城市遥感影像阴影检测与补偿方法研究（二）

《城市遥感影像阴影检测与补偿方法研究（二）》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、城市遥感影像阴影检测与补偿方法研究（二）　　由于IKONOS立体像对提取DSM数据的分辨率低，所以其影像数据分辨率，易导致所提取的阴影区域边缘产生误差。为修正这种误差，采用一种具有较好边缘性的阴影检测方法——基于直方图阈值法。基于直方图阈值法是利用IKONOS彩色影像数据的第4波段（近红外）波长最长，散射光最小，阴影区域与非阴影区域目标地物反射率差值最大，用第4波段进行基于直方图阈值法检测阴影精度最高，这种方法的优点是阴影区域具有较好的边缘性。对IKONOS影像第4波段进行直方图灰度统计，以峰谷点为阴影和非阴影区分点（

2、如图2-7），采用DN值密度分割的方法检测出阴影。以上两种方法进行阴影检测各有特点，前者有很好的定位性，但边缘误差较大；后者有较好的边缘性,但阴影提取的精度低。如果两种方法能很好地结合起来，既有好的定位性，又有好的边缘性，阴影检测的精度将大大提高。图2-8就是这两种方法相结合检测阴影的流程图。阴影区域检测结果见图2-9。图2-6原图像图2-7第4波段直方图SHAPE*MERGEFORMAT图2-8结合两种方法检测阴影流程图图2-9阴影检测的结果　　图2-9中：,式中，rh为DSM数据分辨率；rl为影像数据分辨率；k为

3、像元宽度。　　2.4实际影响检测效果　　我们用2.1和2.2节中所提到的两种方法分别对2-10图内的阴影检测。图2-10待检测的原图　　检测结果如下图（图中黑色为检测出的阴影区域，白色为检测的非阴影区域）：(a)基于亮度的双峰法(b)归一化互相关函数法图2-11三种方法对阴影的检测结果　　可以看出前两种方法对阴影的检测结果差别，主要原因由于而归一化互相关函数在检测阴影时，利用了亮度近似线性变化这一特点，因此当亮度有突然的明显变化，都会被判为阴影。而双峰法，当我们选取了比较合适的阈值，就能把阴影和光照区进行分割，对于绝大

4、多数图片，这种方法提取出的部分，几乎都是阴影区域，只带有少量的颜色较深的斑点。如图(a)所示，图中非常小且分布不规则的斑点有些是树荫，有些则是颜色较深的车辆的车顶，植被，屋顶等。(a)和(b)图其原理其实都是基于亮度变化进行的检测，所以对亮度变化对这两种方法的影响起决定性的作用。对于亮度较低的实物却容易被判为阴影而被错误的检测出来。如图2-12，图中的树木由于自身色度等原因，即使在阳光下，亮度仍然很低。同样的情况还可能是颜色很深的房顶，这些比较深的颜色，在高分辨率遥感影像中，非常容易与影像自身的阴影相互混淆，因此在用双

5、峰法检测时，造成很多不便。阴影的本质属性就是亮度很低，因此当出现了颜色很深造成的影像中亮度值低的部分，容易造成误检。归一化函数法要求稍多，计算两相对较大，相比之下，双峰法简单实用。但是目前还没有比较成熟的方法，能够精确的检测出阴影的全部区域而不发生误检。图2-12　　带有大量树阴的遥感影像及其阴影检测结果　　第三章阴影的补偿　　3.1灰度线性映射的阴影补偿　　3.1.1　灰度级线性变换图像增强原理　　图像增强处理在数字图像处理中占有很大的比例，一些灰度图像在退化后进行恢复主要采取增强手段。图像增强的方法分为空间域方法和

6、频率域方法两大类，空间域增强是以对图像的像素直接处理为基础的增强。空间域处理可用下式表示：　　g(x,y)=T[f(x,y)]（3-1）　　其中f(x,y)是输入图像，g(x,y)是处理后的图像，T是对f一种操作，(x，y)是图像像素点的位置。z操作最简单的形式是邻域为1×1的尺度(即单个像素)。在这种情况下，g仅依赖于f在(x,y)点的值，T操作成为灰度级变换函数，形式为　　s=T(r)（3-2）　　其中s和r分别为g(x,y)和f(x,y)在任意点(x,y)的灰度级。　　灰度级线性变换增强是空间域图像在增强的一种，

7、也就是通过分段线性变换函数来调整图像灰度级的动态范围。通过点(r1,s2)和点(r2，s2)的位置控制变换函数的形状，(r1,s2)和(r2，s2)的中间值将产生输出图像中灰度级不同程度的展开，因而影响其对比度，以达到增强图像之目的。图3-1　　灰度变换　　分段线性变换公式如下：　　（3-3）　　其中（3-4）　　　　　（3-5）　　　　　（3-6）　　由于阴影对遥感影像造成的影响主要是使该区域的亮度值大幅降低，该方法直接针对这一问题，对遥感影像中的灰度进行线性调整。从而使得阴影得到一定程度的补偿。　　3.1.2图像阴

8、影补偿处理　　按照上述原理，现对一幅高分辨率遥感图像的灰度图像分析并在MATLAB软件上进行处理，其处理过程如下。首先打开一幅遥感图的灰度图像（如图3-2），由图3-3可以看出，该图像的阴影区域和图像非阴影区域的灰度值比较接近，通过查看其灰度直方图分布可以证实以上看法，图3-2所示为该图像的灰度值直方图分布。图3-2　　原图像