遥感影像阴影多波段检测与去除理论模型研究_虢建宏
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。
遥感中的阴影及应用
遥感中的阴影及其应用前言高分辨率遥感影像同时具有地图的几何精度和影像视觉特征，具有广泛的应用。
然而由于算法以及客观条件的限制，影像中存在着大量的阴影，它直接影响到地物边缘的提取、目标识别、分类等。
特别是近年来随着影像分辨率的提高，阴影现象更加突出，因此对其进行检测与补偿显得极其重要。
1. 研究的背景及意义高分辨率遥感影像已被应用在林业、旅游、水文水资源、名胜古迹的维修等领域。
这些应用的首要问题是对影像中的关键地物进行识别、提取。
理论上，高分辨率卫星遥感影像在经过像片倾斜引起的像点位移、图形变形以及地形起伏引起的投影差的纠正，并在消除大气折射，相机系统带来的误差后，应该准确反映地物特征。
然而，由于建筑物的影响以及太阳光的照射，出现阴影和影像遮蔽以及摄影死角。
随着遥感传感器灵敏度不断提高，影像分辨率从几十米到现在的厘米级。
原本在较低几何分辨率影像中不明显的阴影已经在影像中格外突出。
比如在农村地籍调查中，由于航片的分辨率很高，有很多高大建筑物或者树木阴影，给界址点解译造成很大的困难。
并且图解存在一定的误差。
机载多角度成像数据的空间分辨率能够达到5厘米，影像上的阴影非常突出。
阴影使得影像上阴影区域所反映的被摄目标的信息有所损失或受到干扰。
这在计算机影像处理中将直接影响到相应区域地物的边缘提取、目标识别和地表覆盖分类以及影像匹配算法的成功率等。
它不仅破坏了影像的视觉解译能力和审美效果，还影响了遥感影像作为地图产品的基本功能发挥。
如何消除遥感影像的阴影，具有越来越重要的现实意义。
总的来说，卫星遥感影像能够快速提供地球表面的信息，高分辨率卫星遥感开创了许多新的应用领域，但影像中的阴影是一个必须解决的问题。
它给像影像分类这样的一些应用带来了很大的麻烦。
比如在卫星遥感影像分类中，大多数的地形或地物阴影与水体的光谱特征相混淆，很难准确地它们进行分类。
阴影区地物表现在遥感影像上信息量相对较少，难以判读，在影像处理和工程应用中，影响操作进程，甚至产生错误结果。
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。
高分辨率遥感影像阴影检测与补偿系统的设计与实现
高分辨率遥感影像阴影检测与补偿系统的设计与实现杨兴旺;杨树文;张黎明;姚花琴;李轶鲲【期刊名称】《国土资源遥感》【年(卷),期】2015(27)3【摘要】阴影检测与补偿涉及遥感影像的不确定性、算法复杂度高及提取自动化程度低等问题。
基于ArcGIS Engine平台，结合Matlab和GDAL开发工具，根据构建的高分辨率遥感影像阴影检测和补偿算法设计了一体化的阴影检测与补偿系统。
系统采用了数据分块读取、2%线性拉伸及DLL动态链接库等关键技术，解决了大数据量影像读取、影像不确定性及系统可扩展性等问题，实现了系统的集成和优化，提高了运行效率。
测试结果表明，该系统在QuickBird、资源三号(ZY-3)等高分辨率遥感影像的阴影检测与补偿中具有较高的精度和效率，可用于数据批处理。
%Shadow detection and compensation involve such problems as the uncertainty of remote sensing images, the complexity of algorithm and the low degree of automatic extraction. In view of this situation, the authors have designed an integrated experimental system based on the algorithm built for high-resolution remote sensing image shadow detection and compensation on the ArcGIS Engine platform. The system also utilizes Matlab and GDAL. Some key technologies such as data block reading, 2% linear stretch and DLL are used in the shadow detection and compensation system implementation, which solves some problems such as reading large quantities of data, uncertainty of image, and extensibility of the system. The system achieves the integration and optimization of the system, andimproves the operating efficiency. Experimental results show that the system performs higher precision and efficiency in shadow detection and compensation for high-resolution remote sensing images such as QuickBird and ZY-3. Therefore, the system can be used for batch processing of remote sensing image data.【总页数】5页(P177-181)【作者】杨兴旺;杨树文;张黎明;姚花琴;李轶鲲【作者单位】兰州交通大学测绘与地理信息学院，兰州 730070;兰州交通大学测绘与地理信息学院，兰州 730070;兰州交通大学测绘与地理信息学院，兰州730070;兰州交通大学测绘与地理信息学院，兰州 730070;兰州交通大学测绘与地理信息学院，兰州 730070【正文语种】中文【中图分类】TP79【相关文献】1.高分辨率遥感影像阴影检测与补偿的主成分分析方法 [J], 王玥;王树根2.结合多种特征的高分辨率遥感影像阴影检测 [J], 张先鹏;陈帆;和红杰3.HSV变换和多尺度分割相结合的高分辨率遥感影像阴影检测 [J], 林雨准;张保明;郭海涛;王丹菂;秦宇4.基于高分辨率卫星遥感影像校正和阴影检测技术研究 [J], 郭海祥5.基于面向对象技术的高分辨率遥感影像的阴影检测与去除 [J], 蒲智;杨辽;白洁因版权原因，仅展示原文概要，查看原文内容请购买。
