山地丘陵区遥感影像阴影检测与去除方法
遥感影像云团和云影检测与去除_田养军
第29卷第3期地球科学与环境学报No .3V o l.292007年9月Journal of Earth Sciences and Envir onmentSept.2007收稿日期:2006-09-31基金项目:新疆地质矿产勘查局地质调查项目(XGM BL 2005008) 作者简介:田养军(1964-),男,陕西蓝田人,讲师,博士研究生,从事测量工程、遥感图像处理研究。
E -mail:yangjunt@遥感影像云团和云影检测与去除田养军1,薛春纪2(11长安大学地球科学与资源学院,陕西西安710054;21中国地质大学地质工程与矿产资源图像重点实验室,北京100083)摘要:以图像处理和分析理论为依据,建立了云团、云影图像模型和区域恢复模型,并采用阈值法对图像分割。
用1988年T M 遥感影像对2002年ET M 遥感影像中云团及云影进行去除试验,再现云团和云影区地物特征,提高遥感影像数据的可用性。
结果表明,使用阈值法并利用直方图形态分析选取阈值、检测云团和云影的计算方法简单且效果好;选取合适的两遥感影像灰度平均值之比,可以得到理想的恢复效果,再现云团和云影区地物特征,达到提高遥感影像的可用性。
关键词:遥感图像;云团;云影;检测;去除中图分类号:T P751.1 文献标志码:A 文章编号:1672-6561(2007)03-0300-04Detection and Removal of Clouds and TheirShadows from Remote Sensing ImagesT IAN Yang -jun,XUE Chun -ji(11S chool of Earth Sciences and Re source s,Chang p an U niversity ,X i p an 710054,Shaanxi,China;21K ey Laboratory of Remote S ensing Image of Geological Engineering and Miner al Re source s,China Univ ersity of Geoscience,Beij ing 100083,China)Abstract:T his paper studies the detectio n and remo val of clouds and their shado ws fr om remote sensing imag es based o n t he theor y o f imag e pr ocessing and analy zing ,and sets up the imag e mo del and reg ion resto ring mo del.T he image segment is made by the method of t hr esho lding.T ests o n remov al of clouds and their shado ws fr om ET M remo te sensing images of the year 2002w ith T M remot e sensing images of the y ea r 1988r epr esents t he feat ur es o f objectives on the Earth p s surface in clouds and their shadow reg ion.T he results sho w that,it is found that the co mputation met ho d is sim ple and effective by adopting t hr esho ld metho d t hat the thr esho ld value ischosen acco rding to the shape of histog ram.Selecting pro per g ray scale r atio of tw in remot e sensing imag es may obtain ideal resto ring r esults,which may represent t he objectives o n the Ea rth p s sur face in the clouds and shadow ,and upgr ade the applicatio n o d r emo te sensing images.Key words:remote sensing imag es;clo ud;shado w;detectio n;remo val0 引言自20世纪60年代遥感技术产生以来,遥感已经成为一个新兴的科学技术领域,是当代高新技术的重要组成部分,并广泛应用于国民经济建设和社会发展的诸多领域,特别是在国家基础测绘和建立空间数据基础设施(NSDI)、资源调查,环境保护、自然灾害监测、再生资源预测以及道路设计等领域中发挥着重要的作用。
