城市航空影像的阴影检测和阴影消除方法研究

阴影是城市航空遥感影像的基本特征之一,阴影的存在影响地物边缘的提取、建筑物的识别和影像的配准等,因此,阴影检测和阴影消除在城市遥感中具有重要意义。本文主要介绍了一种高分辨率城市航空影像的阴影检测和阴影消除方法,在阴影检测过程中,分别对影像RGB色彩空间中的G通道和HIS色彩空间中的亮度通道进行阈值选择检测出阴影区域,然后对这两种阴影检测结果进行与运算得到最终的阴影区域并标记出来。对所标记的阴影区域,根据Retinex理论选择合适的尺度对其进行增强处理,由于阴影区域的地物信息进行增强时阴影边界也有所增强,因此需要对阴影边界进行模糊化处理。试验表明,该方法能较好的检测出阴影区域,而且对阴影区域的地物恢复效果较好。     

一种基于颜色恒常性理论的城市高分辨率遥感影像阴影消除方法

阴影是遥感影像中普遍存在的一种现象,它的存在影响对被遮挡区域信息的获取,并且对影像的目视效果造成不好的影响。因此,对阴影的去除在遥感影像信息提取中是一个需研究的问题,特别是对于具有大量高层建筑物的特大城市区域。本文采用颜色恒常性的理论,来实现对高分辨率遥感影像上阴影的去除,利用上海市陆家嘴区域的QuickBird高分辨率影像对算法进行了实验,结果表明该方法对阴影的去除具有较好的效果,并且计算简便。     

高分辨率遥感影像中的云阴影去除

文章提出了一种人机交互的半自动云阴影去除算法。首先通过人机交互半自动方式将图像分割为云区域、阴影区域、清晰地物区域以及过渡区域四个部分,然后通过将云阴影区域的直方图映射到清晰区域来对阴影区域灰度进行补偿,最后对边界进行后处理得到一幅过渡平滑的去除了云阴影的图像。实验结果表明,该方法对高分辨率遥感影像中的云阴影去除是有效的。     

遥感影像建筑物阴影中树木阴影的去除方法

高分辨率多光谱遥感影像中的建筑物阴影具有重要作用。针对检测到的建筑物阴影经常受高大树木阴影影响的问题,在可分离亮度的Lab颜色空间建立树木颜色模型,使用查表法准确检测遥感影像中的树木区域。提出根据树木区域和光照方向去除建筑物阴影中树木阴影的方法,通过实验证明其有效性。     

高分辨率遥感影像阴影检测与补偿方法优化

针对现有阴影检测误检水体为阴影及阴影增强导致非阴影区域信息改变的问题,提出基于统计信息分析的主成分变换水体识别与剔除方法,并结合蓝光抑制算法和阴影同质区统计信息实现阴影补偿。首先使用归一化阴影指数(Normalized Difference Umbra Index,NDUI)实现阴影区域的初始检测,然后利用主成分变换后水体统计信息与阴影统计信息的差异实现水体的识别与去除,并结合小区域去除和数学形态学方法完成阴影区域的检测,最后使用蓝光抑制算法和阴影同质区的统计信息分别对H、I、S分量补偿,并将结果转换回RGB色彩空间完成阴影补偿。以不同地区的高分辨率WorldView2影像和UltraCam D影像对提出的方法进行测试,结果表明:该方法可有效解决水体误检测为阴影的问题,且能够降低阴影补偿对非阴影区域的影响。     

规则化城市建筑物阴影提取及校正模型研究

以面向对象技术为依托,进行阴影区域提取域和内部信息补偿处理。在多尺度分割的基础上,充分利用阴影对象典型的光谱、几何特征设置特征函数,提取相应的建筑物阴影区域。采用数学形态学,以对象间的空间关系为依据对阴影边缘进行规则化,并用直方图灰度映射策略补偿阴影的内部信息。最终沿阴影边界中值滤波,得到优化的建筑物阴影区域提取结果。     

基于D-S证据理论的彩色航空影像阴影提取方法

阴影特征在影像,特别是遥感影像中具有重要的意义. 本文针对彩色航空遥感影像的颜色信息进行分析, 提出了表述阴影在 RGB 和 HIS 空间的三种不同特征, 并利用 Mean Shift 分割的方法对彩色航空影像进行区域分割. 选取分割后的区域, 统计每个区域的多个颜色特征并定义相应的概率分配函数, 利用其互补特性, 使用 Dempster-Shafer(D-S) 证据理论中的合成法则对其进行合成, 最终判别区域是阴影或非阴影. 对实验图像进行阴影特征提取,取得了较好的效果     

