基于彩色模型的遥感影像阴影检测
基于彩色模型的遥感影像阴影检测基于彩色模型的遥感影像阴影检测摘要：遥感影像是利用空间传感器对地面目标电磁波辐射信息进行探测，它包含了十分丰富的地理信息，是获取地面信息的主要来源。
本文主要根据遥感影像阴影的属性，对基于彩色模型的遥感影像阴影检测方法进行了分析。
关键词：彩色模型；遥感影像；阴影检测中图分类号： P283.8 文献标识码： A引言遥感指的是在20世纪60年代发展起来的以航空摄影技术为基础的一门新兴技术。
起初主要是航空遥感技术，自从美国于1972年发射了第一颗陆地卫星以后，就标志着航天遥感时代的到来。
随着计算机技术和数字图像处理技术的发展，再加上空间技术的突飞猛进，遥感已经渐渐成为采集地球数据以及其变化信息的一项重要技术手段。
在遥感领域中，遥感影像主要指的是航空像片和卫星像片，它主要是用缩小的影像对地表信息进行真实再现，可以让人们超越自身的感官限制，以不同的感知方式和空间尺度快速的对地球环境的动态变化情况进行监测，成为获取地球资源与环境信息的一种重要手段。
遥感影像能够将失误直观、逼真的反映出来，便于目视定性解译，是较为常用的遥感方法。
因为可以通过遥感影像提取很多详细的信息，尤其是近些年来，随着高分辨率遥感影像的发展，遥感影像的应用也开始变得广泛，目前在土地资源、土地利用资源以及动态监测方面得到了十分广泛的应用，比如主要农作物的遥感估产，城市发展和规划的遥感监测植树造林及退耕还林评估，森林资源调查，重要自然灾害的遥感监测与评估等。
但是，随着遥感影像空间分辨率的不断提高，遥感影像中的阴影对遥感影像的应用也带了很多问题。
遥感影像中阴影的特点遥感影像中的阴影主要指的是因为较高的建筑物或者树木等地物遮挡了太阳光，使得太阳光不能直射而形成的区域。
阴影区域包含着地物的微弱信息，比如几何结构、颜色、纹理、亮度等等。
从最早的空中摄影测量算起，阴影在地面地物应用上的影响相对比较突出，尤其是考古学和军事目标识别方面。
随着高分辨率遥感影响的广泛应用，遥感影像中的阴影给影像的应用带来了很多不利的影响，特别是在影像处理和工程应用方面，阴影对其操作进程产生的影响非常大，严重的甚至会导致结果错误。
所以，阴影处理成了遥感影像处理技术中无法避免的问题。
因为对影像的要求存在不同研究领域和不同的应用目的，影像上的阴影在数字图像处理中，既存在有利之处，也存在不利之处。
阴影的类型阴影常被分为本影(Self shadow)和投影(Cast shadow)两种类型，本影指的是遮挡物本身没有被光线照射到的一部分地方，投影指的是照射光线被遮挡物遮挡的背景区域。
本影和投影产生的亮度值可能会不同，影像中阴影的亮度值主要凭借周围间接光源的发射率，因为本影所接触到的周围的间接光源多一些，所以本影的亮度值就会比投影的亮度值大。
如果光源是面光源的情况下，它所产生的投影又能分为全影(Umbra)和半影(Penumbra)两大类，全影指的是光线被全部遮挡的背景区域，而半影指的是光线被部分遮挡的背景区域。
其中具体的含义可以通过图1反映出来。
（图1 阴影的类型）阴影的几何特性阴影的边缘主要能分为四大类，即阴影形成线(Shadow marking lines)、阴影线(Shadow lines)、分隔线(Occluding lines)、隐阴影线(Hidden shadow lines)。
阴影形成线指的是被光源直接照射的物体表面部分与不被光源照射部分的分界线；阴影线指的是阴影形成线的投影线的可见部分；分割线指的是物体和它的投影的分隔线；隐藏阴影线指的是阴影形成线的投影线不可见部分。
具体用图2来表示。
（图2阴影边缘类型图）在对航空相片或者卫星影像进行处理时，不管是本影还是全影和半影之间的区别都已经不重要了，因为遥感领域中所提到的阴影检测的方法，只仅仅针对投影即影像图中遮挡物的投影。
