光学卫星遥感数据在获取过程中易受云层干扰, 云区识别是光学遥感数据应用及分析的一个基础但重要的步骤, 高效的云区识别技术对节省数据收集成本和提高数据利用效率具有较强的现实意义.同态滤波算法是经典的基于单幅影像的云区识别方法之一, 该算法具有计算快速方便、云区检测精度较高的优点, 然而识别的云区范围极大程度取决于同态滤波器截止频率的位置.同态滤波截止频率通常采用经验值, 显然经验截止频率无法适应批量遥感数据的自动处理需求.针对以上问题, 本文通过建立输入影像频谱能量与截止频率的关系, 结合白度指数(Whiteness Index)和形态学算子, 实现对国产高分辨率光学卫星高分一号(GF-1)遥感数据的批量云区识别处理.与传统同态滤波方法相比, 该算法能根据影像频谱能量自适应判定同态滤波时采用的截止频率, 具有更强的适用性.通过对98景GF-1多光谱数据进行随机点人工目视标记精度检验, 精度检验结果表明该算法对云区有较好的检测效果, 总体识别精度达93.81%.该算法对GF-1遥感数据能进行批量化云区检测, 获得高精度的云区掩膜结果, 并有效降低高反射率地物造成的误识率.

对于沿岸水体, 传感器接收到的水体辐射信号受到沿岸陆地高反射率的影响, 图像对比度降低, 邻近效应影响显著。有效剔除大气衰减和邻近效应, 准确获取水体表面反射率, 是水色遥感定量反演的重要前提。基于2016年4月29日太湖沿岸水体的实测光谱数据与同步过境的高分一号宽覆盖相机(GF-1/WFV)影像, 使用6S模型剔除大气衰减的影响, 并使用核函数表达大气点扩展函数, 进行邻近效应校正。实验结果表明, 邻近效应校正后的图像更清晰, 对比度增大, 水体细节信息更丰富。与6S校正结果相比, 3个同步实测样点的邻近效应校正结果的平均相对误差分别降低了10.8%, 5.24%, 10.39%, 邻近效应校正改进了水面遥感反射率的辐射探测精度。