一种IKONOS影像阴影检测与去除的方法

针对IKONOS影像数据多光谱、高空间分辨率、高辐射分辨率以及生成立体像对的特点，提出一种高精度阴影检测方法和实用阴影去除方法，真实再现阴影区地物特征，增加影像信息量，提高数据质量，也为其他遥感影像阴影去除提供一种新的研究思路。     

结合多尺度分割和形态学运算的高分辨率遥感影像阴影检测

目的 针对阴影在高分辨率遥感影像的特性,提出了一种多尺度分割和形态学运算相结合的阴影检测方法。方法 基于面向对象思想,首先利用均值漂移法实现影像分割生成对象,并以对象为基本单元分别进行形态学膨胀和腐蚀运算,从而获得面向对象的阴影指数;然后对影像进行多尺度分割,生成阴影指数矢量;最后对阴影指数矢量和亮度均值分别指定高低阈值,进而获得阴影检测结果。结果 选取高分二号和Google earth影像进行实验,采用误检率、漏检率和总错误率3个指标进行定量分析,并将实验结果与结合多特征法和形态学阴影指数法进行比较。在阴影检测定量精度分析中,相比于对比方法,本文方法的误检率偏高,但漏检率平均降低了7.31%;在建筑物阴影检测实验中,本文方法的漏检率同样下降了4.5个百分点;在多尺度效果融合分析中,本文方法在多组尺度组合下,各项精度指标均较理想;在阴影压盖地物实验中,3种方法的误检情况差异不大,但本文方法的漏检率得到较大改善,其下降程度平均达到了19.29%。结论 本文提出的阴影检测方法具备一定的抗干扰能力,适用性强,可靠性高。     

基于颜色信息和光学增益的阴影消除

运动阴影常被误分为前景对象,会给目标的跟踪和识别带来很大困难,所以阴影消除在许多的监控系统中都是非常重要的。针对阴影检测算法受特定条件约束,不能自动适用于不同场景,为解决上述问题,提出了一种新颖鲁棒且无需复杂的参数调整的运动阴影消除方法。通过自适应高斯混合模型重建背景,采用背景差分法提取出包含阴影的运动区域,综合颜色信息与光学增益,将运动区域分类为运动对象区域和运动阴影区域。实验结果表明:所提方法在多种不同的场景下均能有效可靠的消除运动阴影。     

一种基于无抽样小波变换的云阴影去除算法

提出了一种基于无抽样小波变换的人机交互半自动云阴影去除算法。首先通过无抽样小波变换将图像分解成高频部分和低频部分，通过半自动人机交互方式在低频图像中将图像分割为云区域、阴影区域、清晰地物区域3个部分，然后对各个独立云阴影区域分别进行低频信息补偿和高频信息补偿，最后通过无抽样小波反变换得到一幅过渡平滑，并对图像细节保存完好地去除了云阴影的图像。实验结果表明，该方法能够取得比传统的直方图匹配更好的效果。     

单幅图像下不同阴影强度的阴影去除

阴影是由于场景的照明不一致而出现在图像中的自然现象。当物体的透光度不同或由不同光源照射会在图像中产生不同强度的阴影。因此,对具有不同阴影强度的图像阴影去除进行了研究。通过用户交互得到阴影掩模,接下来检测具有围绕阴影边界的可变间隔和长度的样本强度分布,这避免了不均匀边界引起的伪影。然后结合超像素分割算法和FCM_S聚类算法对阴影部分进行区域合并,用于阴影和图像边界处尺度的估计。为了恢复阴影部分光照,采用图像修复算法传播阴影尺度场。最后,得到阴影去除后的图像,并进行色彩校正。为了证明该算法的优越性能,与其他算法进行定量比较,结果有所提升。     

带有阴影消除的室内运动人体的提取与跟踪

描述了一种带有阴影消除的对室内运动人体进行提取与跟踪的方法。该方法使用自适应背景减除法初步得到人体区域，在此基础上利用色度的不变性来消除阴影区域的影响，可以对提取出的比较精确的运动人体进行跟踪。     

一种基于骨架的彩色图像分割方法

在自然场景的图象分割识别中,如何克服光照变化对分割结果的影响是研究面临的一个关键问题.针对传统方法的限制,提出了一种基于骨架匹配的彩色图像分割识别方法.利用颜色和纹理信息对彩色图像进行初分割,然后在初分割的基础上,利用目标的骨架模型在假设检验判决的框架下在初分割的目标近邻区域对包括阴影区域在内的候补目标区域进行融合处理.实验结果表明该算法是一种行之有效的算法,在对自然场景图像的目标分割识别中能一定程度上消除光照变化对图像分割的影响,取得与人的主观视觉感知相一致的图像分割结果.     

