城市绿地信息提取中的遥感影像阴影校正
如何利用卫星影像进行城市绿地面积提取与分析
如何利用卫星影像进行城市绿地面积提取与分析城市绿地面积的提取和分析是一项重要的任务，可以帮助城市规划者和决策者了解城市绿地的分布和规模，从而制定相应的环境保护和城市发展政策。
这项工作过去主要依靠人工测量和调查，但随着卫星遥感技术的发展，利用卫星影像进行城市绿地面积提取和分析变得更加高效和准确。
卫星遥感技术通过获取遥感影像数据，可以对地球表面进行广泛、连续和定量的观测。
对于城市绿地面积的提取和分析，除了高分辨率的遥感影像数据外，还需要进行一系列的图像处理和分析步骤。
首先，需要获取高分辨率的遥感影像数据。
卫星拍摄的遥感影像往往包含多个波段，例如红、绿、蓝和近红外波段，这些波段可以提供丰富的信息用于绿地分类和提取。
常用的卫星有Landsat、Sentinel等，它们具有不同的空间分辨率和数据更新频率，选择适合的卫星影像数据是进行城市绿地面积提取和分析的第一步。
其次，需要进行预处理和校正。
卫星影像在采集和传输过程中可能会受到大气、地表反射率和传感器等因素的影响，因此需要对影像数据进行预处理和校正，以消除这些干扰因素。
预处理包括影像的辐射校正和几何校正，可以提高影像的准确性和比较性。
然后，需要进行绿地分类和提取。
绿地分类是将遥感影像中的像素划分为不同的类别，如建筑物、道路和植被等。
通常采用的方法包括基于光谱特征、纹理特征和形状特征的分类方法。
在绿地提取中，主要关注植被类别，可以采用阈值法、像元反射率法和基于纹理和形状特征的方法进行提取。
除了绿地面积的提取，还可以进行绿地面积的分析和评估。
通过统计和分析绿地的分布、规模和变化等信息，可以评估城市绿化水平和绿地供给能力。
例如，可以计算绿地的面积比例、密度和紧凑度等指标，以及绿地的空间分布格局。
这些信息可以帮助城市规划者和决策者制定合理的绿地规划和管理措施，以提高城市的生态环境质量和居民的生活质量。
此外，利用卫星影像还可以进行绿地变化检测和监测。
城市绿地的变化往往是一个动态过程，了解和监测绿地的变化情况对于城市的可持续发展和环境保护至关重要。
遥感影像纠正的方法与技巧
遥感影像纠正的方法与技巧随着科技的不断发展，遥感技术在各个领域得到了广泛的应用。
遥感影像是通过卫星、飞机等远距离获取地面信息的一种重要手段。
然而，在获取遥感影像后，由于各种原因导致的图像扭曲、色差等问题是不可避免的。
因此，进行遥感影像纠正是必要的。
本文将介绍遥感影像纠正的常用方法与技巧。
一、几何校正方法几何校正是对遥感影像进行坐标、尺度和旋转方位的校正。
常见的几何校正方法有影像配准、地标匹配、插值等。
1. 影像配准影像配准是将待纠正影像与参考影像进行对比，通过匹配相同地物或地点的像素点，从而进行坐标转换。
常用的影像配准方法有基于特征点匹配和基于相位相关匹配两种。
基于特征点匹配的方法是通过提取影像中的特征点，并将其与参考影像中的特征点进行匹配，从而获得坐标转换模型。
OpenCV是一种常用的用于特征点匹配的开源库。
基于相位相关匹配的方法是通过计算两幅影像之间的相关性，确定它们之间的几何转换关系。
这种方法通常用于具有相位重建能力的传感器。
2. 地标匹配地标匹配是通过识别影像中的已知地标（如道路交叉口、建筑物等）并与参考影像中的地标进行匹配来进行校正的一种方法。
这种方法适用于城市建筑等具有明显特征的区域。
3. 插值插值是指通过对图像中间的像素值进行估算，从而使整个图像变得平滑过渡的过程。
常用的插值方法有双线性插值、双三次插值等。
这些方法可以使得图像在进行几何校正后仍保持较好的视觉效果。
二、辐射校正方法辐射校正是指对遥感影像中的亮度进行校正，以保证影像反映地物的真实辐射亮度。
常用的辐射校正方法有直方图匹配、大气校正、辐射转换等。
1. 直方图匹配直方图匹配是指通过将原始图像的灰度值映射到目标图像的灰度值范围来进行校正的方法。