多光谱影像波段比值法消除地形阴影的定量分析
第４２卷㊀第３期２０１８年９月地质学刊ＪｏｕｒｎａｌｏｆＧｅｏｌｏｇｙＶｏｌ．４２Ｎｏ．３Ｓｅｐｔ．，２０１８ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－３６３６．２０１８．０３．０２３多光谱影像波段比值法消除地形阴影的定量分析邓佳音１．２，陈建平１，２（１．中国地质大学（北京）地球科学与资源学院，北京１０００８３；２．北京市国土资源信息研究开发重点实验室，北京１０００８３）摘要：在地形起伏较大的地区获取遥感影像时，由于地形效应的存在，阴影的产生几乎是不可避免的㊂为此，对多光谱图像进行波段比值处理，减弱或者消除地形阴影的影响，提高遥感影像的识别与分类精度，并对处理后的图像进行质量评价，为选择最佳处理方法提供参考㊂结合数字高程模型（ＤＥＭ）对山区遥感图像进行分区，对分区结果进行各种波段比值运算，消除地形阴影；以信息熵作为质量评价指标，对比值处理消除地形阴影后的结果进行定量分析，研究处理结果与所选比值处理方法之间的联系㊂结果表明，波段比值处理可以减弱或者消除地形阴影的影响，与单波段比值处理和线性波段比值处理相比，非线性波段比值处理后图像的信息熵增强最大㊂关键词：遥感影像；地形阴影；波段比值；信息熵；定量分析；内蒙古中图分类号：ＴＰ７５１ １㊀㊀㊀文献标识码：Ａ㊀㊀㊀文章编号：１６７４－３６３６（２０１８）０３－０５０１－０６收稿日期：２０１８－０５－２５；修回日期：２０１８－０６－０７；编辑：蒋艳基金项目：中国地质调查局项目 深部成矿地质异常定量预测方法与模型 （２０１７ＹＦＣ０６０１５０２）作者简介：邓佳音（１９９１ ㊀），女，硕士研究生，地球探测与信息技术专业，Ｅ⁃ｍａｉｌ：２１０１１７００７２＠ｃｕｇｂ．ｅｄｕ．ｃｎ通讯作者：陈建平（１９５９ ㊀），男，教授，博士，博士生导师，地球探测与信息技术专业，主要从事矿产资源定量预测与评价研究工作，Ｅ⁃ｍａｉｌ：３ｓ＠ｃｕｇｂ．ｅｄｕ．ｃｎ０㊀引㊀言２０世纪７０年代至今，国内外遥感领域一直在致力于消除遥感影像上的地形效应，取得了一定的成果㊂目前，减弱或消除地形因素影响的方法主要有光谱波段比值法㊁朗伯体模型法㊁非朗伯体模型法（钟耀武等，２００６；徐庆玲，２００８）㊂国外学者对这方面的研究作出了很大的贡献，Ｓｔｒｏｖｅ等最早应用朗伯体模型进行遥感影像地形归一化，Ｃｒａｎｅ和Ｖｉｎｃｅｎｔ最早使用波段比值方法进行地形归一化㊂国内许多学者对遥感影像的地形校正也进行了深入研究：孟春林等（２００１）提出了利用阴阳坡归一化方法消除ＴＭ卫星影像的地形阴影；朱叶飞等（２００４）利用ＤＥＭ对ＴＭ／ＥＴＭ＋影像进行地形辐射校正，较精确地反演出黑河流域地表反射率和反照率；虢建宏等（２００６）从研究遥感影像阴影产生机理出发，提出了一种多波段检测阴影的方法和基于能量信息补偿去除阴影的理论模型；钟耀武等（２００６）引入矩匹配算法，利用ＤＥＭ数据计算坡度㊁坡向等地形信息，以特定坡度和坡向数据为参考依据，对影像进行地形辐射校正；高永年等（２００８）在简述了地形校正含义与目标，回顾并总结了国内外各种地形校正方法并将其划分为基于波段比㊁ＤＥＭ和超球面３类方法，以期为地形校正及相关研究提供参考；陈志明等（２００９）通过建立地表真实反射率恢复模型，实现了对地形的辐射校正，并结合６Ｓ大气校正模型和数字高程模型（ＤＥＭ）进行编程实现；滑永春等（２０１２）对余弦㊁ＳＣＳ㊁Ｃ㊁ＳＣＳ＋Ｃ和ＣＩＶＣＯ共５种不同的校正模型进行了对比分析，研究各种模型消除阴影的效果；丁一帆等（２０１８）利用辐射传输模型和更高分辨率（１０ｍ）的数字表面模型（ＤＳＭ），建立了一种面向高分辨率遥感影像的地形辐射校正方法㊂为了提高数据的使用效率并充分发挥其价值，对遥感图像进行阴影消除处理后的数据进行质量评价就显得非常重要㊂在遥感影像质量的客观评价方面，国外学者进行了一些有益的探索：Ｆｏｒｓｔｅｒａ等（１９９４）分别利用调制传递函数（ＭＴＦ）对ＩＫＯＮＯＳ㊁ＳＰＯＴ遥感影像进行了评价；Ｅｓｋｉｃｉｏｇｌｕ等（１９９５）探讨了一些常用的影像质量客观评价方法，主要思想是通过定量分析降质影像与参考影像的异同来进行５０２㊀地㊀质㊀学㊀刊２０１８年质量评定；Ａｖｃｉｂａｓ等（２００２）从影像压缩应用出发，将影像质量评价方法分为基于像素差异㊁基于相关性㊁基于边缘㊁基于光谱㊁基于纹理以及基于人类视觉系统６类，主要介绍了相位谱㊁多分辨率距离和人类视觉系统过滤均方差等方法㊂国内许多学者也进行了该方面的研究：王占宏（２００４）研究了遥感影像信息量及质量度量模型，并主要利用ＭＴＦ评价影像的质量；王荣彬（２０１４）通过构建模糊评价矩阵并进行相应的模糊计算得到最终的模糊评价结果，实现对遥感影像质量的综合评价；王荣彬等（２０１５）考虑了遥感影像获取㊁传输以及处理过程中的各种降质因素，对遥感影像的辐射质量评价方法进行系统的总结㊁归纳和发展，给出了对影像灰度分布㊁信息量㊁清晰度㊁分辨率㊁噪声㊁云量㊁无效像元等多个指标进行评价的方法㊂国内外学者在阴影消除和遥感图像质量评价方面的研究，无论是在原理还是方法上都提供了很好的借鉴和参考㊂１㊀研究区概况研究使用的遥感影像数据主要为１幅遥感影像㊁１幅ＤＥＭ图像和１个去除水系的掩膜㊂其中，遥感影像采用Ｌａｎｄｓａｔ７ＥＴＭ＋传感器于２０１５年５月获取的影像，分辨率为３０ｍˑ３０ｍ㊂测区位于内蒙古自治区东北部，行政区划主要隶属兴安盟科尔沁右翼前旗，少部分属扎兰屯市和扎贲特旗㊂影像区域内以山地为主，并且有水系，地形起伏较大，地理坐标为：东经１２０ʎ４５ᶄ １２１ʎ１５ᶄ，北纬４６ʎ５０ᶄ ４７ʎ１０ᶄ㊂遥感影像如图１所示，对该区域的水系进行消除得到无水系覆盖的高程分布见图２㊂２㊀研究方法与结果采用光谱波段比值法进行阴影的消除，然后采用信息量评价的方法对影像进行定量分析㊂光谱波段比值法又称比值法㊁比值合成法，是较为简单的一种地形阴影消除方法㊂图像的亮度可以理解为是照射分量和反射分量的乘积，尤其对多光谱图像而言，对１幅图像的２个波段对应像元进行比值运算，可以将各个波段几乎相同的照射分量去掉，产生的比值数据通常可以消除图像中的地形阴影㊂图１㊀遥感影像Ｆｉｇ．