基于PCA与HIS模型的高分辨率遥感影像阴影检测研究

根据高分辨率遥感影像阴影区域的性质,基于主成分变换和HIS模型,提出一种检测阴影的阴影指数SI(Shadow Index)。选取两个试验区,分别采用Polidorio算法、归一化阴影指数(NDUI)和SI进行阴影检测和比较分析,结果表明SI能够有效地区分阴影区域与水体和偏蓝色地物。提取3种算法的直方图得出,SI图像的直方图具有两个波峰一个波谷形状,能够更好地采用直方图阈值法分割阴影区和非阴影区。实验表明该方法简单有效。     

Progressive sharing for a secret image

Based on the wavelet transform, a new progressive sharing scheme is proposed to share a secret image into several shadow images using SPIHT encoding processes and Shamir’s threshold scheme. Quality refinement of the recovered image is achieved by the data consumed from the threshold number (r) of shadow images and each single shadow image reveals no information about the secret image. The size of each shadow image is smaller than 1/r of the secret image and any number of shadow images that is less than r reveals no information about the secret image. The proposed approach is secure for image sharing and provides excellent peak signal-to-noise ratio (PSNR) versus rate performance. Experimental results have demonstrated the promising performance of this method in progressive sharing.     

An Improved Method for Object Extracting based on Context Information Using Multisouce Data

This paper proposed a new method which combines the airborne LiDAR data with aerial image to extract Rolling Stones on mountainous.Firstly,the aerial image is processed with multi-scale segmentation to get segmentation objects,and the LiDAR data are processed by classification,interpolation,difference for elevation information.Then compute the segmentation object based on visible-band difference vegetation index to remove the interference of vegetation information,and the nonvegetated segmentation objects are obtained.In order to effectively use the shadow,this paper put forward the normalized difference shadow index and use threshold segmentation to get shadow object.And then the automatic extraction algorithm based on the shadow and elevation information is used to preliminary obtain the rolling stones information.Finally,The height threshold filtering is set according to the actual demand to get the final rolling information.This paper took a certain area of Hong Kong aviation image and LiDAR data as experimental data to validate the proposed method.The results show that the method can well extract the Rolling Stones and effectivly distinguish the exposed bedrock,roads and similar spectral information of ground objects as Rolling Stones.The extraction accuracy of Rolling Stones is above 88% which basically satisfies the needs of rockfall in lands department.     

基于粗糙集阴影区域的检测与分类

粗糙集理论是一种新的处理模糊和不确定性问题的数学工具。本文提出一种基于粗糙集阴影边缘分类方法。该算法根据粗糙集理论、梯度、最大邻域差及噪声的条件属性，将一幅图像划分为不同的子图像；然后对子图像分别进行处理，得到阴影边缘点；再利用边缘生长对边缘点进行细化和跟踪，删除那些假边缘点；然后根据阴影边缘构出假想的阴影区域，并统计这些区域的灰度直方图，求得阴影区域的灰度区间。根据该灰度区间可以得到阴影区域，再根据这些区域的灰度、形状、面积等特征对阴影进行分类。通过对所得结果进行分析可知，结合粗糙集理论的阴影图像边缘检测算法与其他的常规检测方法相比，无论从视觉效果还是检测精确度上都有所改善。     

山地高原地区TM影像水体信息提取方法比较-以香格里拉县部分地区为例

采用遥感数据对地物进行识别是获取地物信息的一种重要手段。在云南省香格里拉县湿地研究中,以Land-sat ETM+影像作数据源,分别采用了阈值法、差值法和阈值法的结合运用、多波段谱间关系法和阈值法的结合运用3种方法对湿地进行识别。结果表明:采用阈值法难以将灰度值接近的山体阴影和水体区分开来,差值法和阈值法的结合、多波段谱间关系法和阈值法的结合运用提取到的水体信息精度较高,多波段谱间关系法对于消除阴影的效果最好。