阴影检测因为受到遮挡物的遮挡，阴影区域内地物的信息量就会变少，所以判读起来有很大的困难。
在实际的应用过程中，阴影在很大程度都对影像的处理结果有所影响。
而怎样消除阴影的带来影响，一直是遥感影像阴影处理的难题。
本文主要结合实验从以下三个方面对其进行分析：4.1、基于HSV彩色空间的阴影检测HSV也就是我们通常所说的色调、饱和度、亮度，供人们调色或者挑选颜色所用，是人们用视觉观察色彩的一种方式，HSV彩色系统与人们对彩色的感知和了解是十分接近的。
基于柱坐标系，RGB(笛片尔坐标系)映射至HSV(柱坐标系)的方程如下：在HSV彩色空间中，将遥感影像阴影区域与非阴影区域进行比较，总结出以下三点：通过分析Phong光照模型可以得出，阴影区的色调值比非阴影区的色调值大。
因为阴影区域的太阳光线被阻挡，所以亮度值也就偏低一些。
因为受到大气瑞利散射的影响，阴影区域的散射光线主要来自波长更短的蓝紫色光，所以它的饱和度相对比较大一些。
（图3HSV彩色空间光谱图）算法原理：依据上文阐述的阴影区的特点，对阴影区进行检测。
此种方法首先要对彩色影像进行从RGB到HSV色彩空间变换，然后再根据阴影区的色调、亮度、饱和度的值，定义M=(S-V)/(H=S=V)，运用光谱比技术得出比值图像。
利用Otsu方法对比值图像的阈值进行确定，然后再将图像进行分割，确定出备选的阴影区域。
4.2、基于C1C2C3彩色空间的阴影检测彩色不变特征指的是在照明或者环境发生改变的情况下，机器视觉系统利用彩色的参数模型仍然对目标进行识别的能力，大量实验表明，人类的视觉系统具有某种程度上的彩色不变特征。
实践证明，在某些彩色空间中，阴影区的颜色特征并不会跟随成像的条件产生变化，因此，提出了彩色特征不变的C1C2C3 空间，把RGB空间转换到C1C2C3 空间的定义为：算法原理：通过对Phong光照模型的分析得出，阴影区在RGB空间的像素值会变得比较低低，而且ΔIR＞ΔIG＞ΔIR,R和G下降的比重比较大，然而蓝光却十分特别，由于用太阳光作为光源的时候，蓝光在拍摄过程中会受到很大的环境散射影响，因此，阴影区的蓝光值会变的比较低，这相当于给阴影下降区的蓝光增加了份量，所以能够在RGB彩色空间的蓝色区域中提取阴影区。
因为在C1C2C3彩色空间中，色彩特征不变量只对反射光的影响较为敏感，再加上B份量相对比较特殊，所以选择C3分量提取遥感影像的阴影区。
这一部分阐述的算法主要是先对彩色影像进行RGB到C1C2C3彩色空间的变换，因为B区域在阴影区的灰度下降的最低，因此，在C1C2C3彩色空间给C2进行分量时，阴影区所占的是像素值较高的那端，采用阈值分割法对C3分量图得到初步的阴影区，然而最初的影像中，偏蓝色地物在C3分量中的像素值就非常高，一定得从阴影区把这些区域去除掉。
所以，必须得把C3分量图和B分量图结合起来，运用双阈值来对阴影进行检测。
如果C3分量比某一个阈值高，同时在B分量中比某一个阈值高的区域，才能被检测并确定为阴影区。
4.3、基于彩色模型的遥感影像阴影检测算法原理：基于HSV彩色空间的阴影检测，主要是依据阴影区域影响的色调、亮度、饱和度的特性；基于C1C2C3彩色空间的阴影检测，主要是根据阴影区与飞阴影区的区别的特点。
而基于彩色模型的遥感影像阴影检测算法跟以上两种算法相结合，使得阈值选择的主观性和片面性降低了，但却使阴影检测的精度得以提高。
也就是对HSV 彩色空间检测区以及C1C2C3彩色空间的检测区进行与运算，要是某一个区域在这两种检测方法中都被确定为阴影区，那么就会对这一区域进行标记，不然就会否认其是阴影区。
在初步得出阴影分割的结果之后，就应该对每个独立阴影区的面积的大小进行统计，如果其面积比给定的面积阈值小，那么就会被确定为非阴影区内部亮度比较低的地物。
