報告題名：

應用雲霧簡單模型於遙測影像雲霧覆蓋區域

地表資訊反演之研究

作者：郝振宇

系級：土水博一

學號：P9840154

開課老師：周天穎、嚴泰來

課程名稱：空間資訊系統專論

開課系所：土地管理學系

開課學年： 九十八 學年度 第 二 學期

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

中文摘要

台灣地區的天候條件對於遙測發展有著嚴重之限制，過去接收全島無雲影

像須耗時數月以上，其為遙測發展的重要瓶頸。若將影像中雲霧去除並復

原地表資訊，應能有效提昇遙測資料的使用效率。本研究以定量雲霧之觀

點(τ)探討地表資訊受干擾之程度，結合簡單雲霧成像模型對雲霧影像進行復原。並與傳統的簡易去雲方法比較。從模擬結果中顯示其有效去除影像

中雲霧，並依此方式對真實雲霧影像進行處理與比較，分類成果顯示經地

表資訊復原後之精度提昇約 7-15％。此外本研究所提之流程除反演成果較佳外，於處理過程不需另定參數，於處理與應用上較為簡便。

關鍵字：遙感探測、雲霧去除、資訊復原、同態濾波

1 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

目 次

1. 前言…………………………………………………………3

2.雲霧模型……………………………………………………4

3.雲霧資訊獲取………………………………………………6

4.實驗…………………………………………………………7

5.成果比較……………………………………………………10

6.討論與結論…………………………………………………15

2 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

1.前言 雜訊存在於所有真實影像中，以地球表面觀測之遙測衛星影像而言，任何不

屬於原地表地物反射發出之能量都可稱為雜訊。雜訊產生之原因包含大氣干擾、

訊號數位化及傳輸或記錄過程產生資訊流失或錯誤(Lillesand and Kiefer, 1994)。遙測影像主要的干擾即為雲霧遮蔽所產生的多餘或錯誤資訊。以台灣地區為例，

根據中央氣象局 2008 年公佈之統計，如表 1-1，台灣地區西南部全年平均雨日約為 100 日，北部及東北部地區更高達 200 日以上；而全年日照時數以每日 12 小時換算也僅有 100 至 150 餘天，不及全年一半。從接收數據(張立雨等，2007)來看，台灣地區接收到一幅無雲影像的機會僅有 10%，接收率最高的SPOT系列衛星亦須兩個月以上方能完成全台無雲影像，由此可知氣候因素實為台灣地區遙測

發展之首要限制。 遙測技術近年來逐漸成為各領域主要之研究與應用材料，而當中又以被動式

光學感測器最廣泛應用，係因其具備多項優勢足以作為各種研究及應用之需求，

如光譜訊息量大、空間與幾何解析度高及單純資料型態等特性。然而也因為這些

特性，使得被動式感測器在接收影像時，容易受到大氣中氣溶膠與懸浮微粒之影

響，於影像中產生雲或霧靄等多餘資訊。雲霧遮蔽現象特別明顯於山坡地區或天

然災害發生期間，以四川震災為例，北京當局直到災害發生五日後才收到清晰無

雲的影像(黃鐵青等，2008)。因此，若能針對遙測影像中的雲霧效應去除或降低其影響，應可有效提昇遙測影像於坡地管理、災害防救等重要應用面上之效率。

過去有許多學者對遙測中的雲霧進行研究，但多為數理公式與波譜理論探

討，實際應用於雲霧處理上顯得過於複雜，而參數或資訊不足的問題更造成應用

上之限制(S. Liang et al. 2001)。然而薄雲、霧氣或濛氣等干擾為遙測影像中常見仍待解決的的問題(陳奮，2006)。於被動式光學影像中不可避免皆有雲與霧靄的覆蓋，其形成主要是由大氣中的氣溶膠散射作用所引起，從影像中最直觀的表現

即為影像清晰程度的降低，地表辨識工作的難度與錯誤率也隨之提高。如何能建

立兼具簡易直觀且通用性高卻又不失影像原始資訊之雲霧去除方法，在影像需求

與應用面日增之今時今日，實為一重要課題。

3 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

表 1-1 全台雨日與日照時數 2008 年全年統計表

資料來源：中央氣象局，2008

過去研究已證實經由影像數值的計算進行雲霧去除是可行的方法(Yong Du et al. 2002; Y. Zhang et al. 2002; 2003)，本研究以福衛二號影像為例進行雲霧遮蔽區域之地表資訊反演與探討，為有效提昇實際應用時對使用者簡易快速地消除雲霧