这可以使得影像在亮度上看起来更加准确，同时保证地物的色彩还原度。
2. 大气校正大气校正是指通过估计大气光照对地面目标反射率的影响，将地表反射率从观测影像中恢复出来的一种方法。
这种方法适用于去除由大气散射引起的云、雾等干扰。
遥感影像的几何校正和特征提取方法
遥感影像的几何校正和特征提取方法遥感影像是通过遥感技术获取的地球表面信息的图像或图像组。
由于数据获取过程中存在各种误差，如地球自转、大气扰动、平台运动等，遥感影像在获取后需要进行几何校正以提高图像的质量和精度。
此外，为了进一步分析遥感影像中的信息，特征提取是必需的，可以帮助科学家从图像中提取有关地理特征的信息。
一、遥感影像的几何校正方法1. 大地控制点法：这是一种常用的几何校正方法，通过确定遥感影像上一系列具有已知地理坐标的地物进行配准。
通过收集大量的地面控制点，利用全球定位系统（GPS）等技术获取精确的地理坐标，然后将遥感影像转化为地理坐标系统，实现几何校正。
2. 特征点匹配法：该方法利用遥感影像与参考图像之间的特征点进行匹配。
通过提取遥感影像和参考图像的特征点，并使用特征匹配算法对两幅图像进行配准，从而实现几何校正。
3. 数字高程模型法：该方法利用数字高程模型（DEM）来进行几何校正。
DEM是一种用来表示地表地形高程信息的数学模型。
通过提取遥感影像上的地物高程信息，并结合DEM数据，可以实现对遥感影像的几何校正。
二、遥感影像的特征提取方法1. 阈值分割：该方法基于像素间的灰度差异来实现特征提取。
通过设置适当的阈值，将像素灰度值划分为不同的区域，从而提取出感兴趣的特征。
例如，可以利用阈值分割方法提取出水体、植被等特征。
2. 目标识别和分类：该方法通过使用机器学习算法来实现对遥感影像中的目标进行识别和分类。
常用的机器学习算法包括支持向量机（SVM）、随机森林（RF）等。
通过对已标记的训练样本进行训练，然后对遥感影像进行分类，可以实现对特定目标的提取和分类。
3. 特征融合：该方法通过将多个特征进行融合，提高特征提取的准确性和稳定性。
常用的特征融合方法包括主成分分析（PCA）、小波变换、人工神经网络等。
通过将多个特征进行组合和处理，可以提取出更具辨识度的特征。
4. 目标检测：该方法通过一系列图像处理和模式识别技术来实现对目标的检测。
遥感影像检测与目标提取中的常见问题分析
遥感影像检测与目标提取中的常见问题分析遥感影像检测与目标提取是遥感技术中的核心应用之一，通过遥感影像分析，可以获取海量的地理信息数据。
然而，在实际应用中，常常会遇到一些问题，例如数据质量、目标提取技术的准确性以及算法的效率等。
本文将对这些常见问题进行分析和解决方案的探讨。
一、数据质量的问题遥感影像检测与目标提取的准确性直接受到遥感数据的质量影响。
常见的数据质量问题包括云雾遮挡、辐射校正和几何校正等。
云雾遮挡是影响遥感数据质量的主要因素之一。
当遥感影像中出现云雾时，目标提取的准确性会受到严重影响。
解决云雾遮挡问题的方法包括利用云检测算法对影像进行预处理，剔除云雾影响。
辐射校正是指根据定标参数将原始辐射数据转换为地物反射率数据的过程。
在遥感影像检测与目标提取中，辐射校正是保证数据准确性的关键步骤。
常见的辐射校正方法有统计法、比例发射率法和最小二乘法等。
几何校正是指将遥感影像的像素坐标转换为地理坐标的过程。
几何校正是保证遥感影像与地理坐标系统一致性的基础。
几何校正中的常见问题包括大地测量单位选择、地面控制点选择和几何精度评定等。
二、目标提取技术的准确性问题目标提取技术的准确性是遥感影像检测与目标提取的核心问题之一。
常见的目标提取技术包括阈值分割、边缘检测和模板匹配等。
阈值分割是通过设定合适的亮度或颜色阈值将图像中的目标与背景分离的方法。
但是阈值的选择对目标提取结果有重要影响，不同光照条件和目标特征的变化可能导致阈值选择不稳定。
边缘检测是通过寻找图像中的边缘信息来提取目标的方法。
