TM影像中山体阴影的识别与修复方法研究.DOC

TM影像中山体阴影的多波段综合检测与修复方法研究 周慧 2005051137 指导教师：雷能忠 （城市建设与环境系） 摘要：针对遥感影像中山体阴影在各波段的共性特点，本文提出了一种山体阴影的多波段综合检测的方法，通过对TM影像进行试验得出，在TM影像中TM2、TM3、TM4、TM5、TM7波段在对应归一化阈值分别为0.2045、0.1031、0.2148、0.2563、0.2206时，综合检测效果最好。在对检测出阴影的基础上根据遥感影像是局部平稳的假设，提出了对阴影区域灰度值的反距离加权修补方法，验证结果表明修复的效果比较明显，提高了数据的质量。 关键词：山体阴影；多波段综合检测；反距离加权修补；TM影像 阴影是遥感影像的基本特征之一，它使地物目标反映的信息量有所损失或受到干扰，在遥感影像数据上表现为DN 值偏低，在影像处理和工程应用中难以判读，甚至产生错误结果，而去除阴影一直是遥感影像处理的难题[1]。去除阴影一般包括两方面的内容:阴影区域的检测和消除阴影。现有的检测阴影的算法可以根据是否需要环境条件的先验知识进行分类[2]，一类是根据影像中地物几何形状或DSM资料与太阳、遥感器有关参数计算阴影区域[3-5]；另一类是根据影像阴影区域的共性及其与非阴影区域的差别提取阴影区域[6-9]。多波段综合检测阴影属于第二类 ,它是基于遥感影像阴影成像机理和地物反射波谱特征检测阴影 ,分别用到可见光波段和近红外波段。 遥感影像上每个像元的亮度或色彩都是太阳光照函数和地物反射函数的复合函数 ,由于这一复合函数非常复杂,从理论上讲 ,要完全消除影像上的阴影、恢复阴影区域中地物的本来面目几乎是不可能的[10]。传统的图像增强方法 ,如比值法、直方图均衡[11]、同态滤波[12]、归一化处理[13-14]等。对改善影像的阴影都有一定的作用 ,但处理后的影像阴影仍然明显。同时 ,问题的关键在于这些方法对阴影信息进行补偿的同时 ,不能做到完全不改变非阴影区域的信息。本文按照阴影在遥感影像中的特点，提出了一种山体阴影的多波段综合检测方法，并利用非阴影区域的光谱特征对阴影区的光谱进行修复，通过利用TM影像对方法和模型进行验证，取得了较好的效果。 阴影的多波段综合检测 遥感影像中山地阴影的共性特点为阴影区域的光谱值在各个波段内都低，而在单一波段的图像中由于不同地物在各的波段的反射值的差异，会产生与阴影区域相同的光谱值，因此通过单一波段的阴影特征来对阴影区进行检测显然是不可行的。多波段综合检测的方法就是对各个波段检测出的阴影，根据阴影区域的光谱值在各个波段内都低进行逻辑上的识别，对各波段都识别为阴影的区域，综合判定为阴影，而对存在有任何一个波段存在相互之间的差异就对其他波段识别出的阴影区进行否定。 在对多波段综合检测的方法来对山体阴影进行识别时，选用的是都江堰附近2007年的TM数据，如图1。TM数据是第二代多光谱段光学——机械扫描仪，是在MSS基础上改进和发展而成的一种遥感器。TM采取双向扫描，提高了扫描效率，缩短了停顿时间，并提高了检测器的接收灵敏度。TM影像数据的星下分辨率为30米，TM资料的各波段参数如表1所示：  图1 研究区的TM影像（7，4，2波段合成） 表1 TM数据的各波段参数特征 波段 波长 颜色 TM1 0.45~0.52μm 蓝绿波段 TM2 0.52~0.60μm 绿红波段 TM3 0.63~0.69μm 红波段 TM4 0.76~0.90μm 近红外波段 TM5 1.55~1.75μm 近红外波段 TM6 10.4~12.5μm 热红外波段 TM7 2.08~2.35μm 近红外波段 在多波段综合检测的方法进行识别时，由于TM1和TM6波段在提取阴影时，干扰太大，故在识别时不考虑这两个波段。各单波段的阴影识别采用阈值识别法，一幅遥感影像，为对应的波段，像素大小为，其灰度值范围为，首先通过人工识别方法，对各波段的特征阴影边界像素灰度值进行提取，定为，表2给出了各波段的特征阴影边界像素灰度值，根据式（1）对图像进行二值化处理。在实际工作中需要在MATLAB中对图像进行归一化处理，根据的大小确定归一化后图像的阈值，而后进行二值化处理。多波段综合检测的方法的计算公式为式（2），图2给出了各单波段和多波段综合检测的阴影区域。 表2 特征阴影边界像素灰度值及其归一化后阈值 波段 2 3 4 5 7 特征阴影边界灰度值 34 28 48 45 21 归一化阈值 0．2045 0．1031 0．2148 0．2563 0．2206 图2 各单波段和多波段综合检测的阴影区域 为了使检测的阴影区域在各单波段图像中对应并且能够合成显示，采用式（3）来进行计算，图（3）是采用7，4，2波段合成并多波