１㊀Ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｏｆｔｈｅｓｔｕｄｙａｒｅａ图２㊀去除水系的高程图Ｆｉｇ．２㊀Ｅｌｅｖａｔｉｏｎｍａｐｗｉｔｈｒｉｖｅｒｓｙｓｔｅｍｉｍａｇｅｅｌｉｍｉｎａｔｅｄ遥感影像信息是信息的一种具体形式㊂信息由能量和物质的变化承载，包含了知识的特性，可以依据它来进行各种活动㊂遥感影像中包含大量的信息，具有独特的意义和使用价值，可以从遥感图像中获得目标对象的相关属性㊁自身特征等信息㊂基于遥感影像信息量的质量评价是从信息论的角度出发，度量影像所包含的信息而作出的评价㊂遥感影像信息量的多少其实就是影像所包含的意义内容，据此可以决定如何合理利用影像㊂２．１㊀波段比值地形阴影的分布与地形密不可分，为研究阴影第４２卷㊀第３期邓佳音㊀等：多光谱影像波段比值法消除地形阴影的定量分析５０３㊀处理效果与地形的关系，利用ＤＥＭ数据分别按照高程值㊁坡度和坡向对遥感图像进行分区（重分类）㊂结果表明：研究区ＤＥＭ数据的坡度较集中，而且重分类过程中容易受到水系区域和图像边缘的影响，导致分类完成后的矢量数据中包含过多的多边形，处理数据时计算量太大，消除阴影的效果不明显；在基于坡向分区时，由于矢量数据所包含的多边形过多，进行ＲＯＩ（ＲｅｇｉｏｎｏｆＩｎｔｅｒｅｓｔ，感兴趣区域）提取时计算量大，消除阴影的效果也并不明显；实验区域的高程均值约为８４０ｍ，且高程值分布形态近于正态分布，有着较好的实验处理结果㊂因此，最终选择基于高程值的重分类方法进行后续处理㊂基于实验数据㊁实验要求㊁实验条件等，采用多光谱波段比值处理的方法消除地形阴影㊂波段比值处理的方法有很多，一般约定用小写数字代表该波段，并用数字的比代表波段的比值，则波段比值计算方法有下列３种（王海平等，１９９２）㊂（１）两个单波段直接进行比值运算的称为单波段比值，如４／５㊂（２）某几个波段经过线性组合后再进行比值运算的称为线性波段比值，如（４＋５）／（４－５）㊁（４＋５＋６）／（１＋２＋３）等㊂（３）某几个波段非线性组合后再进行比值运算的称为非线性波段比值，如（４ˑ５）／（５ˑ６）等㊂波段比值的运算主要采用ＥＮＶＩ５．１软件的ＢａｎｄＭａｔｈ工具㊂另外，在选择波段的时候，考虑到图像区域主要为山区，植被㊁岩石㊁沙土覆盖率比较高，基于它们的反射光谱曲线，主要采用ＴＭ图像的第３至第６波段㊂各波段比值运算时所采用的波段及计算方法如表１㊂表１㊀波段比的选择Ｔａｂｌｅ１㊀Ｃｏｍｐａｒｉｓｏｎｏｆｔｈｅｔｈｒｅｅｂａｎｄｒａｔｉｏｓ波段比方法波段比单波段比值４／３４／５５／６４／６３／６３／５线性波段比值（３＋４）／（４＋５）（４－３）／（４＋３）５／ð（４＋５）／ð（４－６）／ð３／ð非线性波段比值（３ˑ４）／５（３ˑ４）／（４ˑ５）（５ˑ６）／６３／（４ˑ６）（５ˑ３）／４（４ˑ６）／（３ˑ５）２．２㊀影像评价对遥感图像进行波段比值处理后，采用基于影像信息量的质量评价方法，并以信息熵作为图像定量分析指标㊂信息熵定义来源于信息论和信号处理，度量影像亮度值分散程度和均匀程度可以用加权平均信息量来表示㊂近年来，在遥感数据融合处理研究中，信息熵常作为对融合图像信息质量的客观评价指标（卢健等，２００６）㊂计算公式如下：Ｈ（Ｘ）＝－ðｎｉ＝１Ｐｉｌｏｇ２Ｐｉ（１）式（１）中，Ｈ（Ｘ）为图像的信息熵，Ｐｉ为影像中灰度级为ｉ的像素出现的频率㊂用波段比值法处理图像后，分别计算原图像和经过比值处理后图像的信息熵，定量分析处理后的图像质量㊂信息熵的计算有多种方法，此处用ＭＡＴＬＡＢ工具计算㊂约定将实验数据７个波段的信息熵平均值作为整幅图像的信息熵，对处理后的图像进行信息熵的计算（表２ 表５）㊂表２㊀高程带１信息熵统计结果Ｔａｂｌｅ２㊀ＳｔａｔｉｓｔｉｃｓｏｆｉｎｆｏｒｍａｔｉｏｎｅｎｔｒｏｐｙｆｒｏｍＮｏ．１ｅｌｅｖａｔｉｏｎｚｏｎｅ单波段比值图像４／３４／５５／６４／６３／６３／５高程带１信息熵４．１６３３１．４０４４１．４６６９１．５３５１１．６４２２１．６１２６１．３６６７线性波段比值图像（３＋４）／（４＋５）（４－３）／（４＋３）５／ð（４＋５）／ð（４－６）／ð３／ð高程带１信息熵１．５２３５１．５８４５１．３５８５１．４３６３１．５４６１１．６３５８１．３６６７非线性波段比值图像（３ˑ４）／５（３ˑ６）／（４ˑ５）（５ˑ６）／４３／（４ˑ６）（５ˑ３）／４（４ˑ６）／（３ˑ５）高程带１信息熵１．７１７１１．４８０１１．４３４８１．４９７９１．６９２２１．４９５６１．３６６７５０４㊀地㊀质㊀学㊀刊２０１８年表３㊀高程带２信息熵统计结果Ｔａｂｌｅ３㊀ＳｔａｔｉｓｔｉｃｓｏｆｉｎｆｏｒｍａｔｉｏｎｅｎｔｒｏｐｙｆｒｏｍＮｏ．２ｅｌｅｖａｔｉｏｎｚｏｎｅ单波段比值图像４／３４／５５／６４／６３／６３／５高程带２信息熵２．２７９５２．１３４６２．１９８８２．３２８９２．５０６０２．４７０２２．０３０７线性波段比值图像（３＋４）／（４＋５）（４－３）／（４＋３）５／ð（４＋５）／ð（４－６）／ð３／ð高程带２信息熵２．３３７１２．４７７０２．０３９７２．１９５０２．３６８０２．５２６５２．０３０７非线性波段比值图像（３ˑ４）／５（３ˑ６）／（４ˑ５）（５ˑ６）／４３／（４ˑ６）（５ˑ３）／４（４ˑ６）／（３ˑ５）高程带２信息熵２．６２３０２．２６３５２．１２３９２．２５６１２．５４４９２．３２５３２．０３０７表４㊀高程带３信息熵统计结果Ｔａｂｌｅ４㊀ＳｔａｔｉｓｔｉｃｓｏｆｉｎｆｏｒｍａｔｉｏｎｅｎｔｒｏｐｙｆｒｏｍＮｏ．３ｅｌｅｖａｔｉｏｎｚｏｎｅ单波段比值图像４／３４／５５／６４／６３／６３／５高程带３信息熵２．０３０６１．８９５６１．９２９５２．０６４０２．２３８７２．２０３１１．７９３８线性波段比值图像（３＋４）／（４＋５）（４－３）／（４＋３）５／ð（４＋５）／ð（４－６）／ð３／ð高程带３信息熵２．０９２０２．１９４４１．８５５８１．９７９２２．