面向对象的高分辨率遥感影像阴影提取方法

针对高分辨率遥感影像阴影提取的问题,通过分析影像主成分变换和HIS变换的特征,提出了一种面向对象的高分辨率遥感影像阴影提取方法:首先,使用mean shift分割方法进行影像去噪和平滑;然后,结合主成分变换和HIS变换形成了一种阴影检测指数(SDI);最后,通过阈值分割提取阴影信息。选取两景影像进行了阴影提取实验。实验结果表明,SDI能有效地区分阴影与建筑物、水体、蓝色地物、植被等非阴影地物;另外,mean shift分割能有效地去除结果中斑点噪声的影响,提高阴影检测精度。     

基于PROBA/CHRIS影像的归一化阴影植被指数NSVI构建与应用效果

开展高光谱遥感影像的阴影检测研究有助于去除阴影,并进一步发挥其高光谱分辨率优势.以多角度高光谱影像PROBA/CHRIS为数据源,尝试从增大明亮区植被、阴影区植被、水体区3种典型地物间光谱的差异入手,利用连续投影算法(successive projection algorithm,SPA)选取特征波段,并分析典型地物在...     

基于LSMA的TM影像云和阴影的检测与去除方法

云和阴影是影响遥感图像判读精度和可用性的主要因素,传统的辐射校正方法很难去除其影响,因此各种去云和阴影的方法应运而生,但在去除效果和实用性方面存在问题。去除云和阴影需以定量检测云和阴影为前提,因此通过分析TM影像中不同地物在不同波段的反射率差异,设计了一种基于动态端元选择的LSMA(线性光谱分解)算法,选择了云、绿色植被、阴影和不透水表面等4种端元,定量检测了云和阴影的分布,并以此为基础实现了对云和阴影的去除,通过处理前后影像的对比分析证明该方法是有效的。     

多光谱影像NDVI阴影影响去除模型

归一化植被指数(NDVI)在植被多光谱遥感反演中占据尤为重要的地位,而遥感影像中普遍存在的阴影对NDVI的精度产生很大的影响,因此去除阴影对植被NDVI的影响对更精确的定量化研究具有应用价值。本文基于光照区和阴影区的太阳辐射能量差异,模拟出同一植被在光照区和阴影区的辐亮度,分析阴影对NDVI的影响机理;利用植被固有反射率谱间关系,引入对阴影极敏感的且与植被信息相关性小的归一化暗像元指数NDPI(Normalized Dark Pixel Index),分析同一植被处于光照区与阴影区的NDVI关系,构建以光照区植被NDVI为基准的NDVI阴影影响去除模型NSEE (NDVI Shadow-Effect-Eliminating),并应用于Landsat 8 OLI影像进行验证。结果表明:NDVI阴影影响基本去除,阴影区NDVI接近正常值,且光照区NDVI保持稳定;有效解决了阴影导致NDVI统计直方图的偏态问题,使其更接近正态分布;与验证影像NDVI沿剖面线逐像元比对发现,植被NDVI阴影影响基本去除;均方根误差RMSE为0.067。本模型能够将本身NDVI值很低的像元与阴影导致NDVI降低的植被像元区分开,符合实际地物情况;模型基于影像自身信息,去除NDVI阴影影响的同时,有效保持了NDVI的相对空间关系;本文基于物理机理构建模型,模型表达简洁、易于应用,且仅依赖于影像自身信息,无需异源数据,计算方便且高效。     

高分辨率遥感影像地物阴影去除算法研究

近几年来,随着遥感技术的快速发展,卫星传感器的空间分辨率在不断地提高,高分辨率遥感影像的应用范围也越来越广,主要包括地形图绘制、变化检测、数字化城市建设等方面。然而,阴影的存在会给高分辨率遥感影像的处理结果带来很多不利影响,如图像匹配、地物的识别与提取等。因此,准确提取高分辨率遥感影像中的建筑物阴影并将其去除掉,是目前遥感影像图像处理方面的一项重要工作。对国内外阴影检测与去除算法系统进行研究,发现现有的算法存在很多局限性,并且处理结果不是很理想,误检率较高。针对这些问题,本文改进了Wallis滤波算法,并基于Matlab进行了结合颜色恒常性理论的阴影去除算法实验研究。通过实验和定量评价,验证了这两种算法较传统的阴影去除算法精度更高。     

