基于T型模板的遥感影像道路提取方法

高分辨率遥感影像具有数据量大、波段少、地物细节纹理信息更加清晰、空间信息更加丰富等特点,因此基于高分辨率遥感影像的道路提取方法研究是当前一个研究热点.但高分辨率遥感影像提供了更丰富的地物目标细节的同时,也使得噪声信息随之增加,如道路上的车辆、道路线、邻近的行树及阴影、建筑物及阴影等,并且在光谱通道上道路与噪声之间存在更...     

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。     

基于高分辨率IKONOS影像的城市植被信息提取方法浅析

高分辨率IKONOS影像为用户提供了更清晰的视觉感受,为提取城市植被信息开辟了新的道路,但同时也带来一些问题,其中最突出的是城市高建筑物阴影问题。如果忽略城市的阴影问题,必将降低分类的精度。因此,在技术上必须解决两个问题:高分辨率IKONOS影像的预处理(重在城市建筑物阴影的校正)、城市植被分类算法的设计。影像的预处理主要包含影像的几何校正和辐射校正,其中辐射校正重在城市建筑物阴影的校正。城市植被分类算法则主要如下:一是根据植被指数;二是根据植被纹理;三是使用BP神经网络算法;四是可采用ERDAS影像处理软件进行城市植被的分类。     

高分辨率遥感影像建筑容积率提取方法研究

提出了一种基于建筑物阴影的高分辨率卫星遥感影像建筑物容积率提取方法。首先利用高分辨率遥感影像提取城市大范围建成区建筑物阴影,再通过阴影矢量化、阴影坐标转换,将大比例尺的卫星分幅图进行自动拼接,最终根据阴影与建筑物面积关系回归分析、建筑物朝向分析等进行建筑容积率的计算和半自动提取。对上海中心城区的建筑容积率的提取实验验证了所提方法的有效性。     

基于T型模板匹配半自动提取高分辨率遥感影像带状道路

通过分析高分辨率光学遥感影像上的道路特征.提出了适用于有较多车辆遮蔽和两侧行树阴影干扰的T型模板匹配的道路提取算子.它融合了剖面匹配和模板匹配的优势,使用角度纹理特征进行初始道路点的精确定位,道路宽度、道路前进方向的精确量算,使用灰度最小二乘匹配进行最佳道路点的定位,可以很好地追踪高分辨率光学遥感影像上受车辆遮蔽和行树阴影等噪声干扰的带状道路.     

IKONOS影像城市植被信息提取前的阴影校正

在高分辨率卫星影像的预处理上,阴影的提取与校正是一个难题,本文根据实际需要,采取不同的方法对建筑物阴影和山体阴影进行提取,并采用不同的校正方法进行校正。对城区建筑物阴影,采用基于影像融合的IKONOS影像阴影自动提取方法对阴影进行提取,再采用郎伯模型进行校正;对山体阴影,直接采用监督分类的方法对山体阴影进行提取,再采用灰度线性匹配的方法进行校正。实验表明,分开提取与校正的策略能取得较为理想的效果。     

一种多尺度几何细节抽取的阴影处理算法

从高分辨率航空遥感影像的阴影处理角度出发,分析了阴影区域在彩色空间上的特征;采用HIS彩色空间3个通道的联合阈值测度进行阴影检测,并利用高斯函数进行地物纹理几何细节的多尺度抽取,提出了针对影像灰度图的阴影补偿方法。实验证明,该方法能够在最大限度保留阴影区域原始特征的前提下,对阴影区域信息进行补偿,保证了影像后续处理的准确度和可靠性。     

基于高分辨率遥感影像的城市不透水层提取研究进展浅析

不透水层是城市生态环境评价的主要元素和城市化的一个重要指标。随着高分辨率影像的大量获取和广泛使用,采用高分辨率遥感影像提取不透水层引起了广泛的关注。本文介绍了不透水层提取的研究情况,分析了高分辨率遥感影像提取不透水层的优势、存在的问题及研究进展,重点阐述了提取中的几个主要难点,包括不透水层光谱差异性大、光谱混淆、阴影及遮挡问题突出等,并分别针对这些难点对当前的研究进展进行了总结,最后对基于高分辨率影像的不透水层提取研究趋势进行了相应分析。     

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。     

结合阈值分割和数学形态学的建筑物阴影检测

随着高分辨率遥感影像技术的不断发展,从高分辨率遥感数据中提取建筑物信息将会成为城市数字化的重要信息来源。建筑物阴影包含了建筑物的高度、形状及位置等信息,准确提取建筑物阴影对后续影像的处理具有重要的意义。在阈值分割和数学形态学两种算法原理的基础上,结合两种算法实现了建筑物阴影的提取及优化。试验表明,两种算法的结合能够比较准确的提取出建筑物阴影信息,排除小阴影区域的干扰,并能较好地检测出阴影的边界,保证建筑物阴影的形状和大小。     

战场环境仿真中基于图像的实时阴影技术

阴影是战场环境仿真中增强真实感的重要手段.分析战场环境中阴影的特点,将其分为静态阴影和动态阴影,根据战场环境仿真对阴影效果实时性和真实感的要求,采用改进的快速光线跟踪算法和预烘焙方法生成光照图,分别实现静态阴影中的地形和地物阴影,采用光源空间透视阴影图技术,改善阴影边缘走样,实时渲染真实的动态阴影.实验结果表明,实现的阴影效果达到了较好的实时性和真实感.     