０７９２２．２５６４１．７９３８非线性波段比值图像（３ˑ４）／５（３ˑ６）／（４ˑ５）（５ˑ６）／４３／（４ˑ６）（５ˑ３）／４（４ˑ６）／（３ˑ５）高程带３信息熵２．３３６９２．０２４０１．８８８３２．００６１２．２７６５２．１１０３１．７９３８表５㊀高程带４信息熵统计结果Ｔａｂｌｅ５㊀ＳｔａｔｉｓｔｉｃｓｏｆｉｎｆｏｒｍａｔｉｏｎｅｎｔｒｏｐｙｆｒｏｍＮｏ．４ｅｌｅｖａｔｉｏｎｚｏｎｅ单波段比值图像４／３４／５５／６４／６３／６３／５高程带４信息熵１．１０３０１．０３３４１．０４７５１．１０６８１．１８７１１．１７１４０．９７１２线性波段比值图像（３＋４）／（４＋５）（４－３）／（４＋３）５／ð（４＋５）／ð（４－６）／ð３／ð高程带４信息熵１．１１９７１．１７１４１．００６８１．０６４３１．１２０４１．１９４４０．９７１２非线性波段比值图像（３ˑ４）／５（３ˑ６）／（４ˑ５）（５ˑ６）／４３／（４ˑ６）（５ˑ３）／４（４ˑ６）／（３ˑ５）高程带４信息熵１．２３５２１．０８４０１．０３２６１．０８１５１．２０４５１．１２０２０．９７１２㊀㊀对表２ 表５做进一步分析，分别求出处理后的图像与其对应的高程区域多波段图像的信息熵的差值（表６ 表９），并根据差值对处理结果进行分析和评价㊂表６㊀高程带１信息熵差值统计结果Ｔａｂｌｅ６㊀ＳｔａｔｉｓｔｉｃｓｏｆｉｎｆｏｒｍａｔｉｏｎｅｎｔｒｏｐｙｄｉｆｆｅｒｅｎｃｅｆｒｏｍＮｏ．１ｅｌｅｖａｔｉｏｎｚｏｎｅ单波段比值图像４／３４／５５／６４／６３／６３／５平均差值信息熵０．０９６６０．０３７７０．１００２０．１６８４０．２７５５０．２４５９０．１５４０线性波段比值图像（３＋４）／（４＋５）（４－３）／（４＋３）５／ð（４＋５）／ð（４－６）／ð３／ð平均差值信息熵０．１５６８０．２１７８－０．００８２０．０６９６０．１７９４０．２６９１０．１４７４非线性波段比值图像（３ˑ４）／５（３ˑ６）／（４ˑ５）（５ˑ６）／４３／（４ˑ６）（５ˑ３）／４（４ˑ６）／（３ˑ５）平均差值信息熵０．３５０４０．１１３４０．０６８１０．１３１２０．３２５５０．１２８９０．１８６２表７㊀高程带２信息熵差值统计结果Ｔａｂｌｅ７㊀ＳｔａｔｉｓｔｉｃｓｏｆｉｎｆｏｒｍａｔｉｏｎｅｎｔｒｏｐｙｄｉｆｆｅｒｅｎｃｅｆｒｏｍＮｏ．２ｅｌｅｖａｔｉｏｎｚｏｎｅ单波段比值图像４／３４／５５／６４／６３／６３／５平均差值信息熵０．２４８８０．１０３９０．１６８１０．２９８２０．４７５３０．４３９５０．２８８９线性波段比值图像（３＋４）／（４＋５）（４－３）／（４＋３）５／ð（４＋５）／ð（４－６）／ð３／ð平均差值信息熵０．３０６４０．４４６３０．００９００．１６４３０．３３７３０．４９５８０．２９３１非线性波段比值图像（３ˑ４）／５（３ˑ６）／（４ˑ５）（５ˑ６）／４３／（４ˑ６）（５ˑ３）／４（４ˑ６）／（３ˑ５）平均差值信息熵０．５９２３０．２３２８０．０９３２０．２２５４０．５１４２０．２９４６０．３２５４第４２卷㊀第３期邓佳音㊀等：多光谱影像波段比值法消除地形阴影的定量分析５０５㊀表８㊀高程带３信息熵差值统计结果Ｔａｂｌｅ８㊀ＳｔａｔｉｓｔｉｃｓｏｆｉｎｆｏｒｍａｔｉｏｎｅｎｔｒｏｐｙｄｉｆｆｅｒｅｎｃｅｆｒｏｍＮｏ．３ｅｌｅｖａｔｉｏｎｚｏｎｅ单波段比值图像４／３４／５５／６４／６３／６３／５平均差值信息熵０．２３６８０．１０１８０．１３５７０．２７０２０．４４４９０．４０９３０．２２６４线性波段比值图像（３＋４）／（４＋５）（４－３）／（４＋３）５／ð（４＋５）／ð（４－６）／ð３／ð平均差值信息熵０．２９８２０．４００６０．０６２００．１８５４０．２８５４０．４６２６０．２８２３非线性波段比值图像（３ˑ４）／５（３ˑ６）／（４ˑ５）（５ˑ６）／４３／（４ˑ６）（５ˑ３）／４（４ˑ６）／（３ˑ５）平均差值信息熵０．５４３１０．２３０２０．９４５００．２１２３０．４８２７０．３１６５０．３１３２表９㊀高程带４信息熵差值统计结果Ｔａｂｌｅ９㊀ＳｔａｔｉｓｔｉｃｓｏｆｉｎｆｏｒｍａｔｉｏｎｅｎｔｒｏｐｙｄｉｆｆｅｒｅｎｃｅｆｒｏｍＮｏ．４ｅｌｅｖａｔｉｏｎｚｏｎｅ单波段比值图像４／３４／５５／６４／６３／６３／５平均差值信息熵０．１３１８０．０６２２０．０７６３０．１３５６０．２１５９０．２００２０．１３７０线性波段比值图像（３＋４）／（４＋５）（４－３）／（４＋３）５／ð（４＋５）／ð（４－６）／ð３／ð平均差值信息熵０．１４８５０．２００２０．０３５６０．０９３１０．１４９２０．２２３２０．１４１６非线性波段比值图像（３ˑ４）／５（３ˑ６）／（４ˑ５）（５ˑ６）／４３／（４ˑ６）（５ˑ３）／４（４ˑ６）／（３ˑ５）平均差值信息熵０．２６４００．１１２８０．０６４１０．１１０３０．２３３３０．１４９００．１５５１㊀㊀由表６ 表９可以发现：（１）无论哪个高程带，非线性波段比值处理后图像的信息熵增值都是最大的；（２）除了在高程带１区域，高程带２ ４区域依所选择的处理方法不同，图像经过波段比值处理后信息熵的增值从小到大依次为单波段比值处理㊁线性波段比值处理㊁非线性波段比值处理；（３）在高程带２和高程带３区域内，对图像进行比值处理后得到的信息熵的增值比对图像进行处理后（比值处理前）得到的信息熵增值大；（４）同一种方法信息熵的增值并没有明显的规律；（５）在４个高程带区域，比值处理均起到了增大图像信息熵的效果㊂３㊀结论与讨论通过对处理结果的定量分析，得出以下结论㊂（１）比值处理可以起到消除阴影㊁增强图像信息量的作用，但不同的波段处理方法得到的结果也不同㊂（２）３种波段比值消除地形阴影的方法中，非线性波段比值处理方法处理效果最佳，对影像信息量的增强最大㊂（３）在不同高程带地区，波段比值处理消除阴影的效果也不同，较低和较高高程带区域处理效果不如两者之间的区域处理效果好㊂下列问题有待改进：①由于一些特殊的原因，图像上有些区域的像元值可能原本就是０，进行掩膜处理屏蔽水系时并没有很好地解决这个问题，而是默认为图像上并没有０值像元；②由于对比值处理后得到的图像进行灰度值拉伸之后进行了取整运算，造成数据精度有所损失，可能会对信息熵的计算结果产生影响；③在计算多波段的信息熵时将多个波段的信息熵平均值作为图像的信息熵，需要注意的是图像的各个波段之间并非是独立的，而是有一定的相关性㊂参考文献陈志明，李家国，余涛，等，２００９．