利用遥感技术进行山地地貌变化监测与分析
利用遥感技术进行山地地貌变化监测与分析遥感技术是通过空间传感器获取地表信息，并将其转化为数字数据进行分析和解释的方法。
在山地地貌变化监测与分析中，遥感技术可以提供高分辨率的影像数据，用于检测和量化地貌变化的过程。
本文将介绍利用遥感技术进行山地地貌变化监测与分析的方法和应用。
一、遥感影像获取首先，获取适用于山地地貌变化监测与分析的遥感影像数据至关重要。
现代遥感技术已经发展到可以提供高分辨率的卫星影像和航空影像。
卫星遥感影像可以通过卫星传输或者在线下载获得，而航空遥感影像则需要进行航空搭载设备的采集。
根据具体需求，选择合适的遥感影像数据，可以是多时相的高分辨率影像，也可以是多源的遥感数据，例如光学影像、雷达影像等。
二、影像预处理在进行山地地貌变化监测与分析之前，需要对获取的遥感影像数据进行预处理。
预处理的目的是去除影像中的噪声，增强地物特征，使得后续分析结果更准确。
预处理包括几何校正、辐射定标、大气校正等步骤。
几何校正主要是消除影像中的外部变形，以使得影像与实地地貌特征对应；辐射定标是将影像灰度值转换为物理参数，如地表反射率或辐射亮温；大气校正是消除影响影像的大气介质对地物反射的干扰。
三、变化检测与分析在完成影像的预处理后，可以进行山地地貌变化的检测与分析。
根据所选用的遥感影像数据的时相差异，可以使用不同的变化检测方法，如分类差异法、阈值法、比率法等。
分类差异法是将两个或多个时相的遥感影像进行分类，然后比较分类结果，找出地形变化的区域；阈值法基于影像的灰度值，定义一个变化阈值，超过该阈值的区域被认为是发生了地貌变化；比率法则是通过计算两个时相遥感影像灰度值的比率，根据比率值判断地形是否发生了变化。
四、地貌变化分析结果应用最后，通过对山地地貌变化监测与分析的结果进行应用，可以为相关领域的决策提供有力的支持。
例如，对于土地资源管理部门来说，利用遥感技术可以实时监测农田的被淹情况，及时制定抢险救灾措施；对于城市规划部门来说，可以利用遥感技术评估城市扩展对山地地貌的影响，制定合理的城市规划方案；对于环境保护部门来说，可以通过监测和分析山地地貌变化，及时发现环境恶化的迹象，采取相应的环保措施。
阴影检测算法在遥感图像中的应用研究
阴影检测算法在遥感图像中的应用研究遥感技术因其高时空分辨率、全面性、实时性等特点，在地理信息、自然资源、环境管理等领域得到广泛应用。
然而，在遥感图像中，由于地形起伏、建筑物、植被等因素，图像中会出现强烈的阴影干扰，对遥感图像的应用和分析带来了较大的困难。
因此，阴影检测算法的研究和应用显得尤为重要。
一、阴影检测算法的基本原理阴影是指物体在光照条件下产生的投影区域，其中的灰度值通常比周围区域低。
因此，阴影检测算法的基本原理就是利用灰度信息对阴影进行检测。
常见的阴影检测算法包括阈值法、统计分析法、能量函数法等。
其中，阈值法是通过设定灰度阈值，将低于该阈值的像素点标记为阴影点；统计分析法是基于阴影区域与非阴影区域的灰度分布特征，结合统计方法进行分类；能量函数法则是通过构造能量函数，将阴影检测问题转化为最优化问题进行求解。
不同算法的优缺点不同，具体应用时需根据实际情况选择。
二、阴影检测算法在遥感图像中的应用阴影检测算法在遥感图像处理中具有广泛的应用。
下面将以城市遥感图像处理为例，介绍阴影检测算法的应用。
1. 地物提取在城市遥感图像中，阴影通常存在于建筑物、树木等高物体的下面。
阴影检测算法可以识别出阴影区域，在根据阴影位置进行地物提取，提高地物提取的精度和效率。
2. 地形分析城市地形的复杂性导致城市遥感图像中阴影干扰较大。
阴影检测算法可以去除阴影干扰，提高地形高程的计算精度。
3. 建筑物立面检测城市遥感图像中的建筑物往往是垂直于地面的，因此可以通过检测建筑物的立面来进行建筑物的识别。
阴影检测算法可以对建筑物的立面进行分割，提高建筑物立面检测的精度。
4. 破碎地形勘测在城市遥感图像中，由于建筑物、道路、河流等因素，地势起伏大，形成了众多的破碎地形。
阴影检测算法可以检测出破碎地形中的阴影区域，从而提高破碎地形勘测的准确性。
三、阴影检测算法的发展趋势随着计算机技术的不断发展和遥感图像的不断更新，阴影检测算法也在不断发展与演变。