这样的出来的去处小区域的结果，可能还会因为阴影区内部有一定的亮度比较高的地物而留有一定的空洞，所以，对于被分割出来的阴影区还应该进行数学形态学的与运算处理，也就是先进行一次膨胀，然后再用同样的幅度对其进行腐蚀处理，这样一来得出的阴影区就会比较精准，具体侧操作过程如下：（1）把图像从RGB空间转换到HSV空间，得出色调份量H、亮度份量V、饱和度份量S；（2）运用光谱比技术，对M=(S-V)/(H=S=V)进行定义，得出比值图像，将阴影区的高色调值、低亮度值和高饱和度增强的特性；（3）运用Otsu方法对比值图像的分割阈值进行确定，并且对其进行分割，得出初步的阴影区；（4）把分割后图像的噪声消除，并进行中值滤波，把备选的阴影区确定出来；（5）把图像从从RGB空间转换到C1C2C3彩色空间得出C3分量图，并且从RGB空间得到B分量图；（6）对B分量图和C3分量图的阈值进行分析，从而得出双阈值检测结果图；（7）对第四步和第六步的结果进行与运算的叠合处理。
（8）对第七步的结果中的小区域去除掉，并进行形态学的闭运算处理，从而得出最终的阴影检测图像。
（图4 算法流程图）实验结果与分析5.1、实验结果本文运用以上所阐述的集中方法，对阴影区进行了多种检测实验，因为条件限制，本文将主要列出其中三幅图的结果（如图5所示），为了方便对检测结果进行观察和分析，用白色表示检测出来的非阴影区，黑色表示检测出（原图）（直方图阈值检测）（形态学检测）（彩色模型检测）（图5图3 检测结果）5.2、统计分析对以上所进行的三个实验结果进行统计和分析，具体运用Shufelt（）提出的评价方法来评估上文的检测结果中所得出的阴影区。
提出两个评价指标，主要是准确率和精度。
阴影区检测准确率C1，阴影区检测总体精度A1。
以上公式中MFP指的是非阴影被检测为阴影的像素数，MFN指的是阴影被检测为非阴影的像素数，MTP指的是被正确检测的阴影像素数。
依据上文中所阐述的阴影检测的评价指标，把处理之后的影响按照其准确率和精度分别进行统计，其结果如下表所示：（阴影检测之后的图像统计数据）检测方法影像准确度指标精度指标直方阈值法图3图4图5 63.12%65.34%68.26% 61.45%83.37%66.21%形态学检测法图3图4图5 80.21%81.34%81.78% 78.53%79.46%80.23%彩色模型检测法图3图4图5 91.28%92.01%92.37% 90.11%90.98%91.23%（原图）（直方图阈值检测）（形态学检测）（彩色模型检测）（图6图4检测结果）结束语根据遥感影像阴影区域的一些特征，包括高色调值、高饱和度值、低亮度值、彩色不变以及蓝光值波动比率小特点，把RGB空间转换成HSV空间和C1C2C3彩色空间，同时还结合了，光谱比技术、双阈值检测和数学形态学原理，提出了一种基于遥感影像色彩模型的阴影检测算法，通过实验得出了所提出的方法的有效性，同时还跟其它的检测方法进行了分析和比较，其结果表明直方图阈值法和形态学检测法很容易把影响中跟阴影区的颜色、亮度或者色调值比较接近的建筑物或者道路误以为是阴影；并且通过统计和分析得出，用彩色模型检测法对隐性进行检测，其准确度和精度比传统的阴影检测方法要好很多，检测效果也非常好。
基于遥感影像的重要地物的变化检测和标注
基于遥感影像的重要地物的变化检测和标注
樊华;王文旭;孙杰;李晓阳
【期刊名称】《科学技术与工程》
【年(卷),期】2024(24)9
【摘要】破坏性灾害会造成巨大危害和损失,灾后一定时间内由于信息匮乏,使得对了解灾情和救灾都极为不利。
为了及时获取灾区建筑物、道路、桥梁、水库等重要地物的倒塌和毁坏信息,给出了一种可自动识别和标注灾害前后遥感图像差异区域的方法。