Landsat8影像中云和阴影的去除方法及应用

云的干扰严重影响了遥感影像的数据生产和应用,针对青海大面积地区无云数据严重缺乏而造成的遥感影像数据生产应用困难问题,研究Landsat8影像中云及云阴影去除的方法与流程,利用Landsat8遥感影像的光谱特征及其卷云波段,设计云及阴影区域检测模型,检测多种云覆盖情况下的云影响区域,通过多时相遥感影像的配准、相关分析、最小二乘拟合等图像运算得到消除或弱化云影响的遥感影像。同时,应用此方法进行数据生产,为青海地区实际项目实施提供高质量的无云遥感影像数据源。     

高分遥感影像阴影检测与消除方法

为了精准地从高分遥感影像提取植被信息,需要消除遥感影像阴影。本文提出一种高分遥感影像波段最优组合阴影检测与基于颜色恒常的阴影消除技术,从而避免了阴影对提取植被信息的影响。采用覆盖城区QuickBird影像进行试验,结果表明,本文方法既能检测阴影,也能消除高分遥感影像阴影,是一种实用的遥感影像阴影处理方法。     

Landsat TM遥感影像中厚云和阴影去除

提出了一种新的利用多时相Landsat TM影像数据进行的厚云及其阴影去除的方法。该方法通过分析厚云及其阴影的光谱特征, 设计了厚云和云阴影识别模型。该算法的实现是采用图像配准技术、非监督分类、像元替换等运算, 计算出厚云和云阴影区域的TM影像替换数据, 进而得到消除或者减少云影响的TM遥感影像。试验结果表明本文提出的厚云及其阴影去除方法效果很好, 能消除或者弱化云对TM影像数据的影响。     

顾及空间相关性的遥感影像信息量的度量方法

提出了一种结合信息论与地学统计法的遥感影像信息量计算的方法。此方法基于遥感影像加性噪声模型和互信息上界的计算原理,同时考虑了噪声和空间相关性等影响遥感影像信息量的因素,适于计算具有稳健空间相关性、不同地物类型的光学影像的信息含量。利用Landsat TM影像子集,分别计算了城市、农田、山地3种不同地物类型的影像信息量。结果表明,城市含有最大的信息量,同时影像信息量与影像方差呈对数正相关关系。     

基于QuickBird影像的城市高大地物阴影检测方法

针对利用高分辨率遥感影像检测阴影时受水体和偏蓝色地物影像的影响问题,提出了一种主成分变换和多波段运算相结合的阴影检测方法。首先,统计、分析了Quick Bird影像中阴影、水体及建筑物等典型地物的光谱特征;然后,基于主成分变换和多波段运算相结合的方法识别阴影区域和非阴影区域,并利用多峰直方图阈值算法对阴影进行自动检测;最后,利用形态学滤波算法对检测结果进行后处理。实验结果表明,该方法对Quick Bird影像中的阴影提取具有较高的精度、效率和普适性。     

辐射特征支持下的城市高分影像阴影校正

大量城市建筑使得高分影像中含有许多阴影区。这些阴影区在土地利用分类、植被绿度调查等遥感应用中会较大地影响结果精度,降低数据使用效率并增加研究成本。基于同一地物阴影区与临近非阴影区反射率相等这一辐射特征关系,通过建立辐射传输方程,发展了一种新的城市高分遥感影像阴影校正方法 RERB(Reflectance Equality Relationship Based Method)。利用RERB对不同城市(北京和荷兰Enschede)不同高分多光谱影像(Geo Eye-1和Quick Bird)进行阴影校正,并对比分析其与被广泛采用的均值方差变换法MVT(Mean and Variance Transformation)的校正结果,通过定性和定量精度评价发现:(1)RERB能很好地将城市阴影区影像视觉特征(颜色、纹理、色调等)信息恢复到与非阴影区同一水平上;(2)RERB恢复后的阴影区具有丰富的细节信息且在视觉上与临近非阴影区具有良好的一致性;(3)RERB恢复后的城市柏油路面和水泥路面阴影区辐射信息具有较低的误差,可见光-近红外波段的平均误差分别为7%和9%。同时RERB能较好地恢复城市阴影区植被波谱特征信息。     

Normalizing shadows in multi-temporal aerial frame imagery using relative radiometric adjustments to support near-real-time change detection