遥感影像处理步骤
一．预处理1．降噪处理由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。
（1）除周期性噪声和尖锐性噪声周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。
它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。
一般可以用带通或者槽形滤波的方法来消除。
消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。
（2）除坏线和条带去除遥感图像中的坏线。
遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。
一般采用傅里叶变换和低通滤波进行消除或减弱。
2．薄云处理由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。
3．阴影处理由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。
二．几何纠正通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。
特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。
1．图像配准为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。
（1）影像对栅格图像的配准将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。
（2）影像对矢量图形的配准将一幅遥感影像配准到相同地区一幅矢量图形中，使其在空间位置上能进行重合叠加显示。
2．几何粗纠正这种校正是针对引起几何畸变的原因进行的，地面接收站在提供给用户资料前，已按常规处理方案与图像同时接收到的有关运行姿态、传感器性能指标、大气状态、太阳高度角对该幅图像几何畸变进行了校正.3．几何精纠正为准确对遥感数据进行地理定位，需要将遥感数据准确定位到特定的地理坐标系的，这个过程称为几何精纠正。
高分辨率遥感影像阴影检测与去除的开题报告
高分辨率遥感影像阴影检测与去除的开题报告一、选题背景随着航空摄影和遥感技术的不断进步，高分辨率遥感影像的获取与处理已经成为遥感领域的主要研究内容之一。
但是在实际应用过程中，由于遥感影像中存在着众多的阴影和干扰信息，这些信息会极大地影响到遥感数据的质量和精度，因此高效地检测和去除阴影信息已经成为了遥感领域的研究热点之一。
二、选题意义高分辨率遥感影像的阴影检测和去除是遥感数据处理的重要环节，对于提高遥感数据的质量和精度，具有重要意义。
目前，国内外对于高分辨率遥感影像阴影检测和去除还存在许多困难和挑战，如光照条件的复杂性、遥感影像数据的巨大量、阴影的不确定性等，因此研究高效的阴影检测和去除方法，具有重要的理论和实际意义。
三、研究方法和步骤本文将采用影像分割、阈值分割和几何分析等方法，对高分辨率遥感影像的阴影信息进行检测和去除。
具体步骤如下：1. 影像预处理：包括噪声去除、色彩平衡、图像增强等方法，以提高遥感影像的质量和可视效果。
2. 阴影检测：采用影像分割和阈值分割等方法，对影像中的阴影信息进行检测，确定阴影像元的位置和大小等特征信息。
3. 阴影去除：采用几何分析方法，对影像中的阴影信息进行去除，恢复出原始图像的真实信息。
4. 计算和评估：对处理后的遥感影像进行计算和评估，包括图像质量、精度和可视效果等方面。
四、研究预期成果本文将致力于开发和建立高效的高分辨率遥感影像阴影检测和去除方法，主要目标包括：1. 提出基于影像分割和几何分析的阴影检测和去除方法，实现高效、准确和可重复的阴影信息处理。
2. 采用实际遥感影像进行验证和测试，评估方法的可靠性和精度。
3. 开发相关的计算工具和软件，支持遥感数据处理和可视化。
Landsat TM遥感影像中厚云和阴影去除
Landsat TM遥感影像中厚云和阴影去除
李炳燮;马张宝;齐清文;刘高焕
【期刊名称】《遥感学报》
【年(卷),期】2010(014)003
【摘要】提出了一种新的利用多时相Landsat TM影像数据进行的厚云及其阴影去除的方法.该方法通过分析厚云及其阴影的光谱特征,设计了厚云和云阴影识别模型.该算法的实现是采用图像配准技术、非监督分类、像元替换等运算,计算出厚云和云阴影区域的TM影像替换数据,进而得到消除或者减少云影响的TM遥感影像.试验结果表明本文提出的厚云及其阴影去除方法效果很好,能消除或者弱化云对TM影像数据的影响.
