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。     

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。     

示温漆图像阴影去除算法的研究与实现

为了消除阴影对温度识别的精度及对等温线划分的准确度造成影响,提出了一种快速去除阴影的算法.把3种颜色特征不变性在示温漆图像上进行阴影检测的效果进行对比,选取应用效果最好的颜色特征不变性进行阴影检测,用数学形态学及阈值的处理方法准确地定位出阴影边界;然后在RGB颜色空间内,利用邻近的非阴影区域按照映射策略对各个独立的阴影区域进行阴影补偿,达到阴影去除的目的.实验结果表明,该方法不仅能快速的检测出阴影,而且在去除阴影的同时最大程度地保持了图像的原始信息.     

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%.     

干涉SAR阴影提取及相位补偿方法

针对阴影对干涉合成孔径雷达处理的不利影响,提出一种阴影提取方法和阴影区域相位补偿方法.用伪相关系数来锐化高相关区域和低相关区域边界,消除了地形变化对相关系数的影响,能较好地检测出阴影区城的边界.同时提出利用线性相位模型来补偿阴影区域的干涉相位,相位补偿后能够消除无效数据对相位展开过程的影响,从而提高生成的相位展开图精度.实测数据的处理结果表明,该方法能明显提高相位展开的可靠性.     

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。     

单幅图像的保纹理阴影去除

提出一个保纹理的阴影去除模型,对于软阴影有较好的效果。该模型对图像的色彩空间进行变化,转换到一个更有助于描述阴影的色彩空间。针对阴影层的特点,将阴影分为阴影区域和半阴影区域,分别进行处理。特别对于半阴影区域,将问题转化为一个最小化问题来解决。实验结果显示该模型的有效性。     

c_3通道高分辨率遥感图像阴影检测算法的改进EI北大核心CSCD

针对c3通道对噪声非常敏感,以及现有的基于c3通道遥感图像阴影检测算法存在的阴影检测不准确问题,提出改进的c3通道高分辨率遥感阴影检测算法.利用对数变换和阈值法对c3通道图像进行增强,提高了c3通道图像阴影区域与非阴影区域的对比度,进而提高了阴影像素的辨识度;通过扩展邻域范围并增加影响因子较高的像素点的权重进行图像平滑,有效地减弱了噪声对阴影像素提取的影响;增加2个方向的模板,利用高斯分布和抽样方法确定边缘阈值,提高了阴影区域边缘检测的准确度.实验结果表明,该算法提高了阴影检测的准确度,适应性较强,可较好地应用于高分辨率遥感图像的处理.     

一种新的城市航空图像阴影检测算法

为实现对城市航空图像中阴影的准确检测,提出一种基于阴影区域颜色性质与统计特性的阴影检测算法。算法中针对阴影的颜色性质构造非线性变换函数,结合阈值分割实现对阴影的初步检测。根据阴影区域统计特性,对检测结果加以修正,避免了对颜色性质与阴影较为相近的地物的误检。实验证明该算法能够准确有效地对城市航空图像中的阴影进行检测。     

结合区域配对的室外阴影检测

目的 针对现有大多数阴影检测算法在检测细长阴影、自阴影、区分阴影与暗色像素等方面的不足,提出一种新的结合区域配对的阴影检测算法.方法 首先通过均值漂移算法和canny检测算法,分割图像得到每个独立的区域;然后从每个区域中提取纹理和亮度建立单个区域的阴影模型,再从区域对中提取纹理直方图的距离、颜色比(分别在RGB和Lab空间下)以及HSI空间下H和I两通道的比值等特征建立区域对的阴影模型;最后根据上述两个模型运用图割理论检测阴影.结果 实验结果表明,本文算法在阴影检测上的准确率高达85.2%,远高于其他算法,检测速度也比其他算法快34%左右.该算法不仅能有效地检测细长阴影和自阴影,还能较好地区分阴影与暗色像素.结论 提出了一种新的阴影检测算法,通过区域配对的方法实时处理单幅室外图像.实验结果表明,该算法在检测细长阴影、自阴影以及区分阴影与暗色像素等方面有良好的效果.     

基于YCbCr颜色空间的叶片阴影检测与去除

自然环境下获得的植物叶片图像往往由于阴影的存在而严重影响植物叶面特征的提取,为了解决这个问题,提出了一种基于YCbCr颜色空间的阴影的检测与去除方法.首先在YCbCr颜色空间中计算Y通道强度,采用阈值法检测阴影区域.然后在YCbCr颜色空间下根据光照模型对阴影区每个像素进行光照恢复.最后转化到RGB颜色空间下.相对于直接在RGB空间进行的阴影去除,该方法减弱阴影区的边缘效应,使得去除阴影后的区域与非阴影区的颜色更加一致,恢复图像看上去更加自然.     

