遥感影像阴影多波段检测与去除理论模型研究

阴影是遥感影像的基本特征之一，它使地物目标反映的信息量有所损失或受到干扰，而去除阴影一直是遥感影像处理的难题。从研究遥感影像阴影产生机理出发，提出了一种多波段检测阴影的方法和基于能量信息补偿去除阴影的理论模型。通过IKONOS影像进行方法与模型验证，真实再现阴影区地物特征，增加影像信息量，提高数据质量。     

基于RGB和HSI色彩空间的遥感影像阴影补偿算法

通过分析研究抑制蓝色分量和亮度线性补偿这2种阴影补偿算法,利用阴影区域与其同质区信息相似的特点,把这2种算法进行合并与改进,提出基于RGB和HSI色彩空间的阴影补偿算法。实验数据表明,该算法对遥感影像上阴影区域进行补偿时,在不改变非阴影区域信息的情况下,提高算法适用性。     

资源三号影像中城市高大地物阴影检测方法

针对遥感影像处理中阴影检测和信息补偿不准确的问题,该文在研究已有阴影检测算法的基础上,结合资源三号(ZY-3)影像数据的特性,构建了阴影检测方法:首先对原始图像分别做差值运算和主成分变换,并利用多峰阈值自动提取算法检测出阴影区域;其次将差值运算提取的粗阴影区域与主成分变换提取的阴影区域做并运算生成一个新的阴影区域;然后判断影像中是否含有水体,如果含有水体则利用多峰阈值自动提取算法检测出水体并与新合并的阴影区域影像做布尔运算得到完整的阴影区域,反之则新合并的区域即为完整的阴影区域。实验结果表明该方法针对ZY-3具有较好的普适性、较高的提取精度和提取效率。     

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。     

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。     

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。     

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。     

一种顾及空间关系的遥感影像阴影检测算法

以城市区域内高大建筑阴影为研究对象,针对现有的阴影检测算法在复杂地物环境下检测精度和可靠性不高的问题,提出了一种结合颜色空间特征和空间关系的遥感影像阴影检测方法。首先,采用SLIC超像素算法对影像进行分割;然后基于Lab和HSI颜色空间构建初步检测条件,将阴影划分为阴影主体区域和待检测区域;最后,借助Canny边缘检测信息合并待判别区域内的超像素块,并利用阴影区域与造成干扰区域间的空间位置关系构建的检测条件进行判别。实验结果表明,该方法可以有效提高复杂地物环境下遥感影像阴影的检测精度和算法可靠性。     

Worldview-Ⅱ遥感影像的阴影检测方法研究

针对HIS空间变换阴影检测方法仅利用三原色波段数据进行阴影检测而未考虑影像数据之间的相关性及冗余度这一问题,该文结合最佳指数法提出一种适用于多光谱的Worldview-Ⅱ遥感卫星影像阴影检测方法,并引进归一化水体差异指数剔除掉水体的干扰,构建出适用于阴影检测的波段指数模型。实验结果表明,该方法针对Worldview-Ⅱ影像具有普适性,且相对于利用三原色数据进行阴影检测方法能更有效地避免植被信息的干扰,能够精确、快速地检测阴影区域,对后期的阴影去除等研究具有重要的参考价值。     

基于整体变分模型的影像阴影检测算法研究

将影像上普遍存在的阴影视为图像退化的一种特殊形式，以整体变分模型为基础，以影像上阴影区域亮度普遍较暗且较均匀、阴影区域和非阴影区域之间的反差普遍较大的特点为约束，导出了整体变分模型用于影像上阴影检测的基本算法。通过对若干幅实际影像的阴影检测实验表明，本文算法对灰度影像和彩色影像上阴影区域的检测是有效的。     

3维城市景观阴影绘制算法的研究与实现

真实感3维可视化技术是数字城市的关键技术之一,随着CPU和GPU能力的不断增强,使得实时的真实感阴影得到广泛的应用.在3维城市景观中,通过多边形模拟建筑物,利用阴影数学的原理,在建筑物渲染过程中利用变换矩阵来生成阴影,并通过多边形偏移和模板测试来改善阴影效果;通过BillBoard技术构建树木,采用光影贴图的方法来生成阴影.实验证明该算法计算简单、速度快,能够满足3维场景真实性与实时性的要求.     

3维城市景观阴影绘制算法的研究与实现

真实感3维可视化技术是数字城市的关键技术之一,随着CPU和GPU能力的不断增强,使得实时的真实感阴影得到广泛的应用。在3维城市景观中,通过多边形模拟建筑物,利用阴影数学的原理,在建筑物渲染过程中利用变换矩阵来生成阴影,并通过多边形偏移和模板测试来改善阴影效果;通过BillBoard技术构建树木,采用光影贴图的方法来生成阴影。实验证明该算法计算简单、速度快,能够满足3维场景真实性与实时性的要求。     

航空遥感影像阴影的自动检测与补偿

通过对阴影特性进行分析,选取能够有效检测阴影的特征组合,改进了Otsu阈值算法,可以自动获取各特征的合适阈值,实现阴影的自动检测;同时提出了改进的Wallis滤波阴影补偿策略,突出阴影区域的地物信息。实验结果表明,该检测算法阴影补偿效果明显,真实再现了被阴影遮蔽的地物细节。     

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.     

A shadow- eliminated vegetation index (SEVI) for removal of self and cast shadow effects on vegetation in rugged terrains

ABSTRACT

The effect of terrain shadow, including the self and cast shadows, is one of the main obstacles for accurate retrieval of vegetation parameters by remote sensing in rugged terrains. A shadow- eliminated vegetation index (SEVI) was developed, which was computed from only red and near-infrared top-of-atmosphere reflectance without other heterogeneous data and topographic correction. After introduction of the conceptual model and feature analysis of conventional wavebands, the SEVI was constructed by ratio vegetation index (RVI), shadow vegetation index (SVI) and adjustment factor (f (Δ)). Then three methods were used to validate the SEVI accuracy in elimination of terrain shadow effects, including relative error analysis, correlation analysis between the cosine of solar incidence angle (cosi) and vegetation indices, and comparison analysis between SEVI and conventional vegetation indices with topographic correction. The validation results based on 532 samples showed that the SEVI relative errors for self and cast shadows were 4.32% and 1.51% respectively. The coefficient of determination between cosi and SEVI was only 0.032 and the coefficient of variation (std/mean) for SEVI was 12.59%. The results indicate that the proposed SEVI effectively eliminated the effect of terrain shadows and achieved similar or better results than conventional vegetation indices with topographic correction.     

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.     

Shadow detection and compensation for color aerial images

A method for shadow detection and compensation for color aerial images is presented. It is considered that the intensity value of each image pixel is the product of illumination function and ground object reflection, and the shadowed regions on the image are mainly caused by the short of illumination, so the information compensation for the shadowed regions should concentrate on the illumination adjustment of concerned area on the basis of the analysis of whole image. The shadow detection and compensation procedure proposed by this paper consists of four steps.     

Shadow Detection and Compensation for Color Aerial Images

A method for shadow detection and compensation for color aerial images is presented. It is consid-ered that the intensity value of each image pixel is the product of illumina-tion function and ground object reflec-tion, and the shadowed regions on the image are mainly caused by the short of illumination, so the information compensation for the shadowed re-gions should concentrate on the illumi-nation adjustment of concerned area on the basis of the analysis of whole im-age. The shadow detection and com-pensation procedure proposed by this paper consists of four steps.