【总页数】12页(P534-545)
【作者】李炳燮;马张宝;齐清文;刘高焕
【作者单位】中国科学院地理科学与资源研究所,北京100101;朝鲜遥感与地理信息系统研究所,朝鲜,平壤;中国科学院地理科学与资源研究所,北京100101;中国科学院地理科学与资源研究所,北京100101;中国科学院地理科学与资源研究所,北京100101
【正文语种】中文
【中图分类】TP751.1
【相关文献】
1.基于支持向量机的遥感影像厚云及云阴影去除 [J], 梁栋;孔颉;胡根生;黄林生
2.基于Landsat5-TM遥感影像植被监测方法研究 [J], 罗东山
3.基于元胞自动机和BP神经网络算法的Landsat-TM遥感影像森林类型分类比较[J], 田静;邢艳秋;姚松涛;曾旭婧;焦义涛
4.基于Landsat5 TM遥感影像估算江山市公益林生物量 [J], 张伟;陈蜀蓉;侯平
ndSat TM/OLI遥感影像在玛多县近30年小型湖泊面积监测中的应用 [J], 冶志强;刘峰贵
因版权原因，仅展示原文概要，查看原文内容请购买。
遥感影像云检测和去除方法综述
遥感影像云检测和去除方法综述遥感影像在现代地理信息系统（GIS）和环境研究中扮演着重要的角色。
然而，由于气候条件、传感器限制或技术问题等原因，遥感影像中常常存在云遮挡。
云遮挡会影响影像的质量，降低地物提取和分析的精度。
因此，对遥感影像进行云检测和去除是非常必要的。
本文将综述当前常用的遥感影像云检测和去除方法，并讨论它们的优缺点。
不同的方法可以分为基于光学遥感和基于雷达遥感两类。
一、基于光学遥感的云检测和去除方法1. 阈值法阈值法是最简单和常用的云检测方法之一。
它基于云的光谱特征，将云像元与非云像元分离。
通过选择适当的阈值，可以实现较好的云检测效果。
然而，由于光照条件和云的形状、纹理等因素的影响，阈值法在某些情况下存在误检和漏检的问题。
2. 纹理分析法纹理分析法利用图像中的纹理信息，通过计算纹理特征来识别云。
它可以有效地区分云与非云区域，并能够应对光照变化和云的形状变化。
但是，纹理分析法对云的覆盖程度要求较高，且计算复杂度较高。
3. 多时相法多时相法通过比较不同时间点的遥感影像，利用云的运动特征来检测云。
它可以较好地处理云的变化和遮挡问题，但需要多个时间点的影像数据，并且对云的运动速度有一定要求。
二、基于雷达遥感的云检测和去除方法1. 激光雷达法激光雷达法利用激光雷达的主动传感器特性，通过发送激光脉冲并接收反射回来的信号，来获取地物的高程信息。
由于激光雷达可以穿透云层，因此可以有效地检测云并进行去除。
然而，激光雷达数据的获取成本较高，限制了其在大规模地表覆盖的应用。
2. 合成孔径雷达（SAR）法合成孔径雷达（SAR）法是一种常用的雷达遥感云检测和去除方法。
它通过接收地面散射信号来获取地物信息。
由于雷达波长较长，可以穿透云层，因此可以实现较好的云检测和去除效果。
然而，雷达像元的分辨率相对较低，影像细节信息较少。
综上所述，遥感影像云检测和去除是遥感数据处理中的重要环节。
基于光学遥感和基于雷达遥感的方法各有优点和局限性。
遥感影像建筑物阴影中树木阴影的去除方法
遥感影像建筑物阴影中树木阴影的去除方法
于东方;殷建平;张国敏;罗磊
【期刊名称】《计算机工程》
【年(卷),期】2009(035)012
【摘要】高分辨率多光谱遥感影像中的建筑物阴影具有重要作用.针对检测到的建筑物阴影经常受高大树木阴影影响的问题,在可分离亮度的Lab颜色空间建立树木颜色模型,使用查表法准确检测遥感影像中的树木区域.提出根据树木区域和光照方向去除建筑物阴影中树木阴影的方法,通过实验证明其有效性.