然而，由于遥感影像中存在噪声和阴影等干扰因素，边缘检测的准确性常常会受到影响。
模板匹配是通过在遥感影像中搜索事先定义好的目标模板来提取目标的方法。
但是目标模板的选择和匹配算法的设计都对目标提取的准确性产生影响。
为了提高目标提取技术的准确性，可以采用多种方法相互结合的策略，例如将阈值分割与形态学处理相结合，或将边缘检测与模板匹配相结合。
使用遥感影像进行城市绿化评估与规划的方法
使用遥感影像进行城市绿化评估与规划的方法一、引言城市绿化是城市发展与环境保护的重要组成部分，对于改善城市生态环境、促进居民身心健康具有重要意义。
近年来，随着遥感技术的发展和普及，使用遥感影像来进行城市绿化评估与规划已成为一种便捷高效的方法。
本文将探讨使用遥感影像进行城市绿化评估与规划的方法与应用。
二、遥感影像的获取与处理1. 遥感影像的获取通过卫星获取遥感影像是目前最常用的方法。
卫星可以提供高分辨率的影像，能够全面、定期地覆盖城市区域。
此外，无人机也成为获取遥感影像的重要手段，具有灵活性和高分辨率等优势。
2. 遥感影像的处理遥感影像的处理包括预处理和分类两个环节。
预处理主要涉及影像的大气校正、几何校正等，以提高影像的质量和准确度。
分类则是对影像进行划分，将不同类型的地物进行分割和分类，以便进行绿化评估与规划。
三、城市绿化评估的指标与方法1. 绿地覆盖率绿地覆盖率是评估城市绿化程度的重要指标。
通过遥感影像的分类与分析，可以计算出城市区域内绿地的面积与总面积的比例，从而得到绿地覆盖率。
此外，还可以结合土地利用数据和地面调查结果，综合考虑不同类型的绿地，如公园、林地、草地等，来评估城市绿化的多样性与质量。
2. 植被指数植被指数是通过遥感影像中的植被光谱信息来评估绿化程度的指标。
常用的植被指数有归一化植被指数（NDVI）、植被指数（VI）等。
利用这些指数，可以定量地反映城市植被的状况和分布，评估植被的健康程度和生长情况，为城市绿化规划提供科学依据。
3. 生态服务价值评估城市绿化除了提供美观和休闲的功能外，还能为城市带来一系列生态服务，如温度调节、空气净化、水源保护等。
通过遥感影像的分析，可以借助生态模型和评估方法，对城市绿化的生态服务进行评估并进行价值估算。
此项评估能够直观地展示城市绿化对环境和社会的贡献，为城市规划师和决策者提供重要依据。
四、城市绿化规划的方法与应用1. 指导城市扩展与建设遥感影像可以提供城市空间和土地利用的信息，通过分析影像中不同地物类型和覆盖状况，可以指导城市扩展的方向和布局。
城市绿地信息提取中高分辨率卫星影像融合方法
北京揽宇方圆信息技术有限公司城市绿地信息提取中高分辨率卫星影像融合方法城市绿地系统是城市生态系统的子系统，是城市中唯一有生命的基础设施，在改善城市生态环境和人居环境方面起着积极的作用。
随着城市的不断扩大、人们生活水平的提高，城市绿地质量受到广泛的关注，城市绿地信息提取成为当下研究热点之一。
遥感技术可为城市绿地信息的快速提取提供技术支持。
在影像分类研究中，已有不少研究者首先将多光谱影像与全色影像进行融合，再利用融合后的影像进行信息提取，分析影像融合的效果。
目前，高分辨率遥感影像在城市绿地信息提取中的应用越来越广泛，但针对绿地信息提取，不同融合算法的影像融合效果还缺少系统研究。
本文将以WorldView-2与PL-1A影像为数据，利用GS(Gram-Schmidt)变换、PCA(主成分分析)变换、Ehlers(空间滤波)融合、Wavelet(Wavelet分析)、HIS变换5种方法对影像进行融合。
在此基础上针对城市绿地信息提取，分别用目视方法和量化指标对融合影像的质量进行评价；同时利用面向对象基于规则方法分别基于多光谱影像和融合后的影像，提取绿地信息并进行精度评价。
对不同影像融合算法的融合有效性进行系统深入的评价，可为城市绿地信息提取影像的融合工作提供技术支持。
