城市遥感影像阴影检测与补偿方法研究（一）的论文.docVIP

　　城市遥感影像阴影检测与补偿方法研究（一）的论文 　　 论文 关键词：亮度　阴影　直方图均衡　线性映射　阴影检测　阴影补偿 　　论文摘要：高分辨率遥感影像同时具有地图的几何精度和影像视觉特征，具有广泛的应用。然而由于算法以及客观条件的限制，影像中存在着大量的阴影，它直接影响到地物边缘的提取、目标识别、分类等。特别是近年来随着影像分辨率的提高，阴影现象更加突出，因此对其进行检测与补偿非常重要。 　　本文将从阴影的提取，和阴影的补偿两个方面来实现高分辨率卫星遥感影像中阴影的处理。带有阴影的高分辨率的遥感影像，其阴影区域和光照区域交界处，存在着明显甚至急剧的亮度变化，双峰法和基于归一化互相关函数的阴影检测方法就是基于这一特点进行的检测处理。 　　图像阴影的补偿，本文采用灰度线性映射的方法调整阴影区域的灰度，使其灰度级与光照区域的灰度级别相近，进而达到对阴影进行补偿的目的。另外又采用了基于直方图均衡的方法来对阴影区域补偿。 　　本文采用的方法直接针对阴影的成因，对遥感影像中的阴影区域进行检测和一定的补偿。方法均是在matlab7.0开发环境下得到实现。通过对实验结果的分析，具有较好的检测补偿结果，有一定的实用价值及意义。 　　第一章 概述 　　1.1 研究的背景及意义 　　高分辨率遥感影像已被应用在林业、 旅游 、水文水资源、名胜古迹的维修等领域。这些应用的首要问题是对影像中的关键地物进行识别、提取。.理论上，高分辨率卫星遥感影像在经过像片倾斜引起的像点位移、图形变形以及地形起伏引起的投影差的纠正，并在消除大气折射，相机系统带来的误差后，应该准确反映地物特征。然而，由于建筑物的影响以及太阳光的照射，出现阴影和影像遮蔽以及摄影死角。 　　随着遥感传感器灵敏度不断提高，影像分辨率从几十米到现在的厘米级。原本在较低几何分辨率影像中不明显的阴影已经在影像中格外突出。比如在 农村 地籍调查中，由于航片的分辨率很高，有很多高大建筑物或者树木阴影，给界址点解译造成很大的困难。并且图解存在一定的误差。机载多角度成像数据的空间分辨率能够达到5厘米，影像上的阴影非常突出。阴影使得影像上阴影区域所反映的被摄目标的信息有所损失或受到干扰。这在 计算 机影像处理中将直接影响到相应区域地物的边缘提取、目标识别和地表覆盖分类以及影像匹配算法的成功率等。它不仅破坏了影像的视觉解译能力和审美效果，还影响了遥感影像作为地图产品的基本功能发挥。如何消除遥感影像的阴影，具有越来越重要的现实意义。 　　总的来说，卫星遥感影像能够快速提供地球表面的信息，高分辨率卫星遥感（例如ikonos,spot5,cosmos,orbvie以及直方图门限化方法对ikonos影像进行阴影检测[10][11][12]。黄浩[13]等提出在对ikonos全色波段与多光谱的2、3、4波段进行基于115 色度空间的影像融合的基础上，运用波谱角度映射表分类方法，对ikonos影像中的阴影进行自动提取。王军利[14]等从色彩理论和高斯—拉普拉斯算子的基本原理出发，提出了一种基于rob彩色空间的影像阴影检测方法，该方法对彩色航空影像上阴影区域的检测是有效的，但是对阴影区域里具有强烈反射特性的地物（如道路），就会出现一定的阴影检测误差。 　　horn最早研究了从一幅单目图像获得景物三维信息这个问题[15]后sfs成为计算机视觉领域热门研究方向，可根据 自然 景物表面均具有分形特性这一特点[16]于sfs算法，我们可以实现景物的三维重建[17-20]。其他的像是mandelbrot描述的断裂法，英国哥伦比亚大学地理系的j.m.陈博士开发了将表面划分为太阳照射区和阴影区的程序。此外，库比和彭特兰德、德可拉、琼斯、兰姆、和雷阿姆斯特恩和雷阿费、雷伊等发表了大量有关分形遥感领域的论文。对阴影区和太阳照射区的分形分析都有所讨论[21]。guoqing zhou[22-24]等提出了一个数学模型，当建筑物模型(dbm)已知时，结合摄影测虽学来自动检测遮挡和阴影，该方法效果较好，但是必须有较精确的数字建筑物模型。dbm 的提取可以有不同的方法，比如利用激光数据，采用零交叉边缘检测，同时对数据进行后处理，将每一段线连接成连续的线，得到建筑物的边界，最后利用数字图像处理以及人机交互的方式获得;也可以利用商业软件如erdas直接提取。李艳[25]等提出了利用摄影测量学由数字表面模型(dsm)计算因太阳的作用形成的建筑物阴影的空间坐标，利用加速的光线跟踪算法通过dsm以及相机模型来计算建筑物的可见阴影，并将之投射到影像平面上，然后通过影像分析进行精确分割并标记出阴影区域。 　　shettigara[26]等又提出了一种在子像元级确定阴影边界的方法，并发展了基于最佳门限值选择的阴影信息提取程序，该方法是通过