【总页数】3页(P151-153)
【作者】于东方;殷建平;张国敏;罗磊
【作者单位】国防科技大学计算机学院,长沙,410073;国防科技大学计算机学院,长沙,410073;国防科技大学计算机学院,长沙,410073;国防科技大学计算机学院,长沙,410073
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.Quickbird遥感影像提取建筑物阴影信息的方法改进 [J], 刘小光;苏幼坡;王正;刘益良;
2.基于图割与阴影邻接关系的高分辨率遥感影像建筑物提取方法 [J], 施文灶;毛政元
3.山地丘陵区遥感影像阴影检测与去除方法 [J], 刘健;许章华;余坤勇;龚从宏;唐梦
雅;谢婉君
4.遥感影像去除云阴影的高山区冰湖信息提取方法 [J], 王志林; 冉盈盈
5.一种高分辨率遥感影像阴影去除方法 [J], 杨俊;赵忠明;杨健
因版权原因，仅展示原文概要，查看原文内容请购买。
- 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)。
山地丘陵区遥感影像阴影检测与去除方法刘健;许章华;余坤勇;龚从宏;唐梦雅;谢婉君【摘要】阴影是山地丘陵区遥感影像最为普遍的干扰因素,去除阴影有助于提高影像解译和地物识别的准确性和有效性.构建了阴影植被指数(SVI),并提出应用波段回归模型法实现HJ-1多光谱影像阴影的去除.将该方法应用于试验区HJ-1数据,结果表明:SVI可增大山地丘陵区水体、阴影区及明亮区之间的差异,利用阈值法可以实现影像阴影的有效检测;相关分析显示,各波段拟合模型R2均在0.80以上;比较阴影去除前、后影像的统计指标说明,在植被最为敏感,即受阴影影响最为严重的近红外波段,随着阴影的去除,波段平均值有了较大幅度的增大;去阴影后影像的标准差均比原影像要小,尤其是在近红外波段.试验结果表明,SVI对山地丘陵区HJ-1影像阴影的检测效果较好,而波段回归模型法可以较为有效地实现阴影的去除.【期刊名称】《农业机械学报》【年(卷),期】2013(044)010【总页数】5页(P238-241,237)【关键词】山地丘陵区;多光谱影像;阴影检测;阴影植被指数;波段回归模型法【作者】刘健;许章华;余坤勇;龚从宏;唐梦雅;谢婉君【作者单位】福建农林大学3S技术应用研究所,福州350002;福建农林大学3S技术应用研究所,福州350002;福建农林大学3S技术应用研究所,福州350002;福建农林大学3S技术应用研究所,福州350002;福建农林大学3S技术应用研究所,福州350002;福建农林大学3S技术应用研究所,福州350002【正文语种】中文【中图分类】TP79;P237引言图像阴影可以用来判定光源强度、位置以及山体高度与形状，但阴影削弱了地物在传感器上的响应，严重干扰了目标地物的识别与解译［1～2］。
尤其是在山地丘陵区域，遥感影像中的阴影极为普遍［3］。
虽然可以利用阈值法将影像分割为明亮区与阴影区后分别进行研究，但仍无法解决阴影区域信息丢失的问题。
为此，开展影像阴影检测、去除与信息还原研究有重要意义。
阴影检测是阴影去除的基础工作［4］。
当前遥感影像阴影检测的方法可分为两大类，即基于像元的方法和基于对象的方法［5］。
前者主要利用影像阴影的颜色、结构、轮廓等特性，不作假设来提取阴影;后者则是将阴影的性质与先验知识相结合，并以对象为单元的检测方法［6］。
传统的阴影去除方法包括利用直方图均衡［7］、同态滤波［8］、归一化处理［9］等实现图像增强，但增强后的影像阴影仍较明显。
近年来，许多新的影像阴影去除方法被提出［10～13］。
较之于城市建筑阴影，山地丘陵区影像的阴影更为复杂，寻找一种简捷、可靠的阴影检测与去除方法无疑可以为研究的进一步深入提供便利。
Ono等［14］指出，NDVI、EVI等植被指数的应用虽然广泛，但其对植被类型与质量的响应却十分微弱;卫星数据中不可避免存在阴影效应，而阴影校正工作十分困难，研究发现波段算术平均值归一化可以抑制阴影、地形及大气的影响，依此原理构建了阴影指数SI，并引入NOAA、MODIS等全球卫星数据对该指数进行验证。
该方法的有效性虽然已经在某些数据上得到初步验证，但在中小尺度区域及其他中高空间分辨率数据的适用性仍有待研究。
本文以山地丘陵区域的HJ-1多光谱影像为例，提出一种阴影检测与去除方法，该方法适用于多尺度区域及各种空间分辨率的卫星遥感数据。
