近年來,隨著高分辨率衛(wèi)星產(chǎn)業(yè)的快速發(fā)展,高分辨遙感影像在地理國情監(jiān)測(cè)、城市規(guī)劃、土地資源管理、流域生態(tài)環(huán)境監(jiān)測(cè)等領(lǐng)域的應(yīng)用不斷拓展和深化。然而,盡管太陽高度角和季節(jié)在不斷變化,但受衛(wèi)星固定軌道參數(shù)、地球自轉(zhuǎn)等因素的影響,高分辨率衛(wèi)星影像中陰影普遍存在。陰影的存在,嚴(yán)重影響了影像的自動(dòng)化、智能化識(shí)別及應(yīng)用。因此,近年來研究人員在高分辨率遙感影像陰影檢測(cè)和補(bǔ)償方面做了大量工作,取得了一系列成果。然而,通過文獻(xiàn)和實(shí)驗(yàn)分析發(fā)現(xiàn),現(xiàn)有陰影檢測(cè)算法多針對(duì)單一或特定影像類型,缺乏普適性,且難以有效提取陰影過渡區(qū)域(半影區(qū))信息和有效去除誤提取水體信息等。針對(duì)上述問題,本文提出了兩種普適性陰影自動(dòng)檢測(cè)算法。(1)基于多項(xiàng)式擬合的高分辨率遙感影像陰影自動(dòng)提取算法通過分析發(fā)現(xiàn)采用多項(xiàng)式擬合近紅外波段直方圖的方式來代替大津法(Otsu)確定陰影分割閾值,能夠解決閾值提取不合理的問題,提高提取精度,實(shí)現(xiàn)多源影像陰影的自動(dòng)提取。并且采用歸一化水體指數(shù)(NDWI)提取遙感影像中的水體,最后采用掃描線種子填充算法代替邏輯與運(yùn)算去除陰影初步提取結(jié)果中誤提取的水體,這樣能夠避免水體去除不完全的問題。因此,本文首先根據(jù)影像中不同陰影面積區(qū)域的近紅外波段直方圖的差異,對(duì)整幅影像近紅外波段直方圖分別進(jìn)行四、五次多項(xiàng)式擬合;其次,根據(jù)遙感影像陰影特征與四、五次多項(xiàng)式交點(diǎn)的聯(lián)系,進(jìn)而初步提取出陰影區(qū)域;然后,使用歸一化水體指數(shù)提取出水體;最后,采用掃描線種子填充算法剔除初步陰影提取結(jié)果中被誤檢測(cè)為陰影的水體,從而獲得陰影區(qū)域。(2)遙感影像陰影自動(dòng)擴(kuò)充提取算法通過分析各種影像近紅外波段陰影邊界的像素值特征,發(fā)現(xiàn)陰影局部的像素值變化率波動(dòng)較小而邊界的像素值變化率存在一個(gè)波峰。因此,利用該特征建立陰影邊界判斷準(zhǔn)則,由內(nèi)向外對(duì)初始陰影提取結(jié)果中每個(gè)陰影區(qū)域進(jìn)行擴(kuò)充,既能夠考慮到單個(gè)陰影區(qū)域,又不再局限于影像全局特征或局部特征,從而更加完整地提取陰影,實(shí)現(xiàn)陰影過渡區(qū)域的檢測(cè)。此外,本文對(duì)陰影補(bǔ)償算法進(jìn)行了探索研究,研究了目前常規(guī)陰影補(bǔ)償算法,并詳細(xì)分析了多數(shù)陰影補(bǔ)償算法存在的缺陷及其產(chǎn)生的原因,同時(shí)對(duì)陰影補(bǔ)償算法進(jìn)行了展望。本文以高分一號(hào)(GF-1)、高分二號(hào)(GF-2)、快鳥(QuickBird-2)和資源三號(hào)(ZY-3)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。一方面:與多特征提取算法、多波段檢測(cè)算法、譜間關(guān)系算法和C3分量算法進(jìn)行對(duì)比,本文提出的基于多項(xiàng)式擬合的陰影檢測(cè)算法誤檢率最低,且具有較高的準(zhǔn)確率和良好的普適性,同時(shí)能夠較為完整地去除水體,其水體去除率為98.90%;另一方面:與多峰直方圖閾值提取算法和人工經(jīng)驗(yàn)檢測(cè)結(jié)果相比,本文提出的陰影擴(kuò)充算法具有較低的漏檢率和較高的準(zhǔn)確率,并且能夠提取陰影過渡區(qū)域。
【學(xué)位單位】：蘭州交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：P237
【部分圖文】：

陰影分類

（i）Quickbird-2 綠波段 （j）Quickbird-2 藍(lán)波段圖 2.2 陰影光譜值分析方法辨率遙感影像陰影檢測(cè)算法較少，且大都針對(duì)單一影像，對(duì)