ＴＭ遥感影像的地形辐射校正研究［Ｊ］．遥感信息，２４（２）：２９－３３，７０．崔作龙，徐长松，２０１２．图像清晰度的量化测量探究［Ｊ］．实验技术与管理，２９（５）：４９－５１．丁一帆，尤红建，张浩，等，２０１８．面向高分辨率遥感影像的地形辐射校正方法［Ｊ］．北京航空航天大学学报，４４（１）：２７－３５．虢建宏，田庆久，吴昀昭，２００６．遥感影像阴影多波段检测与去除理论模型研究［Ｊ］．遥感学报，１０（２）：１５１－１５９．高永年，张万昌，２００８．遥感影像地形校正研究进展及其比较实验［Ｊ］．地理研究，２７（２）：４６７－４７７，４８４．滑永春，彭道黎，张良，等，２０１２．基于ＤＥＭ的地形辐射校正５０６㊀地㊀质㊀学㊀刊２０１８年模型的研究［Ｊ］．林业建设（４）：１６－２０．卢健，彭嫚，卢昕，２００６．遥感图像相关性及其熵计算［Ｊ］．武汉大学学报（信息科学版），３１（６）：４７６－４８０．梅安新，彭望琭，秦其明，等，２００１．遥感导论［Ｍ］．北京：高等教育出版社．孟春林，喻庆国，华朝朗，等，２００１．卫星ＴＭ影像阴影消除方法的探讨［Ｊ］．地球信息科学，３（４）：６６－７０．马晶，王荣彬，高娟，等，２０１２．一种遥感影像的自动噪声评价方法［Ｊ］．遥感信息，２７（３）：７８－８２．王海平，于志鸿，刘忠平，１９９２．遥感图像处理中比值法的解析及其应用［Ｊ］．地质论评，３８（１）：８２－８９．王占宏，２００４．遥感影像信息量及质量度量模型的研究［Ｄ］．武汉：武汉大学．王卫国，２００８．高空间分辨率遥感影像阴影处理方法研究［Ｄ］．西安：西安科技大学．王锋，祖力军，高亚飞，２０１４．数字遥感图像清晰度评价研究［Ｊ］．现代电子技术，３７（２３）：６６－６８．王荣彬，２０１４．遥感影像综合评价与自适应复原方法研究［Ｄ］．武汉：武汉大学．王荣彬，李平湘，季宏伟，等，２０１５．遥感影像的辐射质量评价方法［Ｊ］．遥感信息，３０（２）：１０－１６，４９．徐庆玲，２００８．ＴＭ影像地形辐射校正的应用研究［Ｄ］．南京：南京林业大学．赵宪文，１９８４．多波段影象比值增强方法的研究［Ｊ］．林业科学，２０（３）：３２７－３３１．朱叶飞，张万昌，蒋建军，２００４．基于ＤＥＭ的ＥＴＭ＋图像辐射校正及汉江流域反照率的计算［Ｊ］．国土资源遥感，１６（３）：８－１３．钟耀武，刘良云，王纪华，等，２００６．基于矩匹配算法的山区影像地形辐射校正方法研究［Ｊ］．地理与地理信息科学，２２（１）：３１－３４，３９．ＡｖｃｉｂａｓＩ，ＳａｎｋｕｒＢ，ＳａｙｏｏｄＫ，２００２．Ｓｔａｔｉｓｔｉｃａｌｅｖａｌｕａｔｉｏｎｏｆｉｍａｇｅｑｕａｌｉｔｙｍｅａｓｕｒｅｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＥｌｅｃｔｒｏｎｉｃＩｍａｇｉｎｇ，１１（２）：２０６－２２３．ＥｓｋｉｃｉｏｇｌｕＡＭ，ＦｉｓｈｅｒＰＳ，１９９５．Ｉｍａｇｅｑｕａｌｉｔｙｍｅａｓｕｒｅｓａｎｄｔｈｅｉｒｐｅｒｆｏｒｍａｎｃｅ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＣｏｍｍｕｎｉｃａ⁃ｔｉｏｎｓ，４３（１２）：２９５９－２９６５．ＦｏｒｓｔｅｒａＢＣ，ＢｅｓｔａＰ，１９９４．ＥｓｔｉｍａｔｉｏｎｏｆＳＰＯＴＰ⁃ｍｏｄｅｐｏｉｎｔｓｐｒｅａｄｆｕｎｃｔｉｏｎｍａｄｄｅｒｉｖａｔｉｏｎｏｆａｄｅｃｏｎｖｏｌｕｔｉｏｎｆｉｌｔｅｒ［Ｊ］．ＩＳＰＲＳＪｏｕｒｎａｌｆｏｒＲＳａｎｄＧＩＳ，４９（６）：３２－４２．ＲｏｂｅｒｔＲ，ＢｒａｘｔｏｎＢ，ＲｏｂｅｒｔＡＳ，ｅｔａｌ．，２００３．ＩＫＯＮＯＳｓｐａｔｉａｌｒｅｓｏｌｕｔｉｏｎａｎｄｉｍａｇｅｉｎｔｅｒｐｒｅｔａｂｉｌｉｔｙｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，８８（１）：３７－５２．ＱｕａｎｔｉｔａｔｉｖｅａｎａｌｙｓｉｓｏｆｅｌｉｍｉｎａｔｉｎｇｔｏｐｏｇｒａｐｈｉｃｓｈａｄｏｗｂｙｍｕｌｔｉｓｐｅｃｔｒａｌｉｍａｇｅｂａｎｄｒａｔｉｏｍｅｔｈｏｄＤｅｎｇＪｉａｙｉｎ１，２，ＣｈｅｎＪｉａｎｐｉｎｇ１，２（１．ＳｃｈｏｏｌｏｆＥａｒｔｈＳｃｉｅｎｃｅｓａｎｄＲｅｓｏｕｒｃｅｓ，ＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＧｅｏｓｃｉｅｎｃｅｓ（Ｂｅｉｊｉｎｇ），Ｂｅｉｊｉｎｇ１０００８３，Ｃｈｉｎａ；２．ＴｈｅＢｅｉｊｉｎｇＫｅｙＬａｂｏｒａｔｏｒｙｏｆＤｅｖｅｌｏｐｍｅｎｔａｎｄＲｅｓｅａｒｃｈｆｏｒＬａｎｄＲｅｓｏｕｒｃｅｓＩｎｆｏｒｍａｔｉｏｎ，Ｂｅｉｊｉｎｇ１０００８３，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｗｈｅｎａｃｑｕｉｒｉｎｇｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓｉｎｇｒｅａｔｌｙｕｎｄｕｌａｔｅｔｅｒｒａｉｎ，ｔｅｒｒａｉｎｓｈａｄｏｗｏｆｔｈｅｉｍａｇｅｓｉｓａｌｍｏｓｔｉｎｅｖｉｔａｂｌｅｄｕｅｔｏｔｈｅｔｏｐｏｇｒａｐｈｉｃｅｆｆｅｃｔ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅｍｕｌｔｉ⁃ｓｐｅｃｔｒａｌｉｍａｇｅｉｓｐｒｏｃｅｓｓｅｄｂｙｂａｎｄｒａｔｉｏｔｏｗｅａｋｅｎｏｒｅｌｉｍｉｎａｔｅｔｈｅｅｆｆｅｃｔｏｆｔｏｐｏｇｒａｐｈｉｃｓｈａｄｏｗｉｎｇ，ａｎｄｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｒｅｃｏｇｎｉｔｉｏｎａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓ．Ｔｈｅｎｔｈｅｐｒｏｃｅｓｓｅｄｉｍａｇｅｉｓｅｖａｌｕａｔｅｄｔｏｐｒｏｖｉｄｅｒｅｆｅｒｅｎｃｅｆｏｒｔｈｅｓｅｌｅｃｔｉｏｎｏｆｔｈｅｂｅｓｔｔｒｅａｔｍｅｎｔｍｅｔｈｏｄ．