找与目标像元具有相同变化特征的像元。此类方法的需要长时间序列大量的数据进行参考，而对于常年多云覆盖的地区，此类方法无法大面积推广使用。第三种，基于光谱-时间的方法，在第二类基础上将云影像加以利用。利用一段时间内没有被云完全覆盖的多张影像，从时间维度上寻找相同变化趋势，在空间上利用光谱差异寻找某一景云影像在多张影像中是同一位置的相似像元，最后结合两者确定最终位置。此类方法的实现同样需要大量的数据，以此同时，多景影像地物的多样突变可能影响到相似像元寻找的实效。
4、综上所述，目前的算法无法利用单景参考影像充分获取时间变化信息，影响了遥感去云算法的性能。利用单景参考影像与目标影像相结合进行分类的方法是有效解决改问题的方法之一。通过对结合影像的清洁部分进行非监督分类，进而以分类结果为训练样本，对参考清洁影像进行监督分来获得云下地物的时间变化特征。即可实现根据单景基准影像提取时间变化特征，实现相似像元的筛选，因此，开发一种基于变化信息有效的方法去除遥感图像中的云覆盖具有重要的实际意义。
技术实现思路
0、三、
技术实现要素：
1、针对上述情况，为解决现有技术之缺陷，本发明之目的就是提供一种用于去除云覆盖算法的相似像元筛选方法，可有效解决现有技术无法利用单景基准数据寻找云下快速变化区的相似像元的问题，可有效判别出云下地物的变化情况并预测云下真实信息，使之适应与地物突变的情况。
2、本发明解决的技术方案是，该用于去除云覆盖算法的相似像元筛选方法包括以下步骤：
3、1)输入遥感图像数据预处理：
4、输入数据为一景参考无云清晰影像、目标云影像以及它的云掩膜，将两幅影像合并成多波段影像并掩膜去掉云区域，得到多波段影像，备用；
5、2)对多波段影像进行非监督分类：
6、通过对步骤1)合并的多波段影像的非监督分类可以简单的判别地物在短时间内的变化情况，及将相同类型的像元有相同的变化设置成一类，基于此，可以初步引入时间变化量参与相似像元的选取，利用下式进行k-means非监督分类：
7、
8、式中：欧氏距离∥xj-ui∥2为距离度量，k为类别的数量，xj为第j个元素，si为第i个类别，ui为si的类别中心；
9、3)初步确定相似像元的位置
10、利用步骤2)中所获取的非监督分类结果对参考清洁影像进行监督分类处理，判定云下区域的变化情况以及所属类型，以此表示像元之间的相似的变化过程，初步确定相似像元的位置，利用贝叶斯公式确认像元的归属类别，公式如下：
11、
12、式中：表示当像元值为x时，x为m类的概率，为像元值为x且为m类的概率，p(x)为像元值为x的概率，表示样本中某一类的概率，表示m类中像元值为x的概率，n为分类类别总个数；
13、4)利用参考影像通过光谱差异进一步确认相似像元的位置
14、在参考影像中需要利用阈值的方法寻找到与目标像元具有较小差异的像元位置，这样与步骤3)中所寻找到的具有相似变化像元相叠加集合寻找到具有光谱相似且相似变化的像元位置，通过光谱差异的筛选要同时满足2个条件：①相似像元与目标像元的差异要小于影像的整体差异，计算公式见式3；②相似像元与目标像元的差异要小于目标像元与其周围的差异，计算公式见式4；
15、
16、式中：ft为目标像元，fi为第i个相似像元，μ为相似像元点的周围5*5区域的均值，l(xi,yi,t1,b)为在参考影像上寻找的第i个相似像元的第b个波段的值，l(x,y,t1,b)为在参考影像上目标像元的第b个波段的值，σ(b)是b波段的整个输入图像的标准差，m为图像土地覆盖种类，后续利用相似像元建立线性方程输入参考影像的目标未知的像元值即可计算出云下信息。
17、本发明方法简单，易操作，应用面广，精度高，稳定可靠，可以充分利用影像的清洁区域光谱特征以及变化特征，有效筛选与目标像元具有相同他特征的相似像元，且有效预测出快速变化区域的云下信息，可有效地去除遥感图像中的云覆盖，提高图像的质量和可用性，提高遥感图像在环境监测、土地利用规划、农业预测等领域的应用价值，是用于去除云覆盖算法的相似像元筛选方法上的创新。
1.一种用于去除云覆盖算法的相似像元筛选方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的用于去除云覆盖算法的相似像元筛选方法，其特征在于，具体包括以下步骤：
3.权利要求1所述的用于去除云覆盖算法的相似像元筛选方法在利用相似像元实现去云的算法中的应用。