1研究区概况与数据源本次研究选取了上海交通大学闵行校区与华东师范大学闵行校区为研究区。
上海市闵行区坐落长江三角洲冲积平原，气候温和雨水充沛，为植被生长提供了有利的条件。
自“十一五”以来该区以深入推进国家生态建设为目标，在上海市率先开展大规模绿化建设，绿化基础较好，绿化效果明显。
上海交通大学和华东师范大学是该区内绿化发展较好、绿地分布较多的区域，以该区域为研究点进行影像融合，对城市研究绿地信息提取有较好的参考意义。
研究所用的数据包括WorldView-2、PL的多光谱影像与全色影像，其中WorldView-2影像的成像时间为2014年6月12日，空间分辨率分别为0.5m；PL-1A影像的成像时间为2014年5月27日，空间分辨率分别为0.5m。
基于高分辨率遥感影像的城市绿地信息提取方法分析
基于高分辨率遥感影像的城市绿地信息提取方法分析发布时间：2022-06-14T07:16:26.286Z 来源：《新型城镇化》2022年12期作者：梁亚敏王瑞[导读] 保证城市绿地分类的科学性、有效性，且做到合理规划与积极建设，能够使城市绿化覆盖率持续提升，强化城市绿地规划的整体效果。
天津东晟图地理信息技术有限公司天津市 300000摘要：保证城市绿地分类的科学性、有效性，且做到合理规划与积极建设，能够使城市绿化覆盖率持续提升，强化城市绿地规划的整体效果。
故此，文章将围绕高分辨率遥感影像提取城市绿地信息的方法展开以下分析，希望展现高分辨率遥感影像技术的优势，提高城市绿地信息提取的效率。
关键词：高分辨率；遥感影像；城市绿地；信息提取随着高分辨率遥感卫星的成功发射，象征着地球空间数据获得和处理技术进一步发展，使遥感运用范围持续扩大，强化地理数据的更新速度，特别是1米空间分辨率IKONOS卫星影像可支持商用，有助于推动遥感技术的发展。
城市绿化水平作为评价城市生态环境的重要指标，进行城市绿化信息的采集十分关键。
在高分辨率传感器技术完善发展的今天，运用遥感技术能获取更多地表景观信息，为城市化建设提供可靠依据。
一、高分辨率遥感影像提取城市绿地信息的有效性（一）高分辨率遥感影像技术的基本概述遥感技术主要是信息技术、航天技术快速发展的产物[1]，具体指通过人造卫星、飞机或者其他飞行设备上获得地物目标的电磁辐射信息，从而对地球环境与资源进行有效判定的技术。
高分辨率遥感技术是在较远距离对目标反射或者自身辐射的电磁波、可见光、红外线进行感知，准确探测与识别目标的技术手段。
（二）高分辨率遥感影像的基本特点 1.空间分辨率比较高米级亚米分辨率所展现的图像十分清晰[2]，目标物形状可以准确看到，影像中地物尺寸、形状、结构与相邻关系能够充分体现出来。
空间分辨率较高的基础上，能够让地物类型更加多变，纹理类型与纹理区域有明显变异性特点，相同地物内部构成要素丰富多元的细节信息都能得以体现，促使地物光谱统计特点稳定性降低。
如何利用遥感影像进行城市绿地测绘
如何利用遥感影像进行城市绿地测绘遥感影像是一种使用传感器通过航空或卫星获取地球表面物体信息的技术。
在城市规划和环境保护中，利用遥感影像进行城市绿地测绘具有重要意义。
本文将探讨如何利用遥感影像进行城市绿地测绘，包括数据获取、影像处理和应用等方面。
数据获取是进行遥感影像测绘的第一步。
目前，可以获取高分辨率的航空遥感影像和卫星遥感影像。
航空遥感影像的分辨率相对较高，可以提供更详细的城市绿地信息，而卫星遥感影像则具有广域覆盖的优势。
根据具体需求和研究区域的特点，选择合适的遥感影像数据源是至关重要的。
在获取遥感影像数据后，需要进行影像处理。
首先，对遥感影像进行几何校正，以消除影像中存在的畸变和影响测量精度的因素。
其次，进行影像增强，以提高影像的清晰度和对比度，使城市绿地等目标更加明显。
同时，还可以进行影像分类和分割，将影像中的各类地物进行区分和提取。
基于分割结果，可以计算城市绿地的面积、形状等参数，以及进行景观分析和变化检测。
