买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉成都信息工程大学申请的专利基于区域增长的遥感图像云检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN109800713B 。

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：201910052293.0，技术领域涉及：G06V20/13；该发明授权基于区域增长的遥感图像云检测方法是由刘说;杨玲;张无瑕;徐梓欣;杨智鹏设计研发完成，并于2019-01-21向国家知识产权局提交的专利申请。

本基于区域增长的遥感图像云检测方法在说明书摘要公布了：本发明公开了一种基于区域增长的遥感图像云检测方法，属于雷达遥感或图像处理技术，主要解决遥感图像云检测缺少热红外频段数据时检测率低、虚警率高以及检测结果中出现空洞、断裂的问题。其实现步骤为：确定待输入的遥感图像，先进行超像素化处理；接着建立多分辨率模型；对不同分辨率超像素化遥感图像进行不同图像相同编号的超像素斑块分别进行乘和减操作，并对其结果进行归一化处理；采用离群值检测方法分别检测出原始显著超像素块和原始显著区域超像素块；采用基于超像素块加权相似性方法检测出云目标；本发明可以在缺少热红外频段数据的情况下实现高分辨率遥感图像云区域的检测，并且以超像素为检测单元，避免检测结果中出现空洞、断裂等情况，以显著超像素块与显著区域超像素块的加权相似性滤除虚警，有效的提高遥感图像云目标检测的检测率，降低检测的虚警率。

本发明授权基于区域增长的遥感图像云检测方法在权利要求书中公布了：1.基于区域增长的遥感影像云检测方法，包括以下步骤： 步骤1：对包含云层的原始遥感图像进行超像素化处理； 采用优化的SLICSimpleLinearIterativeClustering，简单线性迭代聚类算法对原始遥感图像进行超像素处理，得到包含k个超像素块的遥感图像I，并对每个超像素从左到右从上到下的原则进行1到k的编号； 步骤2：对超像素化的遥感图像进行基于信息量提取模型的云目标显著图和云区定位显著图获取； 2.1：对步骤1操作得到的遥感图像建立基于超像素的多重分辨率模型，其具体方法为：首先对遥感图像I进行SVD分解，得到对角矩阵Σ和两个酉矩阵U、V；然后将对角矩阵Σ中的对角元素进行从大到小排序，并计算对角矩阵中非零对角元素的均值；然后，将对角矩阵中小于对角元素均值的对角元素滤除，得到新的对角矩阵；最后，将新的对角矩阵与两个酉矩阵组合得到更低分辨率图像I1；重复上述步骤，得到不同分辨率遥感图像Ii，变量i的取值范围为[1,m]，当变量i取值为m时，对应遥感图像为Im，这时Im对应的对角矩阵中的非零元素数量为1； 2.2：对步骤2.1操作得到的m幅不同分辨率的超像素化遥感图像进行不同图像相同编号的超像素斑块乘操作，并对其结果进行归一化处理，最终得到k个超像素斑块，然后按编号顺序组成云目标显著图ITR，方法如公式1所示； 其中，变量Iig表示第i幅遥感图像中的编号为g的超像素块，变量g的取值为[1,k]；符号Φk·表示将k个超像素块按照生成超像素时的编号顺序恢复成图像； 2.3：采用离群值检测方法对云目标显著图ITR中的k个超像素块的显著性均值进行检测，得到显著的超像素块SPf，f∈[1,k]，并将超像素块SPf的编号对应到遥感图像I中，得到I中的原始显著超像素块ISPf； 2.4：对步骤2.1操作得到的m幅不同分辨率的超像素化遥感图像进行不同图像相同编号的超像素斑块进行层间相减操作，其具体方法为：首先选取第p层作为中心，以s作为扩展距离，选取第q层作为边缘，变量s＝2,3，q＝p±s；然后，将第p层和其对应的q层图像中相同编号超像素块进行相减操作，并将相减操作后的结果进行求和及归一化，最终得到k个超像素块，然后按编号顺序组成云区定位显著图ICP，方法如公式2所示： 2.5：计算云区定位显著图ICP中每个超像素块的显著性均值，用离群值检测方法对所有显著性均值进行检测，找出云区定位显著图ICP中的显著区域，得到显著区域内的超像素块SRh，h∈[1,k],并将超像素块SRh的编号对应到遥感图像I中，得到I中的原始显著区域超像素块ISRh； 步骤3：对步骤2操作得到的原始显著超像素块ISPf和原始显著区域超像素块ISRh展开基于超像素块加权相似性的云目标检测； 3.1：将步骤2操作得到的原始显著超像素块ISPf作为中心块，原始显著区域超像素块ISRh作为周边块；遍历中心块，并计算每一个中心块ISPf与其搜索范围R内的周边块ISRh的相对熵DKf,h，方法如公式3所示： 其中，变量PISPf表示中心块ISPf的概率分布模型，变量PISRh表示周边块ISRh的概率分布模型；搜索范围R为以ISPf为中心，2r个超像素块为边长的矩形区域；其中Z为云区定位显著图ICP中连通显著区域最大尺寸，S为超像素块尺寸，α为常数； 3.2：以中心块ISPf的质心CISPf和周边块ISRh的质心CISRh之间的欧氏距离来获取每一个中心块ISPf与其搜索范围R内的周边块ISRh的相对距离DSf,h，方法如公式4所示： 其中，分别为中心块和周边块质心在图像中的坐标； 3.3：通过相对熵DKf,h和相对距离DSf,h来计算中心块和周边块的加权相似性Df,h，方法如公式5所示： 其中，变量MA为所有中心块ISPf与图像I中背景区域B的最大相对熵的最大值，背景区域B定义为图像I中去除中心块和周边块的其他区域；变量MRM为所有中心块ISPf的质心与其相应搜索范围R内的边缘超像素质心之间最大欧式距离的最大值； 3.4：以所有中心块ISPf之间的平均相对熵和每个中心块对应的最大欧式距离来计算出加权相似性阈值Tf,方法如公式6所示： 3.5：通过将第f个中心块和其对应的第h个周边块的加权相似性Df,h与该中心块对应的加权相似性阈值Tf比较，若Df,h小于等于Tf，则将周边块ISRh判断为云目标，进行保留，若Df,h大于Tf，则将周边块ISRh判断为非云目标，进行去除；遍历所有中心块之后，如果某一周边块对不同中心块出现保留和去除，则保留；最终，将中心块和保留的周边块结合得到目标显著图，检测出云目标的位置。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人成都信息工程大学，其通讯地址为：610225 四川省成都市双流区西南航空港经济开发区学府路1段24号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。