共查询到17条相似文献,搜索用时 61 毫秒
1.
资源三号影像中城市高大地物阴影检测方法 总被引:3,自引:0,他引:3
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。 相似文献
2.
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。 相似文献
3.
《地理空间信息》2017,(8)
针对高分影像阴影检测精度易受水体、偏蓝色地物影响的问题,结合GF-1影像自身特点,提出一种集主成分变换、图像特征计算、逻辑非运算和形态学闭运算于一体的阴影检测方法。对GF-1影像多光谱数据、全色数据进行正射校正和信息融合,可实现光谱与分辨率信息的最大化利用,并最大程度地突出阴影信息,增大阴影与其他地物的差异。其次,建立基于主成分变换的阴影检测方法 PC1/NIR和图像特征计算Rg_nir,得到初始阴影信息和水体信息;用初始阴影信息与水体信息作逻辑非运算,剔除水体,并利用形态学闭运算使得阴影区域更加连续、饱满。实验表明,该方法既能准确地检测出GF-1影像中的阴影信息,又能有效削弱水体、偏蓝色等地物的影响。 相似文献
4.
一种城市高大地物阴影检测方法 总被引:2,自引:0,他引:2
针对水体、偏蓝色地物会影响阴影检测精度这一问题,该文提出了一种基于WorldView-2影像的城市高大地物阴影检测方法。首先,在统计分析阴影及典型地物光谱值的基础上,对C1C2C3色彩不变空间中的C3分量利用直方图阈值法分割阴影区域和非阴影区域,分离后的阴影区域中包含了绿色植被信息;然后,利用多波段运算提取植被信息;其次,对最初的阴影植被混合区域和植被区域做逻辑差运算,得到目标阴影区域;最后,对阴影提取结果进行小区域去除和形态学滤波等后处理。实验结果表明,该方法针对WorldView-2影像具有普适性,能够有效避免水体、偏蓝色地物的影响,能够精确、快速地检测阴影区域。 相似文献
5.
6.
7.
8.
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。 相似文献
9.
一种高分辨率遥感影像阴影去除方法 总被引:7,自引:1,他引:6
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。 相似文献
10.
11.
阴影检测与补偿涉及遥感影像的不确定性、算法复杂度高及提取自动化程度低等问题。基于Arc GIS Engine平台,结合Matlab和GDAL开发工具,根据构建的高分辨率遥感影像阴影检测和补偿算法设计了一体化的阴影检测与补偿系统。系统采用了数据分块读取、2%线性拉伸及DLL动态链接库等关键技术,解决了大数据量影像读取、影像不确定性及系统可扩展性等问题,实现了系统的集成和优化,提高了运行效率。测试结果表明,该系统在Quick Bird、资源三号(ZY-3)等高分辨率遥感影像的阴影检测与补偿中具有较高的精度和效率,可用于数据批处理。 相似文献
12.
13.
基于统计混合模型的遥感影像阴影检测 总被引:1,自引:2,他引:1
为提高阴影检测精度,提出一种新的遥感影像阴影检测方法—将径向基函数神经网络构建的混合模型(称作SMM-RBFNN)应用于遥感影像阴影检测。灰度共生矩阵中的能量、熵、对比度和逆差矩4种统计特征量作为混合模型的输入特征矢量,采用类“期望-最大化”算法(类EM)进行参数估计,训练检测器实现阴影检测。对多幅带有浓厚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高斯背景法和直方图阈值法,能够较好地解决强反射性地物漏检和水体错检问题,能够克服基于阈值思想的检测法需要反复实验选取阈值的缺点。 相似文献
14.
15.
16.