1 遥感影像阴影检测与去除方法1.1 基于阴影植被指数与阈值法的阴影检测遥感影像阴影检测方法十分丰富，但相对繁琐。
本文构建一个新的指数——阴影植被指数(Shaded vegetation index，SVI)，并通过选择阈值实现阴影区域的检测。
一般情况下，单纯利用归一化差值植被指数(Normalized difference vegetation index，NDVI)等光谱特征容易混淆阴影与水体［15～16］，山地丘陵区典型地物的NDVI排序从小到大依次为:水体、阴影区域、明亮区域，其中水体和阴影区域存在交叉;多光谱影像的近红外波段所含信息量最为丰富，对绿色植被的类别差异最为敏感，而典型地物的近红外波段灰度由小到大为:水体、阴影区域、明亮区域。
因而，SVI可表达为式中 RSVI——阴影植被指数RNDVI——归一化差值植被指数RNIR——近红外波段灰度或反射率RR——红光波段灰度或反射率SVI增强了水体、阴影区域、明亮区域三者间的差异。
在此基础上，采用阈值法将影像水体、阴影区域、明亮区域区分开来，即实现了山地丘陵区遥感影像阴影的检测。
1.2 基于波段回归模型的阴影去除方法理想状态下，若太阳入射角在地面上每一位置恒为90°，卫星也不存在侧摆，那么同一山脊、山谷两侧林地条件、植被状况一致的若干个点的光谱值应当保持一致，卫星传感器获取的多光谱影像各波段灰度也基本相等。
分析光谱特征可知，卫星获取的实际影像中，同一山脊、山谷两侧的相似属性位置的灰度存在较大差异;尤其在红外波段，阴影区域的灰度明显较明亮区域小。
为此，可以通过构建明亮区域与阴影区域各波段的关系模型，将阴影区域波段灰度推算至无阴影状态;在此基础上，将去阴影后的区域影像与原明亮区域影像叠加，即得到了去除阴影后的遥感影像。
模型表达式为式中 BB——明亮区域波段灰度BS——阴影区域波段灰度a、b——待定系数2 阴影检测与去除方法应用2.1 影像获取由中国资源卫星应用中心获取一景HJ-1多光谱影像(编号:HJ-1A-CCD1-452-84-20120328-L20000739378);该影像覆盖福建省的大部区域，山地丘陵地形为影像主要特征。
为提高试验效率，切割出一块像元数为722像素×422像素的区域作为试验区，试验区位于我国南方重点林业县三明市将乐县。
试验区影像如图1所示。
图1 试验区HJ-1多光谱遥感影像Fig.1 HJ-1 multi-spectral remote sensing images of experimental area2.2 阴影检测与影像分割较之于Landsat TM、ALOS等影像，HJ-1多光谱遥感影像所含光谱信息量较少，要实现山地丘陵区遥感影像阴影的检测，图像增强极为必要。
利用新构建的SVI，经光标查询及直方图法，确定阴影区域的 SVI区间为(7.20，15.06)，水体RSVI≤7.20，明亮区域RSVI≥15.06。
依此，检测出试验区的阴影区域(图2)，采用掩膜法分割出阴影区HJ-1多光谱影像。
图2 试验区阴影检测结果Fig.2 Shadow detection result of experimentalarea2.3 阴影去除选择同一山脊、山谷两侧相似属性位置70处，分别记录明亮区域、阴影区域HJ-1多光谱影像蓝、绿、红、近红4个波段的灰度，分别命名为波段1、2、3、4，依据式(2)，构建明亮区域-阴影区域波段回归模型，即式中，B1B～B4B、B1S～B45分别为波段1～4明亮区域、阴影区域的波段灰度。
选择30组模外数据，将其代入式(3)，检验所建模型的预测精度，结果显示:HJ-1多光谱影像波段1～4的预测精度分别为0.977 3、0.961 9、0.966 0、0.941 4，由此可见，模型的预测效果较好。
依此模型，在ERDAS建模平台下，分别实现阴影区影像4个波段灰度的重构，经波段组合、与非阴影区影像叠加后，得到去除阴影后的影像(图3)。
分析影像特征，可知波段灰度与色调的地形差异已得到极大缩小，接近于采用光谱辐射计实地测得的结果。
2.4 结果分析从目视效果看，去阴影后的HJ-1多光谱影像色调反差较原影像减小，影像中阴影已得到较大程度去除。
为进一步验证该阴影去除方法的有效性，并判定去除阴影后的影像是否符合地面实际，本文对去阴影前、后的影像进行对比分析。
图3 去除阴影后的HJ-1多光谱影像Fig.3 HJ-1 multi-spectral image after shadow removal2.4.1 相关分析随机选择30个阴影区域的坐标点，分别读取其在原影像与去阴影后影像各波段的灰度，对二者进行拟合分析。