战场环境仿真中基于图像的实时阴影技术

阴影是战场环境仿真中增强真实感的重要手段。分析战场环境中阴影的特点,将其分为静态阴影和动态阴影,根据战场环境仿真对阴影效果实时性和真实感的要求,采用改进的快速光线跟踪算法和预烘焙方法生成光照图,分别实现静态阴影中的地形和地物阴影,采用光源空间透视阴影图技术,改善阴影边缘走样,实时渲染真实的动态阴影。实验结果表明,实现的阴影效果达到了较好的实时性和真实感。     

基于DEM的本影与落影判断研究

基于数字高程模型,研究在太阳光直射下本影和落影的判断方法.依据提出的方法,模拟得到了太白山区域在指定太阳高角度与方位角条件下的本影、落影与重叠阴影分布图,最后对地形阴影判断中几个需要注意的问题进行了探讨.     

正射影像上阴影区域检测与消除的方法

随着摄影测量和遥感技术的新发展,高分辨率正射影像的应用越来越广泛,而阴影现象则是这些航空影像中常见的问题之一。阴影的处理,主要包括阴影检测和阴影消除两部分。以色彩理论为基础,分析了航空影像中阴影的性质,总结了现有的阴影检测方法,并采用光谱比值法进行了阴影提取的实验;进而结合数字图像处理的相关算法,主要研究了基于改善Wallis滤波的阴影消除方法,通过相关试验表明,采用该算法得到了良好的视觉效果。     

一种高分辨率遥感影像阴影去除方法

基于阴影属性提出了一种全自动彩色影像阴影去除算法.首先将影像变换到HSI空间,依据阴影区域亮度值低和饱和度高的特性,结合小区域去除和数学形态学处理,得到精确的阴影区域.然后,分别对I、H、S分量图上各个独立阴影区域与其邻近的非阴影区域进行匹配补偿,再反变换回RGB空间,完成阴影去除操作.实验结果表明,该方法能在不改变非阴影区域信息的情况下,有效地去除阴影的影响.     

基于IKONOS的植被提取前的校正

探讨了植被信息提取中的图像预处理,重点是阴影区的提取和校正,实验证明,具有较好的效果.     

DEM辅助的卫星光学遥感影像山体阴影检测与地形辐射校正

提出一种结合DEM的山体阴影检测与地形辐射校正方法。首先对卫星影像多波段信息用特征法进行阴影检测,然后结合DEM数据用模型法进行山体背阴面检测以及投影区域检测,将3个结果综合分析,按照形成原因将阴影检测结果分为8类,最后结合太阳入射角信息,利用信息匹配的阴影补偿法和地形辐射校正物理模型,进行卫星光学遥感影像辐射校正。试验证明该方法能恢复山体阴影区的信息,并且有效降低地形效应的影响。     

基于DSM阴影仿真和高度场光线跟踪的影像阴影检测

介绍了一个建筑物阴影检测的模型。首先利用摄影测量学原理来计算阴影坐标。即用数字表面模型(digitalsurfacemodel,缩写为DSM)和太阳高度和方位来计算建筑物阴影的空间坐标,并由相机模型计算出每个阴影单元对应的扫描行和相机空间坐标。由高度场光线跟踪判断阴影的可见性,对可见阴影计算出它在投影图像上的坐标。然后在这个结果的基础上再对图像进行阴影的细分割。     

包络线去除的丘陵地区遥感影像阴影信息重建

中国西南丘陵常态山和喀斯特山交错分布,遥感影像普遍存在山体阴影,分布零散且无规律,基于DEM的地形校正模型(C校正等)虽然算法成熟、易于操作,但在复杂地形区存在误差。引入基于相似像元包络线的阴影校正方法(CR校正),按照阴影提取、包络线去除、相似像元寻找和阴影亮度重建的步骤,采用西南丘陵地区Landsat 8 OLI影像进行验证实验。结果表明:CR校正后,阴影区的视觉特征与邻近非阴影区趋于一致,阴影像元亮度有明显提升;校正后影像主要波段标准差减小,与非阴影区参考光谱的相对均方根误差在2.919%以内,最低仅为0.516%;自动分类精度从43.59%提高到61.57%,CR校正有效提高了有阴影的丘陵地区遥感影像质量。