集成特征分量的高分二号影像阴影检测

针对高分辨率遥感影像中阴影检测精度易受水体、植被等因素干扰的问题,通过分析高分二号影像中典型地物的光谱特征,构建了一种集成特征分量与面向对象分类相结合的阴影检测方法。构建的特征分量包括：主成分第一分量PC1、亮度分量I、归一化差分植被指数NDVI及水体指数WI。将各特征分量进行归一化处理,建立包含波段均值、标准差等特征的规则集,对影像的I和PC1分量进行多尺度分割 ,结合面向对象的方法进行阴影检测。选取不同区域遥感影像进行实验,实验结果表明:与传统基于像素的阴影提取方法相比,该方法提取出的阴影斑块完整,且能有效地减弱水体和植被的影响。     

集成特征分量的高分二号影像阴影检测

针对高分辨率遥感影像中阴影检测精度易受水体、植被等因素干扰的问题,通过分析高分二号影像中典型地物的光谱特征,构建了一种集成特征分量与面向对象分类相结合的阴影检测方法。构建的特征分量包括:主成分第一分量PC1、亮度分量I、归一化差分植被指数NDVI及水体指数WI。将各特征分量进行归一化处理,建立包含波段均值、标准差等特征的规则集,对影像的I和PC1分量进行多尺度分割,结合面向对象的方法进行阴影检测。选取不同区域遥感影像进行实验,实验结果表明:与传统基于像素的阴影提取方法相比,该方法提取出的阴影斑块完整,且能有效地减弱水体和植被的影响。     

集成特征分量的阴影多尺度分割方法

针对高分影像阴影检测精度易受水体、深色地物和暗色植被影响等问题,结合GF-1影像自身特点,提出一种结合特征分量构建和多尺度分割面向对象的阴影检测方法。首先,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,以达到光谱与空间分辨率信息最大化利用。其次,集成特征分量(主成分第一分量PC1、亮度分量V、绿光波段G、归一化植被指数NDVI)以增强阴影信息。最后,对集成后的影像进行多尺度分割,并利用特征分量构建规则集,最终实现阴影信息提取。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、深色地物和暗色植被的影响。     

一种遥感影像水体信息自动提取方法

本文提出了一种基于卫星图像数据的LBV变换与归一化植被指数NDVI的遥感影像水体信息自动提取的方法.水体经过LBV变换后形成的B分量图的灰度值很大,水体信息的归一化植被指数值小于0;构建水体信息自动提取模型条件是水体信息满足B分量数值大于某一阈值并且归一化植被指数值小于0;与其它方法进行实验比较该方法可以较准确的进行水体信息的自动提取,同时准确地将水域与低密度覆盖的水植混合体分开.     

一种应用机载LiDAR数据和高分辨率遥感影像提取城市绿地信息的方法

提出了一种新的面向对象的城市绿地信息两阶段提取方法。该方法分阶段使用高分辨率遥感影像的光谱和2维形态信息以及机载LiDAR数据的3维形态信息作为分类依据。第1阶段,影像首先被分割为对象,对象被分类为无阴影的植被、阴影下的植被、水体、建筑物、空地和阴影6类地物;无阴影的植被和阴影下的植被合并为城市绿地对象,在第2阶段,将LiDAR数据产生的归一化数字表面模型nDSM与绿地对象叠加,计算每个对象的3维形态属性,进一步将绿地对象细分为草坪、灌木和乔木。以美国休斯敦中心城区为例,介绍了方法流程。精度分析表明,绿地的分类精度达到9346%;方法中的主要误差来源于遥感影像当中的建筑物阴影以及生成数字地形模型时所产生的误差。     

基于知识决策树的城市水体提取方法研究

针对城市水体与建筑物阴影、沥青路面和浓密植被等暗地物的光谱混淆性,构建了结合光谱特征和空间特征的城市水体提取知识决策树。其基本思路为：首先 利用短波红外波段提取暗地物,其次分别利用浓密植被在近红外波段和沥青路面在红波段中的反射率剔除这两类暗地物,再次利用空间密度特征剔除建筑物阴影,最 后根据面积对水体进行补充识别。与现有方法相比,本方法提出了城市水体提取中需关注的暗地物类型并开展针对性特征分析,并利用由噪声环境下密度聚类方法 （DBSCAN）描述的空间密度特征区分城市水体和建筑物阴影。对北京城区SPOT 5多光谱影像开展的实验得到的检测率为86.18%,虚警率为13.82%,表明本方法是基于 中分辨率多光谱影像提取城市水体的有效方法。     

基于知识决策树的城市水体提取方法研究

针对城市水体与建筑物阴影、沥青路面和浓密植被等暗地物的光谱混淆性,构建了结合光谱特征和空间特征的城市水体提取知识决策树.其基本思路为:首先利用短波红外波段提取暗地物,其次分别利用浓密植被在近红外波段和沥青路面在红波段中的反射率剔除这两类暗地物,再次利用空间密度特征剔除建筑物阴影,最后根据面积对水体进行补充识别.与现有方法相比,本方法提出了城市水体提取中需关注的暗地物类型并开展针对性特征分析,并利用由噪声环境下密度聚类方法(DBSCAN)描述的空间密度特征区分城市水体和建筑物阴影.对北京城区SPOT 5多光谱影像开展的实验得到的检测率为86.18％,虚警率为13.82％,表明本方法是基于中分辨率多光谱影像提取城市水体的有效方法.     

