本文選題：高分系列衛(wèi)星 + 陰影檢測��； 參考：《蘭州交通大學》2017年碩士論文

【摘要】：在高分影像中,普遍存在大量地物陰影。陰影的存在降低影像質(zhì)量造成失真,并且使部分信息難以獲取,嚴重影響地物信息的識別與統(tǒng)計。因此,高效、準確地檢測和消除高分辨遙感影像中的地物陰影已成為業(yè)內(nèi)研究、應(yīng)用熱點和難點。高分系列影像(GF)是指國產(chǎn)最高分辨率衛(wèi)星遙感影像,通過國內(nèi)外文獻分析,還未發(fā)現(xiàn)針對GF-1及GF-2等我國高分影像的陰影檢測算法,因此,論文提出3種針對GF-1影像的陰影檢測方法和1種針對GF-2影像的陰影檢測方法。主要研究成果如下:(1)提出了針對GF-1的基于多特征的影像陰影檢測方法首先,對GF-1影像多光譜數(shù)據(jù)、全色數(shù)據(jù)進行正射校正和信息融合,以達到光譜與分辨率信息最大化利用,突出陰影信息,增大陰影與其他地物的差異。其次,建立基于主成分變換的陰影檢測方法PC1/NIR和圖像特征計算Rg_nir,得到初始陰影信息和水體信息;最后,用初始陰影信息與水體信息做邏輯非運算,從而達到剔除水體的目的,并利用形態(tài)學閉運算使得陰影區(qū)域更加連續(xù),飽滿。(2)提出了針對GF-1的基于HSV與PCA集成的陰影檢測方法首先,利用主成分變換方法分割陰影與非陰影區(qū)域,分離后的陰影區(qū)域含有水體、深色地物信息;其次,對HSV色彩空間的V分量利用閾值法分割陰影和非陰影區(qū)域,分離后結(jié)果含有暗色植被,但不含有水體跟深色地物信息。最后,對兩次計算結(jié)果進行邏輯與運算,從而剔除混合陰影區(qū)域中水體、深色地物以及暗色植被等信息,獲得高精度陰影區(qū)信息。(3)提出了針對GF-1的集成特征分量的多尺度分割方法首先,對GF-1影像多光譜數(shù)據(jù)、全色數(shù)據(jù)進行正射校正和信息融合;其次,集成特征分量(主成分第一分量PC1、亮度分量V、綠光波段G、歸一化植被指數(shù)NDVI)以增強陰影信息;最后,對集成后的影像進行多尺度分割,并利用特征分量構(gòu)建規(guī)則集,最終實現(xiàn)陰影信息提取。(4)提出了針對GF-2的基于主成分分析的陰影檢測方法首先,對GF-2影像多光譜數(shù)據(jù)進行典型地物光譜信息統(tǒng)計、分析,并利用主成分變換與波段計算方法分割陰影與非陰影信息;其次,利用歸一化計算得到植被細信息;最后,對兩次計算結(jié)果進行邏輯非運算,從而得到準確陰影信息。大量實驗分析表明,論文提出的陰影檢測方法即能高效、準確的提取出GF-1、GF-2影像陰影,又能削弱水體、深色地物、暗色植被的干擾,有效解決了國產(chǎn)高分系列影像的陰影檢測的技術(shù)難題,為后續(xù)的陰影補償和應(yīng)用提供了有效地數(shù)據(jù)支持。
[Abstract]:In high score images, there are a large number of shadows of ground objects.The existence of shadow reduces the distortion of image quality, and makes part of information difficult to obtain, which seriously affects the recognition and statistics of ground object information.Therefore, detection and elimination of ground shadow in high resolution remote sensing image efficiently and accurately has become a hot and difficult point in the field of application.High score series image (GFF) refers to the highest resolution satellite remote sensing image made in China. Through literature analysis at home and abroad, no shadow detection algorithm has been found for high score images such as GF-1 and GF-2 in China, so,This paper presents three shadow detection methods for GF-1 images and one shadow detection method for GF-2 images.The main research results are as follows: (1) A multi-feature based shadow detection method based on GF-1 is proposed. Firstly, forward correction and information fusion for multi-spectral data and panchromatic data of GF-1 images are carried out to maximize the utilization of spectral and resolution information.Highlight shadow information and increase the difference between shadow and other features.The shadow detection method based on the integration of HSV and PCA for GF-1 is proposed. Firstly, the principal component transform (PCA) is used to segment the shadow and non-shadow regions.Secondly, the V component of HSV color space is divided into shadow and non-shadow regions by threshold method. The result of separation contains dark vegetation, but does not contain information of water and dark features.Finally, the logic and operation of the results of the two calculations are carried out to eliminate the information of water body, dark features and dark vegetation in the mixed shadow area.This paper presents a multi-scale segmentation method for the integrated feature components of GF-1. Firstly, the multi-spectral data and panchromatic data of GF-1 images are corrected and fused.The feature component (principal component first component PC1, luminance component V, green light wave segment G, normalized vegetation index NDVI) is integrated to enhance shadow information. Finally, the integrated image is segmented at multiple scales, and the rule set is constructed by using the feature component.Finally, shadow information extraction is realized. (4) A shadow detection method based on principal component analysis (PCA) for GF-2 is proposed. Firstly, the multispectral data of GF-2 image are analyzed and analyzed.The method of principal component transform and band calculation is used to segment the shadow and non-shadow information. Secondly, the fine information of vegetation is obtained by normalized calculation. Finally, the results of the two calculations are logically non-calculated, and the accurate shadow information is obtained.A large number of experiments show that the shadow detection method proposed in this paper can extract the shadow of GF-1 / GF-2 image efficiently and accurately, and weaken the interference of water, dark features and dark vegetation.It can effectively solve the technical problem of shadow detection of domestic high score series images and provide effective data support for shadow compensation and application in the future.
【學位授予單位】：蘭州交通大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：P237

