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。     

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。     

一种基于彩色模型的遥感影像阴影检测方法

依据遥感影像阴影的属性,提出一种基于彩色模型的遥感影像阴影检测方法,以提高阴影检测精度。阴影检测过程中,首先将影像转换到HSV空间, 根据阴影区域亮度值低和饱和度高的特性, 新定义M=（S-V）/(H+S+V),并结合小区域去除和数学形态学处理,提取阴影区域;其次依据散射理论对蓝光的影响,提出结合C1C2C3空间的C3分量和RGB空间的B分量进行双阈值阴影检测;为降低阈值选择的主观性,提出将上述两种方法进行与运算进行阴影提取。最后对多幅带有阴影的遥感影像进行实验,结果表明所提出的方法明显优于传统的直方图阈值法和形态学检测法,克服了阈值选择的主观性,提高了阴影检测精度。     

一种航空影像阴影补偿方法

首先,对航空影像进行影像分割和阈值计算来预测阴影区域。其次,计算阴影区域的直射光与环境光的比值,同时,采用多波段合成方式实现阴影区域与非阴影区域之间的平滑过渡;最后,根据特定的阴影光照模型完成阴影补偿。实验结果表明,该方法不仅能有效补偿阴影,还能确保补偿后的阴影区域与非阴影区域平滑过渡。     

多光谱遥感影像阴影提取

以资源三号卫星多光谱影像为研究数据,通过近红外波段进行阈值分割,得到含有水体及噪声的阴影区域;然后,对初次分割结果在其余波段进行二次分割达到剔除噪声和提取阴影区域的目的;之后对原始影像进行边缘检测与提取,结果与阈值提取结果进行叠合,通过膨胀或腐蚀对阴影提取结果进行修正;最后,得到较好的阴影提取效果。     

一种陆地卫星影像厚云阴影检测方法

针对现有的遥感影像厚云阴影监测方法存在过程复杂、精度不高等问题,该文提出一种TM影像厚云阴影检测方法:通过阈值分割提取影像中的所有阴影;对比一幅近时相的无云影像,分离出厚云的阴影,即云阴影为"有云"影像比"无云"影像多出的阴影;最后将提取结果与人机交互、云阴影增强模型法提取的结果进行对比分析。实验结果表明该方法提取精度较高,可以快速、准确地提取TM影像中的厚云阴影。     

基于色差的遥感影像海岸线提取

分析了Canny算子边缘检测的基本原理和存在的问题,介绍了彩色空间及计算方法.根据海岸地带遥感影像特征,探讨了基于色差的Canny算子自适应边缘提取算法.实验表明,改进的算子具有较高信噪比,能达到比较理想的海岸线检测效果.     

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。     

基于HSV与PCA集成的高分影像高大地物阴影检测方法

针对水体、偏蓝色地物会影响高分影像阴影检测精度,本文提出了一种适用于GF-1影像的城市高大地物阴影检测方法。首先,在统计分析GF-1影像中阴影、水体及深色地物等典型地物光谱特征的基础上,利用主成分变换方法分割阴影与非阴影区域,分离后的阴影区域含有水体、深色地物信息;其次,对HSV色彩空间的V分量利用阈值法分割阴影和非阴影区域,分离后结果含有暗色植被,但不含有水体跟深色地物信息。最后,对两次计算结果进行逻辑与运算,从而剔除混合阴影区域中水体、深色地物以及暗色植被等信息,获得高精度阴影区信息。实验表明,该方法具有较好的普适性和可操作性,既能够削弱水体、偏蓝色地的影响,又能够高效、准确地提取出GF-1影像中的阴影信息。     

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。     

基于图斑空间关系的遥感专家分类方法研究

以光谱均质单元——图斑作为空间对象粒度的基本单元，采用图斑邻域搜索算法，获取不同类别图斑间的空间关系。在ERDAS专家分类系统中，根据图斑相邻关系以及DEM信息对初始分类结果进行了修正，提高了湿地、草地和农业用地的分类精度。     

高分辨率遥感影像的随机森林变化检测方法

基于面向对象分析(OBIA)的遥感影像变化检测研究已取得显著的进展,代表了遥感影像变化检测的发展范式,未来是发展更加智能的解译分析方法。随机森林作为一种新的机器学习算法,其预测效果和性能稳定性要优于许多单预测器和集成预测方法。本文充分利用OBIA及随机森林机器学习算法的优势,提出了利用随机森林进行面向对象的遥感影像变化检测。首先基于熵率对影像进行超像素分割,通过最优超像素个数评价指数来获取最佳的影像分割结果,并提取每个超像素在前、后时相影像上的光谱特征和Gabor特征作为随机森林的特征输入数据,用于模型的训练。在初始像素级检测结果之上,自动进行分类样本选择并构建分类器模型,用训练好的模型来提取最终的变化区域。利用Quickbird、IKONOS、SPOT-5等3组多光谱影像进行试验,结果表明,本文方法在变化检测精度上要优于对比方法。     

一种基于阴影检测的建筑物变化检测方法

提出了一种基于背景模型的针对建筑物的阴影检测及变化检测方法。传统的基于背景模型的目标检测算法认为影像局部区域的自然背景符合高斯正态分布,而含有人工目标的区域则不符合这种分布,从而将目标区与自然地物区区分开来。然而,这种背景模型不适用于中等比例尺的航空影像。本文通过对背景模型的改进,把自然地物和人工地物都视为背景,而把阴影视为检测目标,可以很好地实现建筑物的阴影检测,然后采用阴影补偿法来检测建筑物的变化。试验表明了本方法的有效性。     

一种考虑云检测的遥感影像匹配方法

针对有云遥感影像间常规匹配效果不佳的问题,提出了一种考虑云检测的遥感影像匹配方法,主要包括有云区域的探测、特征点提取和相位匹配三个部分。通过对影像局部区域的高亮度像素的统计,在特征点提取时避开有云区域,最后通过物方空间的相位相关获取同名点对。实验表明本方法在包含大量云团的影像之间能够明显改善匹配效果。     

遥感图像中特定目标检测的方法

随着遥感技术的发展,通过遥感手段获得的数据量越来越大,在海量的遥感数据中,如何能够快速找出有用的信息,是遥感应用重要的研究课题之一。然而,现有设备的有限处理能力和传统的图像处理方法一直是海量遥感图像数据中信息提取和分析的主要瓶颈,严重制约着数据的实际应用效率。根据人类视觉特性,提出了对于特定的遥感目标快速检测的方法,从而为目标的增强以及分类奠定了基础。