由图4可见，各波段拟合模型R2均在0.89以上，说明去除阴影后的光谱信息具有较高的可信度，与地面实际相符。
2.4.2 统计指标对比从统计学角度分析阴影去除模型的优劣，可以用去阴影前、后影像的灰度平均值、标准差等反映。
一般而言，去除阴影前、后影像每个波段的差异缩小，即阴影去除后波段的标准差应小于原影像的标准差［17］。
从表1可知，在植被最为敏感，即受阴影影响最为严重的近红外波段(波段4)，随着阴影的去除，波段平均值有了较大幅度的增大;对比原影像与去阴影后影像的标准差，可知后者均比前者要小，尤其是在近红外波段。
由此说明，利用本文提出的波段回归模型，可以较为有效地实现山地丘陵区遥感影像阴影的去除。
表1 原影像与去阴影后影像统计指标对比Tab.1 Statistical indicators comparison between original image and shadow-removal image波段原影像去阴影后影像平均值标准差平均值标准差1 40.733 2.301 40.7312.170 2 27.4053.082 27.568 2.775 3 27.762 3.918 28.116 3.743 451.122 5.826 53.37 3.7123 结束语在分析影像光谱特征差异的基础上，构建了阴影植被指数SVI，该指数可增大水体、阴影区及明亮区之间的差异;利用阈值法可以实现影像阴影的有效检测。
理论上，同一山脊、山谷两侧林地条件、植被状况一致的若干个点的光谱值应当保持一致，卫星传感器获取的多光谱影像各波段灰度也基本相等。
基于此，本文利用波段回归法构建明亮区域-阴影区域波段回归模型，将阴影区域波段灰度推算至无阴影状态。
经相关分析与统计指标对比，表明该方法可以较为有效地实现山地丘陵区遥感影像阴影的去除。
图4 原影像各波段灰度与去阴影后灰度相关关系Fig.4 Correlation relationships between band grey values of original image and shadow-removal image参考文献1 Wolter P T，Berkey E A，Peckham S D，et al.Exploiting tree shadows on snow for estimating forest basal area using Landsat data［J］.Remote Sensing of Environment，2012，121:69 ～79.2 Liu J H，Fang T，Li D R.Shadow detection in remotely sensed images based on self-adaptive feature selection［J］.IEEE Transactions on Geoscience and Remote Sensing，2011，49(12):5 092～5 103.3 Kane V R，Gillespie A R，McGaughey R，et al.Interpretation and topographic compensation of conifer canopy self-shadowing［J］.Remote Sensing of Environment，2008，112(10):3 820 ～3 822.4 Le H S，Andre e of Markov random fields for automaticcloud/shadow detection on high resolution optical images［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2009，64(4):351～366.5 O'Neill E J，O'Neil P E，Weikum G.The LRU-K page replacement algorithm for database disk buffering［J］.SIGMOD Record，1993，22(2):297～306.6 鞠何其.基于色彩空间变换的遥感影像阴影检测与去除技术［D］.上海:上海交通大学，2009.7 司玉琴.遥感影像预处理与地物提取方法研究［D］.