首先对时序遥感影像通过三维块匹配(block matching 3D,BM3D)方法去除高斯噪声,然后利用尺度不变特征变换(scale-invariant feature transform,SIFT)方法进行图像配准,通过对差分图像采用Wv_Canny边缘检测方法获得差异区域重要地物的边缘信息,最后识别并标注出发生变化的重要地物,真实遥感图像实验结果按建筑物变化面积比较,正确率78%~79%,误检率21%~22%,无漏检率。
仿真试验和实际遥感影像处理表明:所研究方法可有效识别和标注建筑物等重要地物的差异区,有利于灾后破坏性地物的及时了解和救助工作。
【总页数】10页(P3586-3595)
【作者】樊华;王文旭;孙杰;李晓阳
【作者单位】河南省地震局
【正文语种】中文
【中图分类】P694
【相关文献】
1.基于FastICA算法的遥感图像中地物变化检测
2.一种基于通用影像质量指数的遥感影像变化检测方法
3.迭代加权多元变化检测算法在高分辨率遥感影像变化检测中应用
4.基于多分类器集成和对象的城市典型地物要素变化检测——以ZY-3影像为例
5.基于空间模糊C均值聚类和贝叶斯网络的高分一号遥感影像变化检测
因版权原因，仅展示原文概要，查看原文内容请购买。
遥感中的阴影及应用
遥感中的阴影及其应用前言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显得极其重要。
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，高分辨率卫星遥感开创了许多新的应用领域，但影像中的阴影是一个必须解决的问题。
它给像影像分类这样的一些应用带来了很大的麻烦。
比如在卫星遥感影像分类中，大多数的地形或地物阴影与水体的光谱特征相混淆，很难准确地它们进行分类。
阴影区地物表现在遥感影像上信息量相对较少，难以判读，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。
一种基于无约束总变分模型的阴影检测方法
物体 的形 状 、 色 等信 息 ， 这 些 信 息 被一 些 噪 声 干扰 ， 颜 但 这些 噪声 一 部分 来源 于 图像 获取 过程 ， 一部 分 来 源 于 自然原 因 ， 比如 阴影 ．从 ２ ０
世纪 ９ ０年代 开始 ， 图像 上 的阴影成 为一 个新 的研究 领域 ， 于影像 上 对 的阴影检测 问题 ， 内外 学 者 做 过 大 量 研 究 ， 已提 出 了不 少 算 法 ， 国 并
影 检测 方法包 括 ： 于单 波段 的 阴影 检测 方 法 ， 于某 一彩 色空 间 的 基 基
阴影检测 方法 和基 于颜色 空 问 变换 的 阴影 检 测 方法 ． 近年 来 ， 于变 基 分 问题 的图像处 理方 法 成 为 图像 处 理 领 域 的 一 个热 点 ， 同样 也 成 为 阴影 检测 的一个 主要 研究 方 向 ． 以 图像 恢 复 为 主 要 目的 的 总 变 分 （ ｏ ｌ ａｉ ｉ ， Ｖ）模 型 于 Ｔｔ ｒ ｔｎ Ｔ ａ Ｖ ａｏ １９ ９ ２年 由 Ｒ ｄｎ等 提 出后 ， 多学者 对此进 行 了较 深入 的研 究 ， ｕｉ 许 并 成功地 将 总变分 模 型 应 用 于 图 像恢 复 和 图像 修 补 等 领 域 ． 基 本原 其 理是在 满足 若 干 约 束 条 件 下 ， 小 化 图像 的总 变 分 ， 对 于 噪声 图 最 即
像 ， 满 足 噪声 方 差 的条件 下 ， 图像 的总 变分 最 小 ， 在 使 以达 到 去 噪 的 目的 ； 对于有 缺损 区域 的 图像 ， 利用 最 小 化 图像 的总变 分来 实 现对 退 化 图像 的 修 补 ． 变 分 方 法 在 图 像 复 原 领 域 得 到 了广 泛 的应 用 和 总
阴影检 测 ； 变分 ； 约 束 总 无