This study addresses the problem of shadows in multi-temporal imagery, which is a key issue with change detection approaches based on image comparison. We apply image-to-image radiometric normalizations including histogram matching (HM), mean-variance (MV) equalization, linear regression based on pseudo-invariant features (PIF-LR), and radiometric control sets (RCS) representing high- and low-reflectance extrema, for the novel purpose of normalizing brightness of transient shadows in high spatial resolution, bi-temporal, aerial frame image sets. Efficient shadow normalization is integral to remote sensing procedures that support disaster response efforts in a near-real-time fashion, including repeat station image (RSI) capture, wireless data transfer, shadow detection (as precursor to shadow normalization), and change detection based on image differencing and visual interpretation. We apply the normalization techniques to imagery of suburban scenes containing shadowed materials of varied spectral reflectance characteristics, whereby intensity (average of red, green, and blue spectral band values) under fully illuminated conditions is known from counterpart reference images (time-1 versus time-2). We evaluate the normalization results using stratified random pixel samples within transient shadows, considering central tendency and variance of differences in intensity relative to the unnormalized images. Overall, MV equalization yielded superior results in our tests, reducing the radiometric effects of shadowing by more than 85 percent. The HM and PIF-LR approaches showed slightly lower performance than MV, while the RCS approach proved unreliable among scenes and among stratified intensity levels. We qualitatively evaluate a shadow normalization based on MV equalization, describing its utility and limitations when applied in change detection. Application of image-to-image radiometric normalization for brightening shadowed areas in multi-temporal imagery in this study proved efficient and effective to support change detection.     

多光谱遥感影像中云影区域的检测与修复

提出了一种有效针对多光谱遥感影像的云影检测与阴影区域修复方法。基于同一地区时相相近的两幅影像,充分利用碎云及阴影的光谱特性分别对云影区域进行融合增强,然后采用Otsu算法求解最佳阈值自动检测出云及阴影区域,根据云影的出现会引起两幅影像局部相应区域明显的亮度变化,可排除亮地物和水体的影响,建立归一化的云影密度图,在此基础上,采用线性加权组合与光谱直方图匹配相结合的方法对其加以修复,利用SPOT 4影像进行的实验表明其修复效果完全能够满足应用需要。     

资源三号卫星高分影像的城市建筑物阴影提取

针对城市高分影像中普遍存在的建筑物阴影严重影响了高分影像的处理和应用问题,该文通过对资源三号卫星(ZY-3)各波段的影像特征进行分析,分别采用基于直方图的阈值分割法、基于主成分变换和HIS变换集成法对阴影提取并对比分析,在此基础上提出了一种基于谱间关系的阴影提取模型。实验结果表明,该文提出的方法能够较好地区分ZY-3影像中的阴影和偏蓝色地物及水体,能够准确地提取城市高大地物阴影。     

水体指数构建及其在复杂环境下有效性研究

针对复杂环境下水体提取精度易受到低反射率地表影响的问题,本文以秦淮河流域为实验区,选用2015年10月12日ETM+影像,在水体、低反射率地表和其他地表纯净像元平均反射率基础上构建Multi-Band Water Index(MBWI)。搜集1985年—2016年已有的12种水体指数,选取南京、南宁和烟台地区3景影像中不同地表环境的6个测试点,采用基于K均值聚类的水体指数法提取水体后分析水体指数在复杂环境下的有效性。结果表明,MBWI以平均总体精度、Kappa系数、错分和漏提误差分别为98.62%、0.95、3.46%和3.74%,总体上较其他水体指数具有一定的优势;实验发现TCW(Tasseled Cap Wetness index)不能有效地消除山体阴影,TCW和AWEInsh(Automated Water Extraction Index with no shadow)误将白色高反射率建筑噪声分为水体,水体提取结果中均有低反射率非水体信息存在;水体在可见光而非水体在红外反射率较高,基于二者的差异及从绿到红外波段水体似呈递减现象构建的MBWI能有效的抑制低反射率噪声,对水文水资源的研究与应用具有一定的实际价值。     