資訊之需求，本研究參考過去雲霧處理之方法提出簡易之雲霧影像復原方式，利

用無雲基準影像進行雲霧厚度(τ)的偵測並簡化多數大氣與感測器因子以簡單雲霧模型反演地表資訊，處理過程中毋須考慮複雜的大氣模型與相關參數，僅對接

收者端之雲霧影像各波段數值(Digital Number)進行反演算，並與過去處理方法進行比較。 2.雲霧模型

大氣效應是目前影響被動遙感影像品質的主因，而其中較嚴重的干擾即為雲

霧遮蔽。本研究所應用之雲霧模型主要參考O. R. Mitchell於 1976 年提出被動式影像的雲霧成像模型，其假設在薄雲狀態時，太陽輻射先穿透雲層到達地表，經

地表反射後被感測器所接收。其假設之太陽輻射能傳遞與接收之模型如圖2所示。

圖 2 簡單雲成像模型示意圖(修改自 O. R. Mitchell 1976)

4 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

依據 O. R. Mitchell (1976) 所提出之雲霧模型可以式 1 表示

(式 1)

式中 f(x,y)為感測器所接收的能量；r(x,y)為地面景物反射率，代表信號；為雲層透射率， ； 為太陽光強度； 為太陽光傳輸過程中

衰減常數； 。

為了解算地表反射率於影像中之正確值，本研究依據該成像模型，對式中 t值提出假設，即若影像範圍內之雲霧厚度(τ )為 0，亦即透射率為 100%，依此假設代入式 1，可得式 2。

(式 2)

從上式可知，在無雲狀態時感測器所接收的訊號為太陽光強度與衰減常數於

地表反射之乘積，因此針對雲霧模型提取欲反演之成果可表示為式 3。

(式 3)

度與其衰減常數之解算多以 MODTRAN 等大氣模擬軟體進行分析，需先獲得大氣分子、氣溶膠與水汽含量等參數，於雲霧效應去除之

應用上較為複雜。為解決此問題，本研究參考黑體減法與 O. R. Mitchell 於雲霧實驗時之假設，此種方式與黑體減法相反

霧或

像元值作為太陽光之輻射強度於感測器率定(Calibration)後之數值，依此方式除了可快速的獲取 L 值，也可省略在公式中光譜數值與能量(太陽光強度) 。

以式 3-1 為基準，若 t 值趨近於 0(雲層厚度趨近於輻射也會趨近於 0，則雲霧或地表全反射時之狀態

從式 3-3 可見欲對地表資訊進行反演算仍須求取太陽光強度，且因式中太陽光強度 L 為能量單元，若轉換至感測器數值系統須通過複雜的輻射率定推算。傳統大氣校正對於太陽光強

，首先假定於影像中皆有完全反射之雲

地物，基於此點假設即可以影像中的最亮點作為輻射值全反射的代表，以該

之間的轉換

1)時，地表所接受之太陽可以表示為式 4。

(式 4)

可推得式 3-5。

5 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

(式 5)

)情形下，簡單雲霧模型應用於因此在假定影像具有完全反射物體(雲、建物雲霧效應去除公式即為式 5。而後本研究參考前人研究針對式中獲取影像個別像元之 。 3.雲霧資訊獲取

過去以相對性輻射校正方式找出影像變異之大氣狀況，透過擬似無變異之影

像為基準與欲分析影像之差異比較是最簡易的方式。本研究在雲霧透射率萃取上

即採用此方式。將兩幅

為了比較低通率波

處理與低通濾波處理後之兩種雲霧透射率獲取方式，並將兩種方式獲得之雲霧透

射率資訊應用於後續之地表資訊反演。

影像在光譜值域上進行正規化處理後差分獲取差異影像。

處理對於雲霧透射率資訊之影響，研究中將分別進行未經濾波

圖 3-1 雲霧資訊獲取流程圖

本研究之雲霧透射率是以擬似無變異影像為基準，探討雲霧影像與基準影像

間的差異。影像以正規化輔以低通濾波處理後進行差分後，差分後影像因許多因

素會產生基準影像像元值高於雲霧影像而產生負值，於研究中視為細節的偏差或

誤差，因此以下式將這些錯誤偵測之雲霧透射率去除。

(式 7)

