遥感图像的阴影检测技术VIP免费

遥感图像的阴影检测技术随着航空卫星技术不断发展的步伐，高空间分辨率遥感的广泛应用，如何消除遥感影像的阴影，具有越来越重要的现实意义，但是这个问题一直是遥感影像处理领域的一个难题。在这种情况下，人们开始了遥感图像阴影检测技术的研究。阴影既是使图像退化的噪声源，又是提供一些有用信息的信息源。有了阴影检测技术，我们就能获取更多关于我们所研究的对象的一些有效信息。下面是一幅遥感图像：自阴影投射阴影针对遥感图像的阴影检测本文主要阐述了三种实现遥感图像的阴影检测的算法：1）基于RGB彩色空间的归一化处理的阴影检测算法；2）基于RGB彩色空间的直接差分算子的阴影检测算法；3）基于纹理分析的阴影检测算法。我们的重点研究的算法是基于RGB彩色空间的归一化处理的阴影检测算法。首先阴影区域的特性：1)由于光线被遮挡，阴影区域具有更低的灰度值2)阴影区域具有更高的色调值3)由于大气瑞利散射的影响，阴影区域具有更高的饱和度4)阴影不改变原有地表的纹理特征5)阴影与产生阴影的目标具有相似的轮廓很多检测算法都基于阴影的属性，还有一种是基于模型的阴影检测。根据阴影的属性（阴影区域具有更低的灰度值），通过分析Phong光照模型，发现在阴影区域的三个通道中，R通道下降得最多，G通道次之，B通道下降得最少，这相当于增加了阴影区域的蓝色分量。充分利用了阴影区域的这一属性，通过对彩色RGB影像进行如下的归一化处理：其中：R、G、B分别为原始的RGB分量，R‘、G’、B‘分别为归一化后的RGB分量。通过前面的分析可知，在阴影区B通道灰度下降得最少。整个的阴影检测流程如下图所示：BGRRR'BGRBG'BGRBB'通过对B’分量图采用otsu阂值分割的方法，设置一个较高的阈值就可以得到大致的阴影区域。但原始影像中的偏蓝色地物在B’分量中也具有很高的像素值，需要将这些区域从阴影区域中去除。基于此，我们在原始的B分量图中引入了一个阈值来保证阴影检测的精度。只有在B’分量中高于某个阈值，并在B分量中低于某个阈值区域，才被检测成为阴影区域。处理后的图像：1)由于各个彩色空间的误测率不一样从而导致其在阴影检测误差上的不一致。为了更大地减小阴影检测误差，我们应该通过大量的研究，希望能找到基于某种彩色空间的检测误差更小的遥感图像的阴影检测技术。2)由于光源和场景的三维结构不易得到，基于模型的阴影检测方法局限性很大，但其检测效果是最好的。所以，以后的研究重点要放在基于模型的阴影检测技术上。3）向具有更好的定位性,更好的边缘性,精度较高的阴影检测技术方向发展。总结：