基于同态滤波的高分辨率遥感影像阴影消除方法
关 键 词 ： 感 影 像 ； 影 检 测 ； 影 消 除 ： 态 滤 波 遥 阴 阴 同
中 图 分 类 号 ：Ｐ ９ ．１ Ｔ３１ ４
Ｂ ａ ｙ 出 的基 于 色 彩 空 间 的 阴 影 消 除 方 法 。此 方 法 首 先 统 计 ｒｄ 提 影 像 数 据 灰 度 直 方 图 。 据 双 峰 法 检 测 阴 影 ； 后 用 直 方 图 拉 根 然
指成像 光线被 障碍体 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 。 但是 如果 障碍 体是 透 明的 ， 障碍体 具 有 聚光性 能 ， 么 阴影 区域 的灰 度值 且 那
响 匹 配 算 法 的成 功 。
１ 基 于 同态滤 波 的 阴影 消 除 方 法
１１ 阴 影 形 成 机 理 分 析 ．
遥感 影像 上 的每 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 ， 完 全 消 除 影 像 上 的 阴 影 、 复 阴 影 区 域 中 地 物 的 要 恢
文 献标识 码 ： Ａ
文 章 编 号 ：６ ２ ７ Ｏ （０ ０ ｌ－ ２ ０ ０ １７ — ８ ０ ２ １ ）１ ０ １ — ３
彩空 间 的阴影 消 除方 法 。代 表作 为 Ｒ ｌｈＨｉ ｎ ｍ和 Ｍｉ ａｌ ａ ｇ ａ ｐ ｈ ｃ ｅ ｈ
０ 引言
阴影 是高空 间分 辨率遥 感影像 上最 常见 的问题 之一 ， 是 它
遥感图像的阴影检测技术(最全版)PTT文档
总结：
1) 由于各个为了更大地减小阴影检测误差，我们应该通 过大量的研究，希望能找到基于某种彩色空间的检测误差更 小的遥感图像的阴影检测技术。
2) 由于光源和场景的三维结构不易得到，基于模型的阴影检测 方法局限性很大，但其检测效果是最好的。所以，以后的研 究重点要放在基于模型的阴影检测技术上 。
遥感图像的阴影检测技术
随着航空卫星技术不断发展的步伐，高空间 分辨率遥感的广泛应用，如何消除遥感影像的阴 影，具有越来越重要的现实意义，但是这个问题 一直是遥感影像处理领域的一个难题。在这种情 况下，人们开始了遥感图像阴影检测技术的研究。 阴影既是使图像退化的噪声源，又是提供一些有 用信息的信息源。有了阴影检测技术，我们就能 获取更多关于我们所研究的对象的一些有效信息。
下面是一幅遥感图像：
自
投
阴
射
影
阴
影
针对遥感图像的阴影检测本文主要阐述了三种实现遥感图像的 阴影检测的算法：
1） 基于RGB彩色空间的归一化处理的阴影检测算法； 2） 基于RGB彩色空间的直接差分算子的阴影检测算法； 3） 基于纹理分析的阴影检测算法。
我们的重点研究的算法是基于RGB彩色空间的归一化处理的阴 影检测算法。
由于光源和场景的三维结构不易得到，基于模型的阴影检测方法局限性很大，但其检测效果是最好的。 我们的重点研究的算法是基于RGB彩色空间的归一化处理的阴影检测算法。
1)由于光线被遮挡2，)阴阴影影区域区具有域更具低的有灰度更值高的色调值
整个的阴影检测流程如下图所示： 但原始影像中的偏蓝色地物在B’分量中也具有很高的像素值，需要将这些区域从阴影区域中去除。
3）向具有更好的定位性,更好的边缘性,精度较高的阴影检测技术 方向发展。
图像的阴影检测与去除算法分析
图像的阴影检测与去除算法分析摘要：针对图像阴影的问题，文章讨论了现有的几项检测技术，即“光照无关”“连续阈值图”与“区域生长”技术。
进一步分析了阴影去除算法，包括泊松方程、梯度域以及成对区域三种算法。
关键词：图像阴影；检测技术；去除算法引言：采集图像中，往往会受到各种各样因素的影响，导致图像质量下降。
而阴影就是一种常见的降质表现，主要是由成像条件造成的。