其中 cA 是雲霧影像經過正規化或低通濾波處理後之雲霧影像，cB 則是擬似無變異影像。cAh 為原始影像中的雲霧分布範圍。

本研究另應用低通濾波之特性對影像進行處理，藉由低通濾波抑止高頻、增

揚低頻之特性，依此假設將雲霧影像與擬似無變異影像中細微變化差異消除，目

的為提昇正確的雲霧資訊之能力，並降低因兩時期地物改變所產生的錯誤資訊。

影像濾波器係為範圍影像處理，又稱遮罩處理與影像濾波。均化濾波又稱低通濾

6 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

波，此濾波會使信號變化趨緩，並強化變化平緩的成份(低頻成份)，抑止變化較快的成份(高頻成份)，故又稱低通濾波器。通常遮罩範圍越廣，濾波器就愈能依照所定條件(如濾波頻寬)而設計。

假設影像 f( x, y )含有雜訊 n( x, y )，則

(式 8)

其中 為未經干擾前影像。以 3 3 視窗大小為例，進行均值濾波後會

獲得下述影像。

(式 9)

設雜訊影像 n(x,y)中每一點皆不相關，其平均值為 0，方差為 ，利用機率理論 ，且 ，var表示信號方差，

，可得證

(式 10)

雜訊(高頻訊號)能量經過濾波會少 N 倍，而其成果也會降低影像銳利程度。4.實驗

為主要研究 日拍攝

將原始影像與基準影像經過低通濾波器以九乘九視窗大小進行處理，成果如

下圖。從成果中可看出經由濾波處理後之影像較為模糊，此點符合低通濾波能抑

止影 ，

霧在影像中屬低頻變化

降低 9 倍，若均化遮罩含 N 點，雜訊能量就會減

本研究以二時期之福衛二號影像

之雲霧遮蔽影像與 2009 年 9 月 29材料，分別為 2004 年 8 月 20

日拍攝之無雲影像

2004.08.20 雲霧覆蓋影像

2004.09.29 雲影像 無

像中高頻區域，將變化較為小且快之差異以均值化的方式表現；相對地 雲

，於處理中較不受低通濾波影響，均質處理反而可以增顯

雲霧原始資訊。

7 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

基準影像低通濾波處理成果圖 雲霧影像低通濾波處理成果圖

依據上步驟處理成果，將雲霧影像與基準影像正規化處理後分別進行直接差

分與以低通濾波處理後再差分兩種方式，透過不同雲霧資訊處理情形，比較濾波

加入後對雲霧去除效率及無雲區資訊保留情形。

藍光段雲霧邊界與透射率偵測成果 (左為直接差分之雲霧偵測成果，中間為低通濾波處理後差分之雲霧偵測成果，右圖原

綠光段雲霧邊界與透射率偵測成果

8 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

紅光段雲霧邊界與透射率偵測成果

本研究分別利用雲模型反演、同態濾波去雲、PSF 反迴旋積算法三部分進行雲霧遮蔽區之資訊反演進行探討，處理成果如下圖。

PSF& Deconvolution 處理 (by ERDAS Imagine 9.1- Haze Reduction)

同態濾波器處理成果圖

9 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

地表資訊反演成果與原始影像之比較圖(τ1 與 τ2)

5.成果比較 為了有效比較雲區校正與無雲區資訊保留情形，研究針對雲霧影像人工選點

並將像元值差異小於 10 以區域增長方式進行圈選，分別選取雲霧區與無雲區各50 點為樣本點

無雲區之基準與雲霧影像值在福衛二號影像可見光段中之相關性約在 0.8 以上，此部份可作為雲霧去除後處理後的雲區範圍資訊偏異評估基準，可支持研究

前提中假設兩時期地物大略相同之基礎。

原始影像(無雲)與基準影像比較(Band1) 原始影像(雲霧區)與基準影像比較(Band1)