基于指数构建的高分辨率城市水体提取新方法

针对高分辨率遥感影像水体指数适用性差异的问题,提出了一种水体指数CEWI和一种阴影指数MSRM,并综合2种指数构建了自动化城市水体提取模型NMEM。以国产资源三号卫星遥感数据为信息源,在对比分析各地类要素光谱信息的情况下,采用面向对象分割和特异性指数构建的方法,以北京、武汉、广州3市部分区域作为实验对象进行水体提取实验。通过与常用水体指数NDWI、高分辨率水体指数HRWI阈值提取以及依据光谱特性、几何特性等的随机树监督分类方法进行比较,实验结果表明,在各研究区内NMEM模型的水体提取效果最佳,用户精度均在91%以上,制图精度均在93%以上,Kappa系数均在0.98以上。该方法在准确提取水体的同时有效排除了大量黑暗阴影的干扰,基本消除了椒盐噪声。     

多特征和多分类器组合的湿地遥感影像分类

为了适应湿地遥感影像分类,选择了湿地影像的典型特征,提出了一种组合多分类器的湿地遥感分类方法。提取湿地遥感影像的独立分量、纹理、湖泊透明度、归一化水体指数、绿度指数和湿度分量特征;选择样本对最小欧氏距离、光谱夹角填图、贝叶斯和支持向量机分类器进行训练学习。根据各分类器的混淆矩阵对其赋权值,检验样本是否满足正态分布;根据权值和假设检验结果构建组合分类器决策网络。实验表明该方法较传统湿地分类方法具有更好的性能和更高的精度。     

光谱模型结合面向对象法的山区水体提取北大核心CSCD

山区因地势起伏大、水体分布零散导致遥感提取水体信息精度不高。另外,对于高分二号(GF-2)影像,受限于只有4个波段,无法构建已有水体提取精度较高的指数。鉴于此,以泰山为研究区,采用GF-2影像,提出差异水体光谱模型结合面向对象法的水体信息提取方法,并与阴影水体指数决策树、改进的阴影水体指数决策树以及支持向量机3种方法进行对比。结果表明,该方法能够有效去除山体阴影的影响,较好地保持了水体信息,对细微水体也有良好的提取能力,在实验和验证影像中总体精度分别达到98.02%和97.33%,Kappa值分别达到0.9533和0.9334,均高于其他3种方法。该方法在准确提取水体的同时,有效减少“椒盐现象”的发生,可为类似山区水体提取提供一定的参考。     

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。     

An automatic shadow detection method for high-resolution remote sensing imagery based on polynomial fitting

Most existing shadow detection models and algorithms require extensive calculations and have difficulties effectively removing features, such as water bodies, some dark objects and bluish ground objects. In this paper, we propose a high-resolution automatic shadow extraction algorithm based on the process of histogram fitting. First, the histogram of the whole image is fitted by fourth and fifth-degree polynomials according to the histogram difference of the near-infrared bands of different shadow areas in the remotely sensed image. Second, the shadow area is preliminarily extracted based on the relationships between the shadow features of the remote sensing image and the intersections of the fourth- and fifth-degree polynomials. Then, the normalized difference water index (NDWI) is applied to extract the water bodies. Finally, to obtain the shaded area, the scanning line seed filling algorithm is applied to remove the water bodies falsely detected as shadows in the preliminary shading extraction. The proposed algorithm is evaluated by using the various high-resolution images including GaoFen-1 (GF-1), GaoFen-2 (GF-2), QuickBird2, and ZiYuan-3 (ZY-3), as well as an elaborate comparison to histogram threshold segmentation algorithms such as Component 3 (C3) algorithm, multi-elements extraction algorithm multi-band detection algorithm, and spectral correlation algorithm based on spectral features. The results of experiment showed that the proposed algorithm could extract the shadows of various images, achieve satisfied results, and completely remove water bodies.     