利用遥感影像进行城市绿地测绘的应用是多样的。
首先，可以对城市绿地进行定量评估和监测。
通过对不同时期的遥感影像进行比对和分析，可以得到城市绿地的变化情况，为城市规划和管理提供科学依据。
其次，可以进行城市绿地的类型划分。
利用遥感影像的分类和分割功能，可以将城市绿地划分为公园、绿化带、花坛等不同类型，并进一步分析各个类型的分布和空间结构。
此外，还可以利用遥感影像提取城市绿地的水质、植被指数等信息，评估城市绿地的生态环境质量。
在遥感影像测绘城市绿地过程中，还需要注意一些问题。
首先，遥感影像的准确性受到多种因素的影响，包括大气、地物和仪器等。
因此，在遥感影像处理和分析过程中，应进行影像校正和验证，以提高测量的准确性。
其次，城市绿地与其他地物（如建筑物、道路等）在遥感影像中可能存在混淆的情况，因此，需要借助辅助数据（如地形地貌、土地利用规划等）进行解译和判别。
综上所述，利用遥感影像进行城市绿地测绘是一项重要的技术和工作。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘要 :建筑物阴影会对城市绿地产生遮蔽 ,从而影响城市绿化的遥感调查结果 。该文利用乌鲁木齐的 QuickBird 遥 感数据 ,采用面向对象的技术对遥感影像进行阴影检测 ,并对阴影区域进行灰度补偿 ,改进了阴影区域的信息 ,然 后采用面向对象的技术对阴影校正后的影像进行绿地信息提取 。结果表明 :该方法检测高分辨率遥感影像的阴影 区域简单易行 ;通过灰度补偿可以有效地恢复阴影区域的信息 ,从而提高城市绿化遥感调查的准确性 。 关键词 :城市绿地 ;高分辨率 ;阴影校正 ;面向对象 中图分类号 :Q149 文献标志码 :A 文章编号 :1000221522 (2009) 022200802206 PU Zhi1 ,2 ;LIU Ping3 ; YANGLiao1 ;BAI Jie1 . Shadow rectification of remote sensing images in information
2 图像阴影的消除
由于阴影区域灰度值较低 ,因此检测出来后 ,还 要对其进行灰度补偿 ,以增强区域内的信息 。阴影 补偿一般采用图像处理或补偿阴影区域信息的方
法 。图像处理的方法 ,如比值法 、直方图变换法 、同 态系统滤波法等 ,在消除阴影的同时也改变了非阴 影区域的信息 。而补偿阴影区域信息 ,可以只对阴 影区域进行处理 ,有利于保持和提高影像整体质量 , 但是由于遥感影像阴影的复杂性 ,其影响因素数不 胜数 ,从理论上讲 ,完全去除阴影几乎是不可能的 。 近年来 ,国内外学者对影像上阴影的补偿也提出过 一些算法[142218] ,但至今还没有一种被大家所公认的 有效方法 。
在高分辨率遥感影像中 ,阴影区域的像元具有 较强的同质性 ,即都具有较低的亮度值 ,且与非阴影 区域的像元具有较明显的对比度 ,可以形成影像对 象 。因此 ,本文采用面向对象的方法分割影像 ,根据 阴影对象与非阴影对象的不同特征 ,设置特征函数 , 进行模糊分类 ,进而提取阴影区域 。
面向对象信息提取技术处理的基本单元是“影 像对象”,而不是单个的像素 。所谓“影像对象”是指 通过多尺度影像分割生成的同质目标[13] 。在很多 特征信息提取的问题中 ,能够完整表现目标特征的 并非单个像元 ,而是那些“同质”像素的集合 ,因此基 于对象的分析方法能更好地利用目标的特征 。采用 面向对象的阴影检测方法具有其优势 ,即通过对影 像分割 ,噪声问题可以得到较好的解决 ,因为这些噪 声区域将和其周边的像元合并到特定的影像对象中 去 ,使得阴影区域中的一些亮度较高的地物 (如白色 汽车等) 被融入到阴影对象中去 ,而不必像一些检测 方法需采用数学形态学的开闭运算来填补阴影区域 中较高亮度地物所造成的孔洞 。
第 31 卷 第 2 期 2009 年 3 月