原始影像與無雲區處理成果，從下圖可看出，影像經處理後，判定為無雲區

10 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

域的影像 DN 值幾乎沒有變動，代表以此方式可以有效避免無雲區資訊受到不必要的改變。

a. τ2+雲模型與原始影像(Band1) 若比較雲霧區處理成果之比較，也可以看到在無雲區域，原始影像與基準影像的

相似性為 0.885，而在雲霧區域則僅有 0.268，經由上述處理後可以看出處理後影像相似程度提昇至 0.8191，從數據上顯示獲得較佳的復原成果。

a.原始影像(雲 與基準影像 霧區)與基準影像比較 b.低通濾波+雲模型處理

原始影像(無雲區)與基準影像

若從局部區域以人眼視覺評估方式觀察影像變化情形也可獲得一致的成

果，如下圖。

11 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

a. 原始影像 b. 基準影像

c. Result1 d. Result2

d. Homomorphic filter f. PSF& Deconvolution

a. b. 基準影像 原始影像

12 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

c. Result1 d. Result2

e. PSF& Deconvolution f. Homomorphic filter

變異地表於不同雲霧偵測方法之復原成果圖

除此之外，研究中亦使用影像分類法的精準度評估成果比較影像實用性之優劣，

光譜影像分類是依據影像中所記錄之地表光譜資訊 影像像

進行歸類 ，使無意義的影像像元值變成具有地表類型

(Y. Zhang et al.,, 2002; C.Y. Hao et al.,, 2008, 劉致亨，2008) 以監督式分類法探討各去雲方法對分類精度提昇之效益。

基準影像分類成果表

基準影像誤差矩陣

，以數學、統計演算對

元

屬性的主題圖。本研究參考前人研究

，並分別定義、賦予屬性

分類 參考總計 分類總計 校正數 生產者精度 使用者精度 水體 58 75 54 93.10% 72.00%植生 94 75 71 75.53% 94.67%人為建物 74 75 65 87.84% 86.67%道路 74 75 62 87.32% 82.67%總計 300 300 252 84.00%

Overall Kappa Statistics = 0.7874

原始影像分類成果表

原始雲霧影像誤差矩陣 分類 參考總計 分類總計 校正數 生產者精度 使用者精度 水體 58 63 45 77.59% 71.43%植生 94 76 60 63.83% 78.95%人為建物 74 29 21 28.38% 72.41%道路 74 132 54 76.06% 40.91%總計 300 300 180 60.00%

13 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

Overall Kappa Statistics = 0.4681

PSF & Deconvolution 去雲影像分類成果表

PSF & Deconvolution 去雲影像誤差矩陣 分類 參考總計 分類總計 校正數 生產者精度 使用者精度 水體 58 96 39 67.24% 40.63%植生 94 90 54 57.45% 60.00%人為建物 74 41 28 37.84% 68.29%道路 74 72 33 46.48% 45.83%總計 300 300 154 51.33%

Overall Kappa Statistics = 0.3542

濾同態 波影像分類成果表

同態濾波影像誤差矩陣 分類 參考總計 分類總計 校正數 生產者精度 使用者精度 水體 58 68 38 65.52% 55.88%植生 94 59 34 36.17% 57.63%人為建物 74 48 25 33.78% 52.08%道路 74 125 47 66.20% 37.60%總計 300 48.00% 300 144

Overall Kappa Statistics = 0.3126

分 表

τ 雲模型反 成果影 差矩陣

R1 影像 類成果

1 與 演 像誤 分類 參考總計 校正數 生產者精 用者精分類總計 度 使 度 水體 58 60 47 81.03% 78.33%植生 94 80 73 77.66% 91.25%人為建物 74 61 46 62.16% 75.41%道路 74 99 59 83.10% 59.60%總計 300 75.00% 300 225

Overall Kappa Statistics = 0.6665

分 表

τ 雲模型反 成果影 差矩陣

R2 影像 類成果

2 與 演 像誤 分類 參考總計 校正數 生產者精 用者精分類總計 度 使 度 水體 58 53 43 74.14% 81.13%植生 94 89 70 74.47% 78.65%

