光学遥感卫星影像广泛应用于导航定位、农业调查、环境保护、防灾减灾、海洋开发、城镇化研究等领域,但并非所有影像都可满足信息智能化处理的要求,其中一个很重要的因素就是云层的覆盖。云层不仅对地面场景形成了遮挡,还会在一定程度上改变影像的光谱和纹理信息,给遥感影像产品制作中的多个环节造成诸多不利。基于上述背景和国内外相关研究现状,确立本文的研究内容,即研究针对光学遥感卫星影像的精确、自动、快速云检测方法,以及云检测结果在光学遥感影像产品制作各环节中的应用。本文研究的最终目的在于提取海量光学遥感卫星影像中的有效、优质信息,提高影像的利用率,为后续高精度影像地图制作和信息化智能处理提供数据支持。具体地,本文研究内容和对应的研究结论如下:1、研究了单幅光学遥感卫星影像快速自动云检测方法。使用高斯混合模型对影像直方图进行自动拟合,通过分析高斯混合模型中各分量的参数特征和临近关系,自适应地计算云与晴空之间的亮度阈值,然后通过形态学运算与分析,消除阈值分割结果中的噪声,并优化调整云的轮廓,填充小面积云缝,使云区趋于连通的整体。实验结果表明,此方法在大部分情况下检测准确,可定性识别无云影像或得到含云影像的云掩模。方法适应性强、效率高,不需要辅助信息和人工干预,可满足海量卫星影像自动化质量控制等工作的需要,同时也为后续方法提供初始云检测结果。2、研究了基于视觉显著性分析的云与高亮度人工目标区分方法。使用自适应二维Gabor滤波器提取高分辨率光学遥感卫星影像上人工目标特有的直线边缘特征,作为视觉显著性的主要测度,在此基础上提取特征显著区域,实现了高分辨率光学遥感影像上人工目标的自动识别,进而实现了云与高亮度人工目标的区分。将该方法与高斯混合模型阈值分析方法和形态学优化整合策略相结合,实现了大部分场景(不包括积雪)下光学遥感卫星影像的精确云检测。3、研究了公众地理数据辅助的云与高亮度自然地表区分方法。通过地理坐标将光学遥感影像与可公开下载获取的公众地理数据相关联,直接判断光学遥感卫星影像上某一位置是否为积雪、冰原等高亮度地表,或者通过差异分析的方式定性识别影像中的不变场景,将它们否定为云,实现云与高亮度自然地表的区分。将该方法与高斯混合模型阈值选取方法、视觉显著性分析方法和形态学优化整合策略相结合,实现了任意场景下光学遥感卫星影像精确云检测。4、研究了多视角光学遥感卫星影像云检测方法。以多视角成像的像对为研究对象,利用云层高度特征引起的投影视差,将多视角像对中的晴空场景看作不变的背景,将云层看作变化的、运动的目标,通过像对间的差异分析,辅之以亮度分析和形态学优化整合,实现了精确、高效的云与晴空场景的区分。相对于基于单幅影像的云检测方法,该方法更有效地解决了对影像中冰雪、建筑物等高亮度似云目标的误判;更准确地识别了无云场景;更有效地避免了对小面积云和薄云的漏检;更精确地提取了云的轮廓。5、分析了云层对遥感影像处理过程中辐射校正、几何纠正、合成影像制作、数字地表模型制作等环节造成的不同影响,分别选择了对应的云检测策略,对光学遥感影像产品制作过程进行优化,更好地提取了海量影像中的有效、优质信息,提高了影像的利用率。