遙感影像陰影檢測(cè)與去除算法研究.pdf

1、對(duì)地觀測(cè)技術(shù)的迅猛發(fā)展，迎來(lái)了衛(wèi)星遙感前所未有的發(fā)展階段。高分辨率遙感圖像的出現(xiàn)使得人們探索和認(rèn)識(shí)自然界步入了新的里程碑，高大建筑物、樹(shù)木等遮擋太陽(yáng)光線難以避免在遙感圖像中形成大片陰影區(qū)。陰影的存在影響圖像信息的判讀與解譯，給后續(xù)遙感圖像處理帶來(lái)諸多困難，如目標(biāo)分類(lèi)識(shí)別，圖像配準(zhǔn)等任務(wù);為有效利用陰影數(shù)據(jù)，遙感影像陰影處理成為研究熱點(diǎn)，而陰影檢測(cè)與陰影去除是陰影處理中相互依存的兩個(gè)方面。
　　本文對(duì)現(xiàn)有陰影檢測(cè)算法—基于黑體輻射模

2、型與自適應(yīng)特征選擇的陰影檢測(cè)算法進(jìn)行了學(xué)習(xí)與仿真。分析研究發(fā)現(xiàn)，現(xiàn)有陰影檢測(cè)算法對(duì)亮度均勻且亮度低的陰影區(qū)域有較好的檢測(cè)性能。不過(guò)，由于地物復(fù)雜性，遙感圖像中存在許多非勻質(zhì)陰影和亮陰影，現(xiàn)有陰影檢測(cè)算法對(duì)非勻質(zhì)陰影和亮陰影存在漏檢問(wèn)題。為提高對(duì)非勻質(zhì)陰影與亮陰影的檢測(cè)效果，本文提出了一種結(jié)合局部分類(lèi)水平集與顏色特征的遙感影像陰影檢測(cè)方法，該方法首先結(jié)合陰影區(qū)域的亮度非均勻性，采用局部分類(lèi)水平集分割遙感圖像的陰影區(qū)域，然后通過(guò)分析綠地與陰

3、影顏色特征分量的差別以去除候選陰影區(qū)中被誤檢的綠地。實(shí)驗(yàn)結(jié)果表明所提出的方法優(yōu)于現(xiàn)有的黑體輻射模型與自適應(yīng)特征選擇的方法，有效克服了傳統(tǒng)方法對(duì)非勻質(zhì)陰影與亮陰影的漏檢問(wèn)題，且整個(gè)檢測(cè)過(guò)程無(wú)需人工干預(yù)。
　　在陰影檢測(cè)算法能較好檢測(cè)定位出陰影的基礎(chǔ)上，論文進(jìn)行陰影去除算法的研究。仿真分析了現(xiàn)有的基于顏色恒常、基于樣本學(xué)習(xí)、自適應(yīng)非局部正則的陰影去除算法。分析研究發(fā)現(xiàn)，現(xiàn)有陰影去除算法存在顏色失真、信息失真，或是需過(guò)多人工參與操作、陰

4、影去除后紋理信息保持不夠好等問(wèn)題。為此，論文設(shè)計(jì)了一種基于Curvelet紋理方向非局部正則的陰影去除算法。該算法對(duì)自適應(yīng)非局部正則的陰影去除算法從三個(gè)方面進(jìn)行了改進(jìn)。(1)采用論文提出的“結(jié)合局部分類(lèi)水平集與顏色特征的遙感影像陰影檢測(cè)方法”提取陰影區(qū);(2)為消除半影的影響，對(duì)陰影邊緣進(jìn)行弱化;(3)采用Curvelet小波提取陰影區(qū)方向因子用于正則化處理，增強(qiáng)陰影去除區(qū)域的紋理細(xì)節(jié)信息。實(shí)驗(yàn)結(jié)果表明所設(shè)計(jì)的陰影去除算法提高了算法可操