14 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

人為建物 74 31 27 36.49% 87.10%道路 74 127 63 85.14% 49.61%總計 7.67% 300 300 203 6

Overall Kappa Statistics = 0.5648

與結論

研究成果可分為 定量分析 果及地 資訊反演 分。在

部分，研究中以 期影像依 像正規 後萃取雲 (τ1)及取雲霧透射 2)方式分 得兩 霧厚度 據所獲

進行地表復原(R 2)，從視覺直觀評估中可見以 反演之影像(R1)在肉眼 表現較佳

受無雲基準影像的影響較顯著。若再從資訊保留度評估

出，R1 影像在原始雲霧覆蓋地區經校正後與基準影像的相關性高達 9 成以上，而 R2 在原始雲霧覆蓋地區經校正後與基準影像的相關性則維持約 0.8，相似的相關係數可見於原始雲霧影像在無雲區範圍與基準影像之比較。因此本研究可推得

通濾波 2 在透射率定量描述與雲霧邊界資訊較符合像中雲霧實際空 布情形。

資訊反演部分， 究導入簡 雲霧模 念進行 實際雲

之參數進行 ，並提出 像元 厚度值 影像進

。從成果比較中可 得以簡單 模型 之復原 R2)在視計質量評估與分 度比較 獲得較 復原表現及 據，因此可

知以簡單雲模型雖然簡化了大多數的大氣參數，但在正

遙測影像地表資訊反演算上仍可獲得一定效益之成果。從 R1 及 R2 的評估成果中可知，以簡單雲霧模型進行 及其邊界資訊極為重要，若

是以錯誤的雲霧資訊代入雲模型中則無法獲得有效的復原成果；相對地若雲霧資

6.討論 本 雲霧 成 表 成果兩部 雲霧定

量分析 兩時 影 化 霧透射率 加入低

通濾波後萃 率(τ 別獲 種雲 成果。依 得的雲霧資訊 1, R τ1 為基礎 地表資訊成果 直觀 ，但從細部地表變遷比較中則可發現其資訊

中來看，則可更明顯看

加入低 後所獲得之雲霧資訊 τ原始影 間分 於地表 本研 單 型概 計算，將 霧成像

過程中牽涉 簡化 以逐 不同 的方式對 行反演

校正 獲 雲霧 反演 影像(R1, 覺評估、統 類精 上皆 佳的 評比數

確的雲霧資訊條件下進行

反演，適當的雲霧厚度

訊可以更正確或更有效率的方式獲得，應可有效提昇雲霧影像的復原效益。

15 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

參考文獻

1. 交通部中央氣象局 (2009). 氣候 報告 . 13-16.

良雲、王紀華、宋曉宇、王人潮 (2006). 基於 Landsat 影像自身特徵

台北，國立編譯館。

.

10. 劉致亨 (2008). 合理化雲模型 t 值分析於薄雲覆蓋區影像恢復之研究，逢甲大學土木及水利研究所博士論文。

11. 劉建慧、楊純明、劉振榮 (2002). SPOT 衛星影像之大氣改正模式及水稻反射率反演精度之評估，行政院農委會農試所，應用於水稻精準農業體系之知識

與技術，79-88.

12. Berk, A., L. S. Bernstein and D. C. Robertson (1989). MODTRAN: A moderate solution model for LOWTRAN-7. In: Report GL-TR-89-0122, Geoph. Lab. Air Force System Command, Hanscom AFB, USA.

13. Ballou, K. and J. Miller (2002). On-Board Cloud Contamination Detection with Atmospheric Correction. Earth Science Technology Conference, Session A7P5.

14. Chanda, B. and D. D. Majumder (1991). An Iterative Algorithm for Removing the

監測 ，pp

2. 李存軍、劉的薄雲自動探測與去除，浙江大學學報(工學版)，Vol. 40, No. 1, 10-13.

3. 徐逸祥 (2006). 遙測影像之雲霧偵測及干擾去除，國立台灣大學地理環境資源學系碩士論文。

4. 張立雨、陳繼藩、陳哲俊、林欣穎 (2007). 應用影像分割技術與碎型理論於福衛二號 Quick-Look 影像之雲覆蓋萃取，航測及遙測學刊，Vol. 12, No.3, 273-281.

5. 曾好德、張韌 (2005). 基於小波分解的薄雲薄霧模糊圖像的恢復與增強，解放軍理工大學學報，Vol. 6, No. 1, 76-80.