Ｉｎｔｈｉｓｐａｐｅｒ，ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｉｓｐａｒｔｉｔｉｏｎｅｄｂａｓｅｄｏｎＤＥＭｏｆｍｏｕｎｔａｉｎｓ，ａｎｄｔｈｅｎｂａｎｄｒａｔｉｏｏｐｅｒａｔｉｏｎｉｓｕｓｅｄｔｏｅｌｉｍｉｎａｔｅｔｈｅｓｈａｄｏｗｏｆｔｈｅｔｅｒｒａｉｎ．Ａｆｔｅｒｗａｒｄｓ，ｔｈｅｉｎｆｏｒｍａｔｉｏｎｅｎｔｒｏｐｙｉｓｒｅｇａｒｄｅｄａｓａｑｕａｌｉｔｙｉｎｄｅｘｔｏｑｕａｎｔｉｔａｔｉｖｅｌｙａｎａｌｙｚｅｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｔｈｅｒａｔｉｏｔｒｅａｔｍｅｎｔｏｆｓｈａｄｏｗｅｌｉｍｉｎａｔｉｏｎ，ａｎｄｔｏｓｔｕｄｙｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅ⁃ｔｗｅｅｎａｃｑｕｉｒｅｄｒｅｓｕｌｔｓａｎｄｔｈｅｓｅｌｅｃｔｅｄｒａｔｉｏｐｒｏｃｅｓｓｉｎｇｍｅｔｈｏｄ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｂａｎｄｒａｔｉｏｐｒｏｃｅｓｓｉｎｇｍａｙｗｅａｋ⁃ｅｎｏｒｅｌｉｍｉｎａｔｅｔｈｅｅｆｆｅｃｔｏｆｔｅｒｒａｉｎｓｈａｄｏｗ．Ｃｏｍｐａｒｅｄｔｏｓｉｎｇｌｅｂａｎｄｒａｔｉｏａｎｄｌｉｎｅａｒｂａｎｄｒａｔｉｏ，ｔｈｅｎｏｎｌｉｎｅａｒｂａｎｄｒａｔｉｏｐｒｏｃｅｓｓｉｎｇｃｏｕｌｄｐｒｏｄｕｃｅｉｍａｇｅｓｗｉｔｈｔｈｅｇｒｅａｔｅｓｔｉｎｆｏｒｍａｔｉｏｎｅｎｔｒｏｐｙｅｎｈａｎｃｅｍｅｎｔ．Ｋｅｙｗｏｒｄｓ：ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅ；ｓｈａｄｏｗｏｆｔｅｒｒａｉｎ；ｂａｎｄｒａｔｉｏ；ｉｎｆｏｒｍａｔｉｏｎｅｎｔｒｏｐｙ；ｑｕａｎｔｉｔａｔｉｖｅａｎａｌｙｓｉｓ；ＩｎｎｅｒＭｏｎｇｏｌｉａ。
遥感图像的阴影检测技术(最全版)PTT文档
总结：
1) 由于各个为了更大地减小阴影检测误差，我们应该通 过大量的研究，希望能找到基于某种彩色空间的检测误差更 小的遥感图像的阴影检测技术。
2) 由于光源和场景的三维结构不易得到，基于模型的阴影检测 方法局限性很大，但其检测效果是最好的。所以，以后的研 究重点要放在基于模型的阴影检测技术上 。
遥感图像的阴影检测技术
随着航空卫星技术不断发展的步伐，高空间 分辨率遥感的广泛应用，如何消除遥感影像的阴 影，具有越来越重要的现实意义，但是这个问题 一直是遥感影像处理领域的一个难题。在这种情 况下，人们开始了遥感图像阴影检测技术的研究。 阴影既是使图像退化的噪声源，又是提供一些有 用信息的信息源。有了阴影检测技术，我们就能 获取更多关于我们所研究的对象的一些有效信息。
下面是一幅遥感图像：
自
投
阴
射
影
阴
影
针对遥感图像的阴影检测本文主要阐述了三种实现遥感图像的 阴影检测的算法：
1） 基于RGB彩色空间的归一化处理的阴影检测算法； 2） 基于RGB彩色空间的直接差分算子的阴影检测算法； 3） 基于纹理分析的阴影检测算法。
我们的重点研究的算法是基于RGB彩色空间的归一化处理的阴 影检测算法。
由于光源和场景的三维结构不易得到，基于模型的阴影检测方法局限性很大，但其检测效果是最好的。 我们的重点研究的算法是基于RGB彩色空间的归一化处理的阴影检测算法。
1)由于光线被遮挡2，)阴阴影影区域区具有域更具低的有灰度更值高的色调值
整个的阴影检测流程如下图所示： 但原始影像中的偏蓝色地物在B’分量中也具有很高的像素值，需要将这些区域从阴影区域中去除。
3）向具有更好的定位性,更好的边缘性,精度较高的阴影检测技术 方向发展。
遥感影像中的阴影处理方法研究的开题报告
遥感影像中的阴影处理方法研究的开题报告
一、选题背景
随着卫星遥感技术的不断发展，遥感影像已经成为了地球科学、环境科学、农业资源等多个领域中不可或缺的一种数据来源。
但是，遥感影像中经常会出现由天文因素导致的影像阴影，这些影像阴影不仅影响了影像的质量，还可能影响遥感影像信息提取的结果，因此如何处理遥感影像中的影像阴影已成为了遥感影像处理中的一个重要问题。
二、研究目的
本文旨在研究遥感影像中的影像阴影处理方法，通过对影像阴影的分析，结合遥感影像处理技术，有效地处理遥感影像中的影像阴影，提高遥感影像的质量和信息提取的准确性。
三、研究内容
1. 影像阴影形成的原因分析
2. 基于阴影评估的遥感影像阴影处理方法
3. 基于物理模型的遥感影像阴影处理方法
4. 基于算法的遥感影像阴影处理方法
5. 遥感影像阴影处理方法的实验与分析
四、研究意义
本文的研究对于解决遥感影像中的影像阴影问题，提高遥感影像的质量和信息提取的准确性具有重要的意义。
同时，对于遥感影像处理技术的推广和应用也有积极的作用。
五、研究方法
本文将采用文献调研和实验研究相结合的方法，结合已有的研究成果，分析并评估不同的遥感影像阴影处理方法，并通过实验验证不同方法的效果。
六、预期成果
本文将研究并比较不同的遥感影像阴影处理方法，并通过实验验证其效果，设计出高效的遥感影像阴影处理方法，并对该方法进行评估分析，提高遥感影像数据的质量和信息提取的准确性。
七、研究进展
目前，已经完成了阴影形成原因分析和阴影评估方法的探讨，并正在进行基于算法的遥感影像阴影处理方法的研究和实验。
预计在未来三个月内完成论文初稿的撰写。
基于同态滤波的高分辨率遥感影像阴影消除方法
·212·
软件导刊
2010 年
灰度值调整方法更好的效果。 此外，基于色彩空间的阴影消除 方法需要首先进行阴影检测，然后进行灰度值调整，该方法需 要较多的人工干预和一定的经验信息；而基于同态滤波的阴影 消除方法所需的人机交互过程比较少，整个程序执行过程中只 有一个阈值需要设定，其余部分都可以由计算机自动进行。
照射分量和反射分量。 由上节分析可知，阴影图像的灰度值对
应着反射分量，所以现在问题变成如何增强反射分量的同时压
缩照射分量，从而消除阴影。 通常，图像照射分量变化慢，在图
像频率域对应着低频分量；反射分量则倾向于急剧变化，对应
着高频分量。 因此使用合适的滤波器，就可以既使图像的灰度
动态范围得到压缩，同时又使感兴趣的目标图像灰度级得到扩
0 引言