【參考文獻】

相關(guān)期刊論文 前10條

1 楊猛;楊樹文;雍萬鈴;張珊;;集成特征分量的陰影多尺度分割方法[J];遙感信息;2017年01期

2 楊猛;楊樹文;姚花琴;雍萬鈴;張珊;;基于HSV與PCA集成的高分影像高大地物陰影檢測方法[J];測繪與空間地理信息;2016年10期

3 位明露;詹總謙;;一種改進的航空遙感影像陰影自動檢測方法[J];測繪通報;2016年06期

4 王冰;安慧君;劉懷鵬;王立軍;賀曉輝;;QuickBird影像城市陰影信息的提取與消除[J];地球信息科學學報;2016年02期

5 田原;;基于邊緣檢測和噪聲去除的遙感陰影檢測算法[J];電子技術(shù)與軟件工程;2015年23期

6 帥滔;張洪艷;張良培;;面向?qū)ο蟮母叻直孢b感影像陰影探測方法[J];光子學報;2015年12期

7 姚花琴;楊樹文;劉正軍;楊興旺;張黎明;;一種城市高大地物陰影檢測方法[J];測繪科學;2015年10期

8 張先鵬;陳帆;和紅杰;;結(jié)合多種特征的高分辨率遙感影像陰影檢測[J];自動化學報;2016年02期

9 姜建國;李婷;楊玲敏;李朋輝;;c_3通道高分辨率遙感圖像陰影檢測算法的改進[J];計算機輔助設(shè)計與圖形學學報;2015年08期

10 楊興旺;楊樹文;劉正軍;姚花琴;李軼鯤;;資源三號影像中城市高大地物陰影檢測方法[J];測繪科學;2015年09期

相關(guān)博士學位論文 前1條

1 黃昕;高分辨率遙感影像多尺度紋理、形狀特征提取與面向?qū)ο蠓诸愌芯縖D];武漢大學;2009年

相關(guān)碩士學位論文 前10條

1 楊興旺;資源三號遙感影像陰影檢測與補償系統(tǒng)研究與開發(fā)[D];蘭州交通大學;2015年

2 姚花琴;WorldView-2影像的城市高大地物陰影檢測建模研究[D];蘭州交通大學;2015年

3 李婷;航空遙感影像的陰影處理方法研究[D];西安電子科技大學;2014年

4 陳錟;高空間分辨率遙感影像中建筑物陰影的處理研究[D];西南交通大學;2014年

5 田原;遙感影像的陰影檢測算法研究[D];西安電子科技大學;2013年

6 于東方;基于陰影的遙感圖像中建筑物自動提取方法研究[D];國防科學技術(shù)大學;2008年

7 商云霞;基于彩色航空影像的陰影檢測算法研究[D];遼寧工程技術(shù)大學;2008年

8 王衛(wèi)國;高空間分辨率遙感影像陰影處理方法研究[D];西安科技大學;2008年

9 田新光;面向?qū)ο蟾叻直媛蔬b感影像信息提取[D];中國測繪科學研究院;2007年

10 王軍利;基于彩色航空影像的陰影檢測算法研究[D];武漢大學;2005年

，

本文編號：1736492