北 京 林 业 大 学 学 报 JOURNAL OF BEIJ ING FORESTRY UNIVERSITY
Vol. 31 , No. 2 Mar. , 2009
城市绿地信息提取中的遥感影像阴影校正
蒲 智1 ,2 刘 萍3 杨 辽1 白 洁1
3 遥感影像阴影校正在城市绿地信息 提取中的应用
311 研究区概况与数据源 本文从乌鲁木齐市 QuickBird 高分辨率遥感影
像中选取 998 ×1 388 像素的区域作为研究区 。该区 域高楼林立 ,阴影较集中 ,有利于阴影校正及去除的 研究 。影像数据获取时间为 2005 年 9 月 4 日 ;具有 4 个多光谱波段 ,空间分辨率为 2144 m ,波段范围分 别为蓝光波段 450～520 nm、绿光波段 520～600 nm、 红光波段 630～690 nm、近红外波段 760～900 nm ; 1 个全色波段 ,空间分辨率为 0161 m ,波段范围为 450～900 nm。为了充分利用影像的光谱和空间信 息 ,本文对影像进行融合处理 ,得到了研究区的假彩 色合成影像 (见图 2) 。 312 面向对象的阴影检测
要对阴影进行处理或利用阴影所提供的信息 , 首先要对阴影进行正确的检测 ,然后对阴影区域进 行灰度补偿 。到目前为止 ,国内外已有许多学者提 出了不少关于阴影检测或识别的方法 。传统的阴影 检测方法是基于阈值的思想进行的 ,其基本思想就 是根据阈值把图像区域分为阴影区域和非阴影区 域 。最常用的方法是灰度直方图法 。其他常用的阴 影检测算法还有基于阴影色彩不变性的阴影检测算 法[7228] 以及同态低通滤波法[9] 。国内许多学者在这 些方法的基础上 ,也提出了一些新的方法 ,如整体变 分模型法[10] 、基于彩色空间的色彩转换方法[11] 和多 波段阴影检测法[12] 等 。
近年来 ,国内外学者已提出了多种遥感影像阴 影检测的技术和方法 ,以及阴影校正的方法 ,如基于 直方图的阴影检测技术[5] 、基于同态滤波阴影检测 技术 ,归一化处理 、纹理分析[6] 等方法 ,取得了一定 的效果 。这些技术和方法虽然都能有效地检测阴 影 ,但都或多或少地存在一些缺陷 ,而且一些阴影检 测方法涉及数学形态学中的腐蚀和膨胀算法 ,算法 较复杂 ,不易掌握 。本文试图在前人研究的基础上 , 通过分析高分辨率卫星影像阴影的光谱特征 、几何 特征 ,结合高分辨率卫星影像的特点 ,提出一种简单 易行的面向对象的高分辨率卫星影像阴影检测方
82
北 京 林 业 大 学 学 报
第 31 卷
遥感影像的一个像元具有一定的实际地面面 积 ,处于阴影区域边界的像元和处于非阴影区域边 界的像元 ,既有阴影部分 ,又有非阴影部分 ,而且由 于环境反射光的差异 ,阴影去除后 ,形成阴影边界的 亮边缘和非阴影边界的暗边缘 。为了减轻这种效 应 ,本文在灰度补偿之后再沿阴影边界进行一次均 值滤波处理 ,从而使灰度补偿后的阴影区域能够较 平滑地向非阴影区域过渡 。
extraction for urban green space. Journal of Beijing Forestry University (2009) 31 (2) 802285 [ Ch , 26 ref . ] 1 Xinjiang Institute of Ecology and Geography ,Chinese Academy of Sciences ,Urumchi ,830011 ,P. R. China ; 2 Graduate University of Chinese Academy of Sciences ,Beijing ,100049 ,P. R. China ; 3 School of Forestry ,South China Agricultural University , Guangzhou ,510642 ,P. R. China.