A new shadow detection index for 8-band very high-resolution satellite images

ABSTRACT

The new generation of remote sensing satellite with very high-resolution images has provided a high level of details, which make them a reliable source of information. Presence of shadow can reduce the amount of information that can be extracted from these images. Shadow can be confused with dark objects such as water and dark vegetation. The main aim of this research is to develop a new index to detect shadow in the presence of dark objects using the capabilities of the new remote sensing satellite images. For this study, WorldView-2 (WV-2) remote sensing satellite images with eight spectral bands were used. A spectral reflectance analysis for the main ground features has been studied along the eight spectral bands to determine the most effective bands for shadow detection. These bands are employed with the Hue-Saturation-Intensity colour model for producing the new proposed Saturation Intensity Shadow Detection Index (SISDI). The proposed index is applied to four study areas and compared with two state-of-the-art indices of shadow detection. Results of this comparison demonstrate the more accuracy effectiveness and feasibility of that proposed index. The proposed index achieves the highest overall accuracy (average of 97.8%) and has the ability for detecting small shadow areas.     

基于GF-2遥感影像的一种快速水体信息提取方法

在高分辨率遥感影像中,水体与阴影(尤其是高大建筑物阴影)、暗色地物不易区 分。针对 GF-2 遥感影像的光谱特性的大量实验研究,提出了一种新综合水体指数法(NCWI)来 增强水体区域信息;同时利用改进的 OSTU 结合鸡群算法(CSO)快速自适应地确定最佳分割阈 值,进而得到最终的水体区域。将其同归一化 NDWI、改进谱间关系法、主成分分析综合法等 常见水体信息提取方法应用于 GF-2 遥感影像水体信息提取,利用采用实地采样和人工解译的 混淆矩阵对提取的水体区域结果进行精度验证和对比分析,从而验证了其有效性和高效性。4 个实验区域的结果证明,该算法可以快速有效地提取水体信息,精确度分别达到 97.82%, 97.44%,92.13%,96.94%。     

基于地表参数真实性的GF-1和SPOT-7多光谱影像质量评价

目的 遥感影像中地表信息表达真实程度决定了影像信息提取和定量化应用水平,传统的从像素灰度和视觉特性角度的影像质量评价方法难以评价影像对地表信息表达能力,本文从地表反射率和NDVI（normalized difference vegetation index）两种地表参数真实性角度评价GF-1和SPOT-7多光谱影像质量。方法 提出了一种基于地表参数真实性的多光谱影像质量评价方法,完成GF-1和SPOT-7卫星对实验区同步成像,地面同步测量大气光学特性和典型地物样区光谱,获取同步观测数据并对多光谱影像进行辐射误差处理,计算地物样区在影像上的反射率和NDVI,通过与地面实测光谱数据比较分析了地表参数真实性,评价GF-1和SPOT-7多光谱影像质量。结果 人工靶标中GF-1影像在4个波段反射率误差均在5%内,精度优于SPOT-7;植被地物中SPOT-7影像在蓝绿红波段反射率误差在4%内,近红外波段误差在15%内,NDVI误差在16%内,反射率和NDVI精度均优于GF-1;硬地地物中GF-1影像在4个波段反射率误差在6%内,精度优于SPOT-7;评价结果表明SPOT-7多光谱影像对植被类地物光谱表达真实度更高,GF-1对硬地类地物光谱表达真实度更高。结论 提出的基于地表参数真实性的遥感影像质量评价方法,能够有效地从地物光谱信息表达精度的角度评价影像质量。     

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。     

结合多种特征的高分辨率遥感影像阴影检测

针对现有的阴影检测算法对较亮阴影和较暗地物中的阴影不能同时较好地检测等问题, 提出一种结合多种特征的高分辨率遥感影像阴影检测方法.该算法首先结合主成分分析、颜色特征和直方图的分割构建多种阈值检测条件, 然后综合多种特征来进行遥感影像阴影的初步检测, 最后通过分析RGB模型在阴影与非阴影地物上的差别, 利用颜色特性最终检测出阴影区域.实验结果表明, 本文算法能有效检测较亮阴影和较暗地物中的阴影.与现有方法相比, 较亮阴影的平均总错误率从水平集法的31.85%降至24.61%, 较暗地物中阴影的平均总错误率从自动检测法的37.75%降至23.30%.     

Detecting shadows in high-resolution remote-sensing images of urban areas using spectral and spatial features

In accordance with the characteristics of urban high-resolution (HR) remote-sensing images, we propose a shadow detection algorithm that combines spectral and spatial features. Rather than pixel-based shadow features, the proposed features are based on shadow regions obtained by the object-based segmentation method. First, based on the shadow ratio map, the candidate shadow pixels are acquired by the Otsu method. The candidate shadow regions can be identified using connected component analysis. In the candidate shadow regions, shadow spectral and spatial features are calculated. With these two features, the true shadow regions can be distinguished from candidate shadow regions. Experiments and comparisons indicate that our proposed algorithm is feasible and effective for shadow detection in both aerial and satellite images.