阴影会令图像承载的信息量不完整，或是被干扰，影响目标解译的精度。
而阴影既会限制视觉判断，又不利于图像分析和后期处理，所以检测与去除阴影是有必要的。
一、图像的阴影检测技术（一）光照无关阴影检测技术光照无关技术运行机理在于，从RGB颜色空间，转换成仅和图像采集设备感光函数与拍摄目标表面反射特征相关，但和物体接受的光线方向、色彩及亮度都没有联系的一种灰度图像。
借助灰度图像本身的光照无关的特性，检测目标物体的轮廓位置，最终结合从原图中获取的目标物及阴影边缘，以此测出阴影边缘。
此种阴影检测技术，即便拥有面对较为杂乱纹理信息的图像，也能保持较佳的鲁棒性[1]。
但对于比较复杂的阴影区域，精准测出阴影边界的难度较大，这主要和图像采集设备摄影函数及表面反射率有关。
由此可推断出，该项检测技术的适用范围有：普朗克成像光源；朗伯成像表面；采集设备光谱响应函数是窄带函数。
但现在现实中，很少会有图像可以同时符合以上三项条件，因此该方法存在较大的使用限制。
（二）连续阈值图阴影检测技术从肉眼观察层面来讲，HSI颜色模型属于相对接近的色彩描述，包含角度与饱和度、强度等。
如果根据角度与强度比值，绘制比率图，用于测出彩色遥感图像上的阴影区域，基本操作流程是：通过比率图，完成HSI建模。
根据此模型的色彩表现，阴影部分和非阴影处相较，强度偏低、角度较高。
倘若在该种方法的基础上，借助双边滤波器，对目标图像实施滤波处理，这样起到去噪的作用。
而后利用全局阈值，将像素划分成非阴影与候选阴影两个类型，初步生成阴影图。
面向对象的高分辨率遥感影像阴影提取方法
面向对象的高分辨率遥感影像阴影提取方法
面向对象的高分辨率遥感影像阴影提取方法，是一种基于遥感影像对象提取技术实现的阴影变化检测方法。
该方法主要分为以下几个步骤：
1. 数据预处理：读取高分辨率遥感影像，进行预处理操作，包括灰度校正、空间校正、大气校正等。
2. 影像分割：使用Mean-Shift算法或Watershed算法进行影像分割，将遥感影像分割成多个对象。
3. 特征提取：根据光学特性和形态特征等选取阴影提取特征，如颜色、形状、纹理、边缘等，计算每个对象的特征向量。
4. 阴影提取：将特征向量输入到分类器中进行分类处理，判断每个对象是否是阴影，将阴影对象分割出来。
5. 阴影变化检测：对两幅遥感影像进行阴影提取，比较两幅影像中的阴影对象是否存在变化，建立变化检测模型。
该方法具有提取精度高、计算速度快等优点，可以广泛应用于城市规划、土地利用、生态环境等领域。
fmask云阴影检测原理
fmask云阴影检测原理
FMask云阴影检测原理是一种基于图像处理的自动云阴影检测方法。
它将立体可见光图像（RGB）与地表的热成像逐像元联合处理，然后计
算出每个像元的亮度，以切断像素直接下方的云阴影和光照。
这项技
术基于学会处理太阳高度角，反射比，和气溶胶影响计算出来的表面
反射率，以及相对热量，从而定量检测云阴影。
该算法使用特定的数
学公式对RGB影像的每个像素进行处理，从而计算表面反射率和相对
热量，从而实现自动云阴影检测。
根据图像中的云阴影深度值，FMask
可以将每个像素分配到不同的类中，从而实现自动识别和分割地表物质。
FMask云阴影检测原理的基础是比较彩色卫星图像中像元的亮度值，并
根据较小和较大亮度值之间的差异，反映每个像元的下方是否有云阴影。
FMask主要利用太阳高度角和太阳方位角，以及反射比来计算每个
像元受到的太阳辐射量，并将其用于计算出表面反射率。
此外，根据
云的辐射损失模型，这种技术还可以计算出被云遮挡的每个像元的相
对热量。
依据上述原理，FMask最终通过对3个影像中的每个像元进行数学
处理，计算出每个像元的表面反射率、相对热量、以及太阳辐射量，
从而实现了准确的云阴影检测。
该方法既能够提供准确的地表类型识别，也可以实现准确的云阴影检测，成为在可见光图像中云阴影分析