基于阴影概率模型的遥感影像阴影检测方法

阴影区像素光谱响应的不一致性使得依据阈值获取的阴影检测结果与真实情况出入较大。针对这一问题,结合不透明度和亮度两种信息设计了一个全新的阴影概率模型。在此基础上,针对邻域像素信息未能充分利用的问题,提出了一个基于多尺度马尔可夫随机场(MRF)的遥感影像检测方法。首先,用所提出的模型描述多尺度影像中像素的阴影概率;然后,使用Potts模型建模多尺度标记场,同时兼顾尺度内和尺度间的邻域像素的交互关系;最后,基于最大后验(MAP)概率准则获取最终阴影检测结果。通过与色调亮度比值方法、差分双阈值方法、主成分分析法和支持向量机分类方法的对比实验证明,所提出的方法能够提高高分辨率城区遥感影像的阴影检测精度。     

结合局部分类水平集与颜色特征的遥感影像阴影检测

为提高对非匀质阴影与亮阴影的检测效果,提出结合局部分类水平集与颜色特征的遥感影像阴影检测方法,首先,结合阴影区域的亮度非均匀性,采用局部分类水平集分割遥感图像的阴影区域;然后,通过分析绿地与阴影颜色特征分量的差别以去除候选阴影区中被误检的绿地.实验结果表明所提出的方法优于现有的黑体辐射模型与自适应特征选择法,有效克服了传统方法对非匀质阴影与亮阴影的漏检问题,且整个检测过程无需人工干预.     

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。     

融合阈值分割和注意力网络的建筑阴影检测

针对高分辨率高层建筑物遥感影像噪声干扰大、阴影检测困难的问题,本文提出了一种改进阈值分割和注意力残差网络结合的高层建筑物遥感影像阴影检测方法.首先,利用改进最大类间和最小类内阈值分割算法建立阈值分割模型,并基于轮廓间的连通域特性和端点位置约束关系利用欧几里得度量算法对断裂轮廓进行修补得到阴影轮廓;然后,利用生成对抗网络模型对误判数据集进行扩充;最后,对残差网络进行改进,在特征图中加入注意力机制进行全局特征融合.在不同场景下,分别与辐射模型、直方图阈值分割、彩色模型阴影检测方法,支持向量机、视觉几何群网络、Inception和残差网络分类网络进行了对比实验,本文方法综合误判率和漏检率分别为2.1%、1.5%.结果表明,本文提出的高层建筑遥感阴影检测算法能较好地完成阴影区域的分割和检测,有利于节约人力物力资源、协助工作人员进行遥感信息的解译、遥感档案建立等工作,具有实用价值.     

视频分割中运动阴影消除的新方法

对于视频分割中运动阴影消除的问题,提出了一种结合色度、亮度和边缘信息的方法.首先使用结合核密度估计和边缘信息的分割方法获得初始分割结果及其中运动对象的边缘,然后提取输入视频帧的色度和亮度信息以得到可能的运动阴影区域,最后通过阴影区域生长将运动阴影和运动对象区分开.实验结果表明,该方法具有良好的消除运动阴影的性能.     

一种改进的运动目标检测和阴影消除算法

提出一种改进的运动目标检测算法,以准确检测不同光照条件下的运动目标。针对前景检测时出现的阴影,提出基于边缘信息的阴影消除算法。该算法与阴影方向无关,能去除目标各方向的大部分阴影,为视频监控系统的后续高级处理排除了阴影干扰。在配置为 2.0 GHz的P4计算机上运行,速度约为20帧/s。实验结果表明了算法的实时性、可靠性和准确性较好。     

基于边缘信息及光照方向的阴影检测算法

提出一种基于边缘信息及光照方向的阴影检测算法。该算法通过将HSV和RGB彩色空间的阴影特征相结合进行初步检测,从初步检测得到的阴影中估计光照方向,运用基于边缘信息阴影检测算法检测在光照方向角阈值范围内的阴影区域,实现对运动目标阴影的准确检测,为运动目标后续处理排除阴影干扰。实验结果表明,该算法能较好地抑制噪声,阴影检测效果比传统算法好。     

高分辨率遥感影像阴影的自动检测与自动补偿

提出了高分辨率遥感影像中阴影的检测与补偿的全自动处理方法. 首先,利用简单阴影特征构造复合特征的方法联合构建多种光谱阈值检测条件,结合相应自动阈值获取方案实现阴影自动初检测,并设计自动形态学处理方法对初检测结果进行后处理;然后,以补偿模型为基础,通过统计阴影与非阴影区域的亮度均值与均方差、采用特征点提取与匹配的方法自动获取模型参数,再综合区域级整体补偿和窗口级局部补偿两种结果实现阴影的全自动补偿.结果表明,多条件联合检测与自动形态 学处理可提升检测结果的总体精度和区域完整性,补偿模型参数自动获取方法可靠有效,综合补偿法充分结合整体与局部补偿的优势,提升整体亮度,突显纹 理细节,使得被阴影遮挡的信息得以真实再现.     

基于LAB颜色空间的图像阴影检测与去除方法

为实现单幅图像快速去阴影处理，提出基于LAB颜色空间的图像阴影检测与去除方法。首先，将RGB图像转换成LAB图像，再对阴影图像进行边缘检测。然后，通过对不同颜色通道进行分析、计算及重新整合，得到阴影区域与非阴影区域平均色度值相匹配的图像。最后，对图像进行色度校正和边缘校正，实现单幅图像去阴影处理。为验证本文方法的可行性和有效性，分别采用峰值信噪比（PSNR）和结构相似度（SSIM）这2种性能指标，来客观评价图像的去阴影结果，并与2种典型的图像去阴影方法进行比较。结果表明，本文方法的各性能指标最高，如：在3组实验中，PSNR分别达到17.4721、17.6206、17.3048，SSIM分别达到0.8192、0.8344、0.8027。而且去阴影后图像特征信息清晰，保留的结构信息更接近于真实无阴影场景图像，整体取得了很好的去阴影效果。