西安:西安科技大学，2010.8 Liviu V，Myler H R，Weeks A R.Practical considerations on color image enhancement using homomorphic filtering［J］.Journal of Electronic Imaging，1997，6(1):108 ～113.9 Zamudio J A，Atkison Jr W W.Analysis of AVIRS data for spectral discrimination of geologic materials in the Dolly Varden mountains［C］∥Proceedings of the Second AVIRIS Conference，Nevada，USA:JPL，1990:162 ～166.10 Wang N，Lang C Y，Xu D.Shadow removal based on regional gray edge hypothesis［J］.Optical Engineering，2011，50(12):127001-1～127001-6.11 杨俊，赵忠明，杨健.一种高分辨率遥感影像阴影去除方法［J］.武汉大学学报·信息科学版，2008，33(1):17～20.Yang Jun，Zhao Zhongming，Yang Jian.A shadow removal method for high resolution remote sensing image ［J］.Geomatics and Information Science of Wuhan University，2008，33(1):17～20.(in Chinese)12 何凯，赵红颖，刘晶晶，等.基于分形及纹理分析的城市遥感影像阴影去除［J］.天津大学学报，2008，41(7):800～804.He Kai，Zhao Hongying，Liu Jingjing，et al.Shadow removal of city's remote sensing image based on fractal and texture analysis［J］.Journal of Tianjin University，2008，41(7):800～804.(in Chinese)13 王玥，王树根.高分辨率遥感影像阴影检测与补偿的主成分分析方法［J］.应用科学学报，2010，28(2):136～141.Wang Yue，Wang Shugen.Detection and compensation of shadows in high resolution remote sensing images using PCA［J］.Journal of Applied Sciences，2010，28(2):136～141.(in Chinese) 14 Ono A，Kajiwara K，Honda Y，et al.Development of new vegetation indexes，shadow index(SI)and water stress trend(WST)［J］.ISPRS Archives，2010，38(8):710 ～714.15 Mcfeeters S K.The use of normalized difference water index(NDWI)in the delineation of open water features［J］.International Journal of Remote Sensing，1996，17(7):1 425～1 432.16 徐涵秋.利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究［J］.遥感学报，2005，9(5):589～595.Xu Hanqiu.A study on information extraction of water body with the modified normalized difference water index(MNDWI)［J］.Journal of Remote Sensing，2005，9(5):589～595.(in Chinese)17 杨燕，田庆久.基于TM图像信息的山地森林区阴影去除方法研究［C］∥汪民.第16届全国遥感技术学术交流会论文集.北京:地质出版社，2007:104～106.。