随着对地观测技术的蓬勃发展,通过遥感手段获取的海量信息能够广泛应用于农业调查、环境保护、防灾减灾、导航定位、地理测绘、军事侦察等领域中,为地理国情普查工作、国土资源工程建设等重要战略实施提供了决策依据和信息保障。但并非所有的卫星影像都能满足实际生产的需求,其中最主要的一个原因就是云层覆盖,根据国际卫星云气候计划提供的数据显示,云覆盖了地球表面60%以上的区域。遥感传感器在成像过程中难免会受到云层的干扰,导致部分信息缺失,改变了影像的纹理和光谱信息,给遥感影像产品制作过程中造成诸多不利,降低了图像的利用率,因此遥感影像云检测工作已成为遥感图像处理过程中需首要解决的问题。近年来,国内外众多学者对遥感影像云检测进行了深入的研究,提出了各种云检测算法。其中大部分算法都是针对于高光谱影像的,并且有些算法还需要借助于DEM数据、气象资料等辅助信息。由此可见,对于波段数目较少、光谱信息和辅助数据不丰富的高分辨率影像,用目前的方法难以获得理想的检测结果。基于上述背景和国内外研究现状,确定了本文的研究内容,即探寻一种使用较少的波段信息实现云检测的方法。具体地,在RGB三波段空间中提出一种基于显著性分析和多纹理特征的遥感影像云检测方法,其主要研究内容如下:(1)分析云层形成的原因、云的类型,以及云的辐射特征、几何特征和频率特征,为后续研究奠定基础。(2)根据云层表现出的光谱特征,提出一种改进的Itti显著性模型,构建含云影像的显著性图像,并基于此实现云层粗检测。(3)研究云层和下垫面样本的各类纹理特征,包括分形维数、灰度共生矩阵、Tamura纹理特征、LBP纹理,基于可分离度选择能将二者较好区分的特征分量,并利用主成分分析法实现特征压缩,最后使用支持向量机训练云和下垫面样本,获得SVM分类器实现云层的提取。本文提出的算法综合考虑了云层的灰度特性和纹理特征,能够利用较少波段信息有效快速的实现遥感影像云检测。实验表明,该算法具有较高的查全率和查准率,构建的显著性图像可以突显出图像上的云目标,所选的纹理特征能较好的实现云地分离。