的有效途径。
基于水平集的航拍影像阴影检测与去除系统设计
基于水平集的航拍影像阴影检测与去除系统设计摘要:建筑物、树木和山脉等遮挡光线,可能使航拍影像中出现阴影。
而阴影区域的存在可能影响图像后续处理,导致重要信息丢失。
本系统旨在设计自动检测航拍影像中阴影区域并将其去除的系统,选择并搭建基于水平集航拍影像阴影检测算法的进行系统设计。
系统主要功能包括:图像读入、图像去雾、阴影检测、阴影去除。
关键词:航拍影像图像去雾阴影检测阴影去除水平集1 系统研究意义建筑物、树木和山脉等遮挡太阳光线,使遥感航拍影像中存在阴影区域。
阴影区域的存在可能导致重要信息的丢失,进而影响影像的后续处理,如图像配准、图像内容理解、分割、特征提取、目标变化检测和定位等。
阴影检测是遥感航拍影像中地物跟踪、分类和识别等处理的重要步骤之一,目前阴影检测技术可分基于模型与基于阴影属性两大类,基于模型的方法需有关影像中地物几何形状或DSM数据、太阳高度角、传感器参数等知识,计算复杂,且适用于特定场景。
基于阴影属性的方法通过分析阴影区域在亮度、几何结构和颜色等方面的共性及其与非阴影区域的差异来检测阴影区域,应用比较复杂[1]。
本系统旨在开发设计自动检测航拍影像阴影区域并将其去除的系统。
选择并搭建基于非匀质区域水平集航拍影像阴影检测算法的系统开发平台,实现自动检测阴影区域并将其去除。
系统主要功能包括:图像读入、图像去雾、阴影检测、阴影去除。
图像阴影区域极可能含重要信息,准确检测阴影区直接关系到影像后续处理及获取与识别阴影区中重要信息的成效。
本系统所用的算法不仅可解决传统阴影检测方法中对非匀质同块阴影区检测不全面的问题,也可检测到传统方法中漏检的亮阴影区。
检测到的阴影区连续、边缘清晰整齐,并能有效排除绿色植被干扰,检测正确率高,漏检率低,检测全面,阴影区提取方便。
2 国内外研究现状G.D.Finlayson等最早提出利用彩色不变量来进行阴影检测、阴影消除[2],但是这些彩色不变量要在图像满足中性界面反射模型的条件下才成立[3],而且很多的航空影像都难以满足此条件。
基于彩色模型的遥感影像阴影检测
影的光谱性质和几何性质提出了一种检测方法Ｈ ； Ｈ ｉ ｇ ｈ ｎ ａ ｍ和 Ｂ ｒ ａ ｄ ｙ （ １ ９ ９ ７ ） 提 出基于直方 图阈值 的阴
影 检测 方法 ； Ｅ ｌ ｅ ｍ ａ ｄ ｍ ｉ ａ和 Ａ ｌ ｓ ｈ ａ ｒ ｉ ｆ（ ２ ０ ０ ３ ） 提 出 了
同态滤 波 的 阴影 检 测 方 法 ； 王 树 根 提 出 了基 于 Ｒ Ｇ Ｂ色彩 空 问的 阴影检测 方法 （ ２ ０ ０ ２ ） 、 基于 Ｋ ． Ｌ变 换 的检 测方法 （ ２ ０ ０ ４ ） 、 基 于 整体 变 分 模 型 的 阴影 检测 方法 （ ２ ０ ０ ６ ） Ｅ ８ １ ； 虢建宏 （ ２ ０ ０ ６ ） 根 据 遥 感 影 像 多波 段 的性 质 ， 提 出 了一 种 阴影 检 测 方 法 ； 季 顺 平 （ ２ ０ ０ ７ ） 在前 人 的基 础 上 提 出 了一 种 改 进 的 高斯 背景 检测 方法 ¨ ； Ｘ ｉ ａ 等人 （ ２ ０ ０ ９ ） 提 出一 种基 于邻 近传播 的阴影 检测方 法 ； 鲍 海英 （ ２ ０ １ ０ ） 根据 遥感 影 像 的 彩 色 空 间 特 性 体 提 出 了 一 种 阈 值 检 测 方 法¨ ； 郑 文武 （ ２ ０ １ ０ ） 提 出 了基 于 Ｌ Ｓ ＭＡ 的阴影检 测 方法 ¨ ； 卞建 勇 （ ２ ０ １ １ ） 提 出 了一 种基 于纹 理和小 波 变 换 的阴影 检测 方法 ¨ ； 常村 红 （ ２ ０ １ ２ ） 提 出 了一 种
第１ ３卷
第 １ ８期
２ ０ １ ３年 ６月
科
学
技
术
与
工
程