[发明专利]面向对象的高分辨率遥感影像阴影提取方法

说明书

技术领域

本发明涉及一种遥感影像处理方法，具体地说是一种面向对象 的高分辨率遥感影像阴影提取方法，属于遥感影像处理技术领域。

背景技术

随着遥感技术的发展，遥感影像的空间分辨率大大提高，数量 级达到了分米级。高分辨率影像数据量大、信息量丰富，使遥感应 用在许多全新应用领域，如林业、农业、地质、海洋、气象、军事 等。但是，怎样才能更加快速的自动识别以及充分地利用高分辨率 遥感影像提供的海量数据也是我们面临的新挑战。比如，由于太阳 光线被人工地物、树木、山体等遮挡导致遥感影像常常存在有大片 阴影区域；一方面，阴影造成遥感影像信息受损，直接影响相应区 域影像匹配、地物识别、边缘提取以及目标变化检测的精度，并且 大面积阴影会影响影像的美观；另一方面，阴影本身也可以作为遥 感影像的特征之一，如可以作为提取地物的三维信息(高度)的指 标之一。因此，阴影检测是阴影去除和阴影利用的前提，提高阴影 检测精度具有非常重要的意义。

现有遥感影像阴影检测方法可分为两类：一类是基于光线传播 物理性质的方法，该类方法需要光照角度、传感器参数等先验信息 建立几何模型来实现阴影检测，但是，这类方法适用性较差、局限 性较大，计算复杂度较高、计算量大，所需的先验数据也难以获得。 另一类基于阴影的特征(色彩、纹理、形状等)进行阴影检测，该 类方法简便易行，但是，由于遥感图像场景复杂且阴影区域的亮度 变化区间较大，很难选择一个对不同遥感图像都较稳定的属性，该 类方法普适性较差，鲁棒性也较低，对不同图像可能会得到差距较 大的检测结果，而且也存在漏检率较高的问题。

目前，阴影检测算法虽然在特定情况下取得了较好的效果，但 还存在一些不足之处，归纳如下：

1)现有很多检测算法都需要先验信息，使检测算法计算过程过 于复杂，处理结果不稳定，算法自动化程度低。

2)由于绿地、树木、水体、蓝色地物等与阴影有些属性相似， 阴影检测算法会误检这类地物为阴影。

3)高分辨遥感影像中地物信息复杂，存在同谱异物和同物异谱 的现象，很难选择一种检测算法对不同影像都较稳定，导致检测结 果出现严重误分、漏分。

4)由于影像地物信息复杂、算法自身等问题的影响，检测结果 中的阴影区域斑点噪声严重，严重影响阴影提取精度。

发明内容

针对现有技术的不足，本发明提出一种面向对象的高分辨率遥 感影像阴影提取方法，它无需先验信息，算法结构简单，自动化程 度高，能有效去除提取结果中斑点噪声的影响，还具有对植被、水 体、蓝色地物等不敏感的优势，并且提取结果具有较高的精度。

本发明解决其技术问题采取的技术方案是：面向对象的高分辨 率遥感影像阴影提取方法，所述高分辨率遥感影像采用已经被正确 几何校正过的高分辨率遥感影像，其特征是，所述方法包括以下步 骤：

步骤一，加载正确几何校正后的高分辨率遥感影像数据；

步骤二，对高分辨率遥感影像进行影像分割，得到分割后影像；

步骤三，对得到的分割后影像进行主成分变换，并对第一主成 分影像进行归一化处理,得到第一主成分的归一化影像；

步骤四，对得到的分割后影像做HIS变换，并对I分量影像进 行归一化处理,得到I分量的归一化影像；

步骤五，利用阴影检测指数进行阴影检测，获取阴影检测结果 影像；

步骤六，对阴影检测结果影像进行阈值分割，得到阴影区域。

优选地，在步骤三中，基于主成分分析从分割后影像中获取第 一主成分影像，并根据阴影检测指数的需求对第一主成分影像进行 归一化处理。

优选地，在步骤四中，对得到的分割后影像进行HIS变换后获 取I分量影像和S分量影像；并根据阴影检测指数的需求对I分量 影像进行归一化处理。

优选地，在步骤五中，所述阴影检测指数SDI的表达式为：