6. 曾忠一 (1988). 大氣衛星遙測學，

7. 黃鐵青、趙濤、翟金良、王世新、黃銘瑞、王紹強 (2008). 發揮空間資訊技術優勢,服務汶川抗震救災決策-中國科學院利用遙感與地理資訊技術為汶川地震抗震救災和恢復重建提供決策服務記略，遙感技術與應用，Vol. 23, No. 4

8. 趙忠明、朱重光 (1996). 遙感圖像中薄雲的去除方法，環境遙感，Vol. 11, No. 3, 195-199.

9. 鄭心慧 (2002). 遙測影像空間品質之評估，國立成功大學測量工程學系碩士論文。

16 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

Effect of Thin Cloud Cover from LANDSA agery. Mathematical Geology, Vol. 23, No. 6, 853-860.

. Barker, J. C.

ical Research. Vol. 111, D16201.

mproved Dark-Object Subtraction Technique for Atmospheric Scattering Correction of Multispectral Data. Remote Sensing of

etric Calibration of Landsat Themages. Photogrammetric Engineering and Remote Sensing, 55,

18. Dal Moro, G . Haze Removal for High-Resolution ote Sensing, Vol. 28,

C. H. Liu, T. Y. Chou and L. S. Yang (2008). The Efficacy of

The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Science, Vol.37. Part B8. 607-612. Beijing.

, Y. Hu and S. Platnick (2007). The Sensitivity of Ice Cloud Optical and Microphysical Passive Satellite Retrievals to

22. Irish, R. R., J. L. Barker, S. N. Goward and T. Arvidson (2006). Characterization

NE Field guide, Leica Geosystem,

T Im

15. Chiu, J. C., A. Marshak, Y. Knyazikhin, W. J. Wiscomebe, H.WBarnard and Y. Luo (2006). Remote Sensing of Cloud Properties using Ground-based Measurements of Zenith Radiance. Journal of Geophys

16. Chavez, P. S. Jr (1988). An I

Environment, 24, 459-479.

17. Chavez, P. S. Jr (1989). Radiom atic Mapper Multispectral Im1285-1294.

. and L. Halounova (2007)Satellite Data: A Case Study. International Journal of RemIssue 10, 2187-2205

19. Du, Y., B. Guindon and J. Cihlar (2002). Haze Detection and Removal in HighResolution Satellite Image with Wavelet Analysis. IEEE Transactions on Geoscience and Remote Sensing, Vol. 40, No. 1, 210-217.

20. Hao, C. Y.,Semi-Automatic Classification Result by Using Different Cloud Detection and Diminution Method.

21. Hong, G., P. Yang, H. L. Huang, B. A. Baum

Cloud Geometrical Thickness. IEEE Transactions on Geoscience and Remote Sensing, Vol. 45 No. 5, 1315-1323.

of the Landsat-7 ETM+ Automated Cloud-Cover Assessment (ACCA) Algorithm. Photogrammetric Engineering & Remote Sensing, Vol.72, No. 10, 1179-1188.

23. Leica Geosystem, Inc. (2005). ERDAS IMAGIVol.6, 189-202.

24. Liang, S., H. Fang and M. Chen (2001). Atmospheric Correction of Landsat ETM+ Land Surface Imagery- Part I: Methods. IEEE Transactions on Geoscience

17 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

and Remote Sensing, Vol. 39, No. 11, 2490-2498.

25. Liang, S., H. Fang, J. T. Morisette, M. Chen, C. J. Shuey, C. L. Walthall and C. S.

. Kiefer (1994). Remote Sensing and Image

-IR Imagery. International Journal of Remote

Clough (1989). User Guide to Lowtran 7,

ol. 1, No. 4,

, 27-31.

aptive fast atmospheric correction algorithm.

Vol.

Schläpfer and A. Müller (2006). An Automatic Atmospheric

T. Daughtry (2002). Atmospheric Correction of Landsat ETM+ Land Surface Imagery- Part II: Validation and Applications. IEEE Transactions on Geoscience and Remote Sensing, Vol. 40, No. 12, 2736-2746

26. Lillesand, T. M. and R. WInterpretation, John Wiley& Sons, Inc.

27. Kaufman, Y. J. and C. Sendra (1988). Algorithm for Automatic Atmospheric Corrections to Visible and NearSensing, Vol. 9, 1357-1381.

