遥感图像的阴影检测技术.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,遥感图像的阴影检测技术,随着航空卫星技术不断发展的步伐，,高空间分辨率遥感,的广泛应用，如何消除遥感影像的阴影，具有越来越重要的现实意义，但是这个问题一直是遥感影像处理领域的一个难题。在这种情况下，人们开始了,遥感图像阴影检测技术,的研究。阴影既是使图像退化的,噪声源,，又是提供一些有用信息的,信息源,。有了阴影检测技术，我们就能获取更多关于我们所研究的对象的一些有效信息。,下面是一幅遥感图像：,自阴影,投射阴影,针对遥感图像的阴影检测本文主要阐述了三种实现遥感图像的阴影检测的算法：,1,）基于,RGB,彩色空间的,归一化处理,的阴影检测算法；,2,）基于,RGB,彩色空间的,直接差分算子,的阴影检测算法；,3,）基于,纹理分析,的阴影检测算法。,我们的,重点研究,的算法是,基于,RGB,彩色空间的归一化处理,的阴影检测算法。,首先,阴影区域的特性：,1),由于光线被遮挡，阴影区域具有更,低,的,灰度值,2),阴影区域具有更,高,的,色调值,3),由于大气瑞利散射的影响，阴影区域具有更,高,的,饱和度,4),阴影,不,改,变,原有地表,的纹理特征,5),阴影与产生阴影的目标具有,相似,的,轮廓,很多检测算法都基于阴影的,属性,，还有一种是基于,模型,的阴影检测,。,根据阴影的属性（阴影区域具有更低的灰度值），通过分析,Phong,光照模型，发现在阴影区域的三个通道中，,R,通道下降得最多，,G,通道次之，,B,通道下降得最少，这相当于,增加了,阴影区域的,蓝色分量,。充分利用了阴影区域的这一属性，通过对彩色,RGB,影像进行如下的归一化处理：,其中：,R,、,G,、,B,分别为原始的,RGB,分量，,R,、,G,、,B,分别为归一化后的,RGB,分量。通过前面的分析可知，在,阴影区,B,通道灰度下降得最少。,整个的阴影检测流程如下图所示：,通过对,B,分量图采用,otsu,阂值分割的方法，设置一个较高的阈值就可以得到大致的阴影区域。但原始影像中的偏蓝色地物在,B,分量中也具有很高的像素值，需要将这些区域从阴影区域中去除。基于此，我们在原始的,B,分量图中引入了一个阈值来保证阴影检测的精度。只有在,B,分量,中,高于某个阈值,，并在,B,分量,中,低于某个阈值区域,，才被检测成为阴影区域。,处理后的图像：,由于各个彩色空间的,误测率,不一样从而导致其在,阴影检测误差,上的不一致。为了更大地减小阴影检测误差，我们应该通过大量的研究，希望能找到基于某种彩色空间的检测误差更小的遥感图像的阴影检测技术。,由于光源和场景的三维结构不易得到，,基于模型的阴影检测方法局限性很大，但其检测效果是最好的。,所以，以后的研究重点要放在基于模型的阴影检测技术上。,3,）向具有更好的,定位性,更好的,边缘性,精度,较高的阴影检测技术方向发展。,总结：,