基于HSI色彩空间的资源三号影像阴影检测

由于遥感影像上某些区域的光照辐射不足,不可避免地会产生阴影,阴影意味着图像信息的损失,而遥感影像的阴影检测在地物的识别和影像匹配方面具有重要意义。本文主要介绍的是基于HIS色彩空间的阴影检测方法,在检测过程中,根据阴影高色调低亮度的特性,结合大津法计算比值图像最佳阈值进行遥感影像阴影检测,并且在RGB色彩空间计算G分量的最佳阈值来排除树木植被和一些非阴影区域对阴影检测的影响。同时采用国产高分辨遥感卫星——资源三号的同一地区不同季节和不同太阳高度角的遥感数据进行阴影的对比检测。实验结果表明:本文基于HIS色彩空间的阴影检测方法可以快速有效地检测出影像上的阴影,并且能区分树木、河流等暗色物体。     

Detecting shadows in multi-temporal aerial imagery to support near-real-time change detection

Multi-temporal aerial imagery captured via an approach called repeat station imaging (RSI) facilitates post-hazard assessment of damage to infrastructure. Spectral-radiometric (SR) variations caused by differences in shadowing may inhibit successful change detection based on image differencing. This study evaluates a novel approach to shadow classification based on bi-temporal imagery, which exploits SR change signatures associated with transient shadows. Changes in intensity (brightness from red–green–blue images) and intensity-normalized blue waveband values provide a basis for classifying transient shadows across a range of material types with unique reflectance properties, using thresholds that proved versatile for very different scenes. We derive classification thresholds for persistent shadows based on hue to intensity ratio (H/I) images, by exploiting statistics obtained from transient shadow areas. We assess shadow classification accuracy based on this procedure, and compare it to the more conventional approach of thresholding individual H/I images based on frequency distributions. Our efficient and semi-automated shadow classification procedure shows improved mean accuracy (93.3%) and versatility with different image sets over the conventional approach (84.7%). For proof-of-concept, we demonstrate that overlaying bi-temporal imagery also facilitates normalization of intensity values in transient shadow areas, as part of an integrated procedure to support near-real-time change detection.     

陡峭山区影像的半经验地形校正

本文提出一种新的半经验地形校正模型SCEDIL(Simple topographic Correction using Estimation of Diffuse Light),该模型通过结合DEM与光学影像数据寻找局部区域内完全光照和阴影的水平像元,并以光照、阴影水平像元的平均反射率值估算局部区域散射辐射比,提高了陡峭山区影像的地形校正精度。以高分一号卫星和Landsat ETM+影像为例,从目视判读和定量分析两个方面,比较分析该算法与传统半经验地形校正算法(C、SCS+C)的校正结果。结果表明:(1)对较为平坦的地形,SCEDIL和C、SCS+C校正都有较好的目视结果;对地面起伏较大的陡峭地形,C、SCS+C校正后,原阴影区域易呈现破碎化特征,SCEDIL校正后,原阴影区域过渡较为平滑。(2)SCEDIL校正后,各波段反射率的均值和标准差优于C、SCS+C校正,SCEDIL校正后,影像总分类精度与同类地物光谱信息均一性均优于C和SCS+C校正。SCEDIL半经验地形校正方法能有效地去除影像中的地形干扰,尤其对陡峭地形的校正效果,优于常规地形校正模型。     

A Cloud Removal Algorithm to Generate Cloud and Cloud Shadow Free Images Using Information Cloning

One of the main problems of optical remote sensing is clouds and cloud shadows caused by specific atmospheric conditions during data acquisition. These features limit the usage of acquired images and increase the difficulty in data analysis, such as normalized difference vegetation index values, misclassification, and atmospheric correction. Accurate detection and reliable cloning of cloud and cloud shadow features in satellite images are very useful processes for optical remote sensing applications. In this study, an automated cloud removal algorithm to generate cloud and cloud shadow free images from multitemporal Landsat-8 images is introduced. Cloud and cloud shadow areas are classified by using process-based rule set developed by using spectral and spatial features after applying simple linear iterative clustering superpixel segmentation algorithm to the image to find cloud pixel groups easily and correctly. Segmentation-based cloud detection method gives better results than pixel-based for detection of cloud and cloud shadow patches. After detection of clouds and cloud shadows, cloud-free images are created by cloning cloudless regions from multitemporal dataset. Spectral and structural consistency are preserved by considering spectral features and seasonal effects while cloning process. Statistical similarity tests are applied to find best cloud-free image to use for cloning process. Cloning results are tested with the structural similarity index metric to evaluate the performance of cloning algorithm.