阴影是高空间分辨率遥感影像上最常见的问题之一，它是 指成像光线被障碍体完全或者部分遮挡的成像区域，阴影区域 的灰度值一般比周围的成像区域的灰度值要小。但是如果障碍 体是透明的，且障碍体具有聚光性能，那么阴影区域的灰度值 就有可能比周围的区域灰度大。对于大多数以太阳为光源成像 的遥感影像， 我们总是选择在太阳光线比较好的时候摄影成 像，这使得影像上的阴影非常明显，有时甚至很严重。阴影可以 丰富影像的层次，增强影像的立体感和真实感。 但是阴影现象 作为图像退化的一种特殊形式，使影像阴影区域所反映的目标 信息有所损失或受到干扰，这在计算机图像处理中将直接影响 到相应区域地物的边缘提取、目标识别和地表覆盖分类以及影 响匹配算法的成功。
系数，α 是视线与反射方向的夹角，n 是一个系数。 考虑到遥感
影像中大部分地区是不光滑和无光泽的 （Matte and Dull），镜面
反 射 光 的 影 响 可 以 忽 略 ，因 此 公 式 (1)可 以 简 写 为 ：
山地丘陵区遥感影像阴影检测与去除方法
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。
高分辨率遥感影像阴影的自动检测与自动补偿
高分辨率遥感影像阴影的自动检测与自动补偿高贤君;万幼川;杨元维;何培培【期刊名称】《自动化学报》【年(卷),期】2014(40)8【摘要】提出了高分辨率遥感影像中阴影的检测与补偿的全自动处理方法。
首先，利用简单阴影特征构造复合特征的方法联合构建多种光谱阈值检测条件，结合相应自动阈值获取方案实现阴影自动初检测，并设计自动形态学处理方法对初检测结果进行后处理；然后，以补偿模型为基础，通过统计阴影与非阴影区域的亮度均值与均方差、采用特征点提取与匹配的方法自动获取模型参数，再综合区域级整体补偿和窗口级局部补偿两种结果实现阴影的全自动补偿。
结果表明，多条件联合检测与自动形态学处理可提升检测结果的总体精度和区域完整性，补偿模型参数自动获取方法可靠有效，综合补偿法充分结合整体与局部补偿的优势，提升整体亮度，突显纹理细节，使得被阴影遮挡的信息得以真实再现。
%A method to automatically detect and compensate shadows in high resolution remote sensing images is proposed. This method consists of initial shadow detection and post-procession. Through utilizing simple shadow spectrum signatures and complicated signatures shadows are detected automatically with relative automatic thresholds. Then the initial detected result is improved by apost-procession scheme based on the principles of mathematical morphology. Meanwhile an automatic compensating method which is essentially a mathematic model is explored, whose parameters are automatically acquired by calculating the mean and variance ofillumination in shadow and non-shadow areas and using feature points extraction and matching strategy. Additionally, an integrated method using the compensation information from the whole shadow area and the small pixel window respectively is used to promote the final result. Experimental results indicate that both the multifarious conditions and post-processing can improve the accuracy of shadow detection results. The post-processing can also strengthen the completeness of shadow area. Moreover, the method of automatically acquiring the parameters in the compensation model is feasible and effectual. The integrated compensation strategy makes the brightness of shadow area heightened and the details and texture enhanced. In consequence, the real information shaded by shadow can emerge again.【总页数】12页(P1709-1720)【作者】高贤君;万幼川;杨元维;何培培【作者单位】武汉大学遥感信息工程学院武汉 430079;武汉大学遥感信息工程学院武汉 430079;武汉大学遥感信息工程学院武汉 430079;武汉大学遥感信息工程学院武汉 430079【正文语种】中文【相关文献】1.一种基于灰度直方图的遥感影像阴影自动检测方法 [J], 于东方;殷建平;张国敏2.高分辨率遥感影像地物阴影去除算法研究 [J], 王江涛;邓喀中;吴国富3.高分遥感影像利用云定位的云阴影自动检测 [J], 陈明珠; 高贤君4.高分辨率航空影像阴影自动检测和去除 [J], 涂继辉; 杜红; 眭海刚; 徐川5.基于高分辨率卫星遥感影像校正和阴影检测技术研究 [J], 郭海祥因版权原因，仅展示原文概要，查看原文内容请购买。
基于面向对象技术的高分辨率遥感影像的阴影检测与去除