多特征陰影提取
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫大偉;趙猛;;停車場視頻監(jiān)視系統(tǒng)中陰影檢測(cè)方法探析[J];工程技術(shù)研究;2016年06期

2 陳卓;劉艷麗;楊紅雨;;單幅室外圖像的高階能量方程陰影檢測(cè)算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2019年07期

3 廖潔;劉琳;;利用彩色圖像陰影屬性分析的陰影檢測(cè)方法[J];湘潭大學(xué)自然科學(xué)學(xué)報(bào);2017年04期

4 廖娟;朱德泉;李勃;劉路;陳啟美;;融合色彩比和梯度不變性的運(yùn)動(dòng)陰影檢測(cè)[J];計(jì)算機(jī)工程與應(yīng)用;2017年22期

5 張友鵬;;一種基于光流的行人陰影檢測(cè)與跟蹤[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2019年08期

6 王勝華;唐先亮;譚飛剛;黃玲;;高速公路上自適應(yīng)車輛陰影檢測(cè)[J];計(jì)算機(jī)應(yīng)用;2016年S1期

7 吳江波;汪西原;;一種改進(jìn)的基于紋理和顏色的運(yùn)動(dòng)陰影檢測(cè)[J];電視技術(shù);2014年07期

8 張哲源;史穎歡;高陽;;基于色彩和形態(tài)特征的人陰影檢測(cè)方法[J];微電子學(xué)與計(jì)算機(jī);2009年10期

9 高俊祥;田彥;劉勇;;智能交通系統(tǒng)中的橢球法運(yùn)動(dòng)陰影檢測(cè)[J];光電子.激光;2009年10期

10 王超;行鴻彥;李亮;裴曉芳;申祎;;結(jié)合輻射與分形的高分遙感建筑物陰影檢測(cè)[J];儀器儀表學(xué)報(bào);2018年02期

相關(guān)博士學(xué)位論文 前10條

1 陳琦;基于特征和字典學(xué)習(xí)的圖像陰影檢測(cè)與去除方法研究[D];華中師范大學(xué);2019年

2 代江艷;視頻中運(yùn)動(dòng)目標(biāo)陰影檢測(cè)研究[D];東北師范大學(xué);2014年

3 聞帆;基于視覺的交通路口車輛智能檢測(cè)技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2010年

4 李子龍;智能交通系統(tǒng)中視頻目標(biāo)檢測(cè)與識(shí)別的關(guān)鍵算法研究[D];華南理工大學(xué);2014年

5 王瓊潔;高分辨率正射影像陰影檢測(cè)與各向異性散射補(bǔ)償方法[D];武漢大學(xué);2017年

6 曲昭偉;混合交通視頻檢測(cè)算法研究[D];吉林大學(xué);2009年

7 高俊祥;智能視頻監(jiān)控中目標(biāo)的檢測(cè)與跟蹤[D];北京郵電大學(xué);2010年

8 王國良;圖像處理技術(shù)在智能交通系統(tǒng)中應(yīng)用的研究[D];大連海事大學(xué);2008年

9 許毅平;基于高光譜圖像多特征分析的目標(biāo)提取研究[D];華中科技大學(xué);2008年

10 嚴(yán)捷豐;交通視頻監(jiān)控中的車輛檢測(cè)與分割方法研究[D];中國科學(xué)技術(shù)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 周雪瑩;地表類型產(chǎn)品支持的云及云陰影檢測(cè)算法[D];山東科技大學(xué);2018年

2 任衛(wèi)東;單幅戶外彩色圖像的陰影檢測(cè)方法研究[D];燕山大學(xué);2019年

3 薛理;高分辨率遙感影像陰影檢測(cè)與補(bǔ)償算法研究[D];蘭州交通大學(xué);2019年

4 吳曉桐;視頻SAR的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D];西安電子科技大學(xué);2019年

5 朱堯;時(shí)空一致的視頻陰影檢測(cè)與消除研究[D];武漢大學(xué);2017年

6 郭玲;基于單幅圖像的陰影檢測(cè)與去除方法及系統(tǒng)[D];西安理工大學(xué);2019年

7 廖杰;運(yùn)動(dòng)目標(biāo)陰影檢測(cè)算法研究與實(shí)現(xiàn)[D];國防科學(xué)技術(shù)大學(xué);2015年

8 焦瑋;高分辨率遙感圖像陰影檢測(cè)算法研究[D];合肥工業(yè)大學(xué);2018年

9 甄蕊;單幅圖像的陰影檢測(cè)與去除算法研究[D];天津大學(xué);2018年

10 岳照溪;高分辨率遙感影像陰影檢測(cè)與去除技術(shù)研究[D];武漢大學(xué);2018年

本文編號(hào)：2867436