个独立的阴影区域和其邻近的非阴影区域之后 ,采 用如下映射策略对阴影区域的灰度值进行补偿 :
I′=
mc
+
I
σs
m
sσc
(2)
式中 : I 是补偿之前的阴影区域像素灰度值 , I′是补
偿之后的像素灰度值 , ms 、σs 是阴影区域的均值和
方差 , mc 、σc 是非阴影区域的均值和方差 。
图 1 阴影区域和邻近的非阴影区域 FIGURE 1 Shadow region and adjacent non2shadow region
已有学者对高分辨率遥感影像提取绿地技术进 行了研究[1224] 。但由于高分辨率卫星的高度相对较 低 ,城市高大建筑物在影像上会产生阴影 ,这些阴影 区域的地物信息量相对较少 ,难以判读 ,不仅影响了 人们的视觉判读效果 ,而且在影像处理和工程应用 中 ,影响操作进程 ,甚至产生错误结果 。阴影区域内 存在大量的绿地 ,如果不能正确提取出来 ,将会影响 绿地调查的精确度 。随着高分辨率遥感影像在城市 绿化调查中的广泛应用 ,对去除遥感影像的阴影 ,提 取阴影区域绿地信息的方法及技术进行研究 ,具有 重要的现实意义 。
第2期
蒲 智等 : 城市绿地信息提取中的遥感影像阴影校正
81
法 ,并采用面向对象的技术对经过阴影校正的遥感 影像进行绿地信息提取研究 。
1 图像阴影的检测
阴影是指成像光线被障碍物体完全或者部分遮 挡的成像区域 ,阴影区域的灰度值一般比周围的成 像区域的灰度值要小 。遥感影像中的阴影是一种图 像退化现象 ,它的存在会影响后续的图像匹配和地 物提取等许多遥感图像的处理和操作 。在图像匹配 中 ,明显地物特征受到阴影的模糊作用而变得不明 显 ,从而影响像对匹配的精度和速度 ; 在地物提取 时 ,阴影的存在会破坏地物边缘的连续性 ,而地物边 缘恰恰是地物提取的重要依据 。因此 ,有必要对影 像上的阴影区域进行处理 ,以提高计算机自动处理 的能力 。
Densely high2rise buildings in urban areas often result in the errors in remote sensing analysis regarding urban green space because of the shadows of these buildings. This paper adopts an object2oriented method to detect the shadow of QuickBird data of Urumchi ,Xinjiang of northwestern China ,and calibrats the information of shadow region using shadow compensation. The object2oriented method was also used to extract the information of green space of the shadow rectified QuickBird data. The results show that this method is simple and easy to detect the shadow region in remote sensing image ,and can recover the information of shadow region by shadow compensation ,and thus can improve the accuracy of remote sensing of urban green space. Key words urban green space ; high resolution ; shadow rectification ; object2oriented