[发明专利]一种基于高分辨率遥感影像的城市阴影检测与去除方法

说明书

本发明公开了一种基于高分辨率遥感影像的城市阴影检测去除方法，首先通过阈值对双边滤波后的影像计算得到特征值进行阴影检测，并利用图割法对该结果进行区域增长得到阴影掩码；同时用双边滤波前后的亮度图相减得到细节图，进而得到纹理较弱的区域，结合NDWI完成城市水域的检测，在阴影掩膜中去掉水域的部分，并分别对阴影与非阴影进行分割，计算影像光谱与纹理信息，匹配得到每块阴影区对应的同质非影区；最后用矩匹配和直方图匹配的方法分别去除非水域与水域的阴影。本发明针对城市高分影像地表的复杂性，大大改善了阴影检测与去除的效果，可用于改进城市变化检测与地物识别等工程应用问题。

技术领域

本本发明属于遥感和摄影测量技术领域，涉及一种基于高分辨率遥感影像水域检测与城市阴影的检测去除方法，尤其是涉及一种基于高分辨率遥感影像优化矩匹配的阴影检测与去除方法。

背景技术

阴影的检测与去除在高分辨率遥感影像分析与应用中是一个关键问题。随着遥感技术的高速发展，影像空间分辨率已经达到较高的水平，城市遥感影像分析中，阴影提取可以辅助建筑物等高程信息的提取，阴影去除可以丰富影像信息，改善地物识别、变化检测以及影像匹配等问题。

高分辨率城市遥感影像包含地物信息丰富，城市水域复杂、阴影区域零散且分布无规则，增加了阴影检测与去除的难度。城市阴影与水域的光谱特征非常接近，需要将水域与地面的阴影进行区分处理才能得到更好的效果。水域提取一般用归一化水指数NDWI进行判别，但是城市水质复杂，单一的光谱特征不能很好的提取水域。阴影检测主要有色彩空间特征提取并结合阈值的方法，不需要过多的场景参数描述，简单可行，但是效果并不一定理想，也有结合区域增长与形态学处理的阴影检测方法的研究，但是因为在增长和形态学处理的过程中往往不能保证阴影边缘的准确性。阴影去除主要有线性拉伸、直方图匹配以及同态滤波等，但是存在纹理信息恢复不完整以及光谱特征保真度不高等问题，总之，传统的阴影检测与去除方法往往存在信息丢失，在高分辨率遥感影像中难以达到理想的效果，不能很好的用于后续的变化检测与地物识别。

近年来基于机器学习与图割法的检测法与矩匹配的阴影补偿算法已有一些研究和成果，如结合支持向量机与Grabcut的阴影检测方法，还有在影像分割基础上进行区域的矩匹配，从而去除阴影方法等，在自然影像的阴影去除方面都有了一定的成果，但是在高分辨率遥感影像中，由于地物类型复杂性的提升，自然影像的阴影去除方法在应用中，会出现分割结果不理想与分割块间色彩过渡的不平滑等问题，不能达到理想的效果。

发明内容

本发明主要是解决现有技术所存在高分辨率城市遥感影像地物复杂度高，以及分割结果不理想、分割块间色彩过渡的不平滑以及光谱特征保真度不高等问题；提供了一种结合水域检测与优化矩匹配的阴影检测与去除方法，可以有效改善城市高分辨率遥感影像阴影检测与去除的效果。

本发明所采用的技术方案是，一种基于高分辨率遥感影像城市阴影检测与去除方法，包括以下步骤：

步骤1，对原始高分辨率影像进行初步阴影检测，并用图割法进行区域增长，得到初始的阴影区和非阴影区；

步骤2，对原始高分辨率影像的亮度分量I进行直方图均衡化得到图I_HE，并对I_HE进行双边滤波；

步骤3，用步骤2中的I_HE亮度图与步骤2中的双边滤波结果进行差值处理，得到细节纹理图，利用Otsu阈值法在细节图上得到纹理较弱的区域，并结合NDWI得到水域；

步骤4，步骤1中的初始阴影区域去除水域的部分，得到城市非水域阴影掩膜，并确定阴影边缘；

步骤5，计算原始影像的光谱特征值与纹理特征值，并将阴影与非阴影区分别进行SLIC影像分割，得到阴影与非阴影区分割块；