28. Kneizys, F. X., E. P. Shettle, L. W. Abreu, J H. Chettwynd, G. P. Anderson, W. O. Gallery, J. E. A. Selby and S. A. AFGL-TR-88-0177, Environmental research Papers No. 1010.

29. Kokhanovsky, A. A. (2004). The Depth of Sunlight Penetration in Cloud Fields for Remote Sensing. IEEE Geoscience and Remote Sensing Letters, V242-245.

30. Mitchell, O. R. and P. L. Chen (1976). Filter to Remove Cloud Cover in Satellite Imagery. IEEE Transactions on Geoscience and Remote Sensing, 4A

31. Ovtchinnikov, M. and R. T. Marchand (2007). Cloud Model Evaluation Using Radiometric Measurements from the Airborne Multiangle Imaging Spectroradiometer (AirMISR). Remote Sensing of Environment, 107, 185-193.

32. Peli, T. and T. Quatieri (1984). Homomorphic Restoration of Images Degraded by Knight Cloud Cover. Acoustics, Speech, and Signal Processing, IEEE International Conference on ICASSP '84, 100-103.

33. Richter, R. (1996). A Spatially adInternational Journal of Remote Sensing, Vol. 17, 1201-1214.

34. Richter, R. (1997). Correction of Atmospheric and Topographic Effects for High Spatial Resolution Satellite Imagery. International Journal of Remote Sensing,18, No.5, 1099-1111.

35. Richter, R., D. Correction Algorithm for Visible/NIR Imagery. International Journal of Remote Sensing, Vol. 27, No.10, 2077-2085.

18 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

36. Thurairajah, B., and J. A. Shaw (2005). Cloud Statistics Measured with the

An Overview. IEEE Transactions

N. Fujiwara (1999). Automated Detection

ang and Y. Zhu (2007). The Research and Application

heric Correction of

B. Guindon and J. Cihlar (2002). An Image Transform to Characterize

, No. 5, 1082-1089.

Infrared Cloud Imager (ICI). IEEE Transactions on Geoscience and Remote Sensing, Vol. 43, No. 9, 2000-2007.

37. Vermote E. F., D. Tanre, J. L. Deuze and J. J. Morcrette (1997). Second Simulation of the Satellite Signal in the Solar Spectrum, 6S: on Geoscience and Remote Sensing, Vol. 35, No. 3, 675-686.

38. Wang, B., A. Ono, K. Muranatsu and and Removal of Clouds and their Shadows from Landsat Images. ICICE Trans. Inf. & Syst., Vol. E82-D, No. 2, 453-460.

39. Wei, S. G., Y. L. Hao, Y. H. Tof Content-Based Satellite Cloud Image Retrieval. International Conference on Mechatronics and Automation, August 5-8, Harbin, China, 3864-3869.

40. Wu, J., D. Wang and M. E. Bauer (2005). Image-based AtmospQuickBird Imagery of Minnesota Cropland. Remote Sensing of Environment, 99, 315-325.

41. Zhang, Y.,and Compensate for Spatial Variations in Thin Cloud Contamination of Landsat Images. Remote Sensing of Environment, 82, 173-187.

42. Zhang, Y., B. Guindon and J. Cihlar (2002). Development of a robust haze removal algorithm: assessment using temporally invariant targets. IEEE International Geoscience and Remote Sensing Symposium, 2002. IGARSS, Vol. 1, 101-103.

Zhang, Y. and B. Guindon (2003). Quantitative Assessment of a Haze Suppression Methodology for Satellite Imagery: Effect on Land Cover Classification Performance.

IEEE Transactions on Geoscience and Remote Sensing, Vol. 41

19 逢甲大學學生報告 ePaper(2009 年)

應用雲霧簡單模型於遙測影像雲霧覆蓋區域地表資訊反演之研究

20 逢甲大學學生報告 ePaper(2009 年)

原始影像(無雲)與基準影像比較(Band1)原始影像(雲霧區)與基準影像比較(Band1)a.原始影像(雲霧區)與基準影像比較b.低通濾波+雲模型處理與基準影像原始影像(無雲區)與基準影像