收稿日期:2008206205;修订日期:2008209215作者简介:蒲智(1975-),男,博士研究生,主要从事高分辨率遥感影像的信息提取研究。
E 2mail :puzhi6617914@ 。
基于面向对象技术的高分辨率遥感影像的阴影检测与去除蒲 智1,2,杨 辽1,白 洁1(1.中国科学院新疆生态与地理研究所,新疆乌鲁木齐 830011;2.中国科学院研究生院,北京 100039)摘要:阴影是高分辨率遥感影像的基本特征之一,阴影的检测对于影像的目标识别和信息恢复十分关键。
采用面向对象的技术,通过图像分割,获取阴影对象,结合阴影对象的特征,设置特征函数并分类,最后获得阴影区域。
试验证明,该方法简单易行,较精确地提取了阴影区域。
关 键 词:阴影;阴影检测;阴影补偿;面向对象中图分类号:TP 75 文献标志码:A 文章编号:100420323(2008)068207352041 引 言近年来,随着遥感技术的发展,高分辨率遥感影像的应用越来越广泛。
与传统的中低空间分辨率遥感影像相比,高分辨率遥感影像具有细节更加清晰、信息更加丰富等特点,但同时也存在着较多的阴影区域。
这些阴影区域的地物信息量相对较少,难以判读,不仅影响了人们的视觉判读效果,而且在影像处理和工程应用中,影响操作进程,甚至产生错误结果。
但同时阴影里同样包含了大量的关于物体表面及其反射率的信息,如能对阴影中信息进行增强或恢复,将有利于目标识别、地形分类和地质制图等。
同时,利用阴影的几何特性还可确定建筑物的高度信息等。
随着高分辨率遥感影像的广泛应用,如何去除遥感影像的阴影,提取阴影区域的地物信息,具有越来越重要的现实意义。
要对阴影进行处理或利用阴影所提供的信息,则首先要对阴影进行正确的检测。
近年来,国内外学者已提出了多种遥感影像阴影检测的技术方法,取得了一定的效果。
如基于直方图[1]、基于同态系统消除阴影技术[2]、归一化处理、纹理分析[3]、整体变分模型法[4]、以及多波段阴影检测法[5]等方法。
一种多尺度几何细节抽取的阴影处理算法
一种多尺度几何细节抽取的阴影处理算法王博;张永军;陈奇【摘要】From the shadow processing of high-resolution aerial remote sensing images, this paper analyzed the features of shadow in color space. Using combined thresholds of 3 channels in HIS color space and Gaussian function, the authors detected shadow area and its multi -scale geometric details which can compensate shadow area. The experiments prove that this method can maximize the retention of the original features in shadow area and get more reasonable compensation results, thus ensuring accuracy and reliability of the follow-up imaging.%从高分辨率航空遥感影像的阴影处理角度出发，分析了阴影区域在彩色空间上的特征；采用HIS彩色空间3个通道的联合阈值测度进行阴影检测，并利用高斯函数进行地物纹理几何细节的多尺度抽取，提出了针对影像灰度图的阴影补偿方法。
实验证明，该方法能够在最大限度保留阴影区域原始特征的前提下，对阴影区域信息进行补偿，保证了影像后续处理的准确度和可靠性。
【期刊名称】《国土资源遥感》【年(卷),期】2014(000)004【总页数】6页(P23-28)【关键词】阴影检测;HIS彩色空间;几何细节;阴影补偿【作者】王博;张永军;陈奇【作者单位】武汉大学遥感信息工程学院，武汉 430079;武汉大学遥感信息工程学院，武汉 430079;武汉大学遥感信息工程学院，武汉 430079【正文语种】中文【中图分类】TP750 引言随着信息技术的迅猛发展，遥感技术已广泛应用于资源调查、城市规划、环境监测以及防灾减灾等各个领域，对遥感影像质量也提出了越来越高的要求。
区域内遥感影像阴影区域石漠化信息缺失的有效处理
区域内遥感影像阴影区域石漠化信息缺失的有效处理杨明龙【摘要】The remote sensing image has been widely used in various fields,and with the gradual increasing of spatial reso⁃lution,the part information missing problem caused by the shadow area in image becomes more obvious,which affects on the image quality. For the massive data,the way how to detect and effectively deal with the information missing problem has signifi⁃cant value in the application of remote sensing image. To fully grasp the spatial distribution characteristics of the stony desertifi⁃cation,and solve the information missing problem caused by shadow area in remote sensing image,the Karst stony desertifica⁃tion area is taken as the research object,and the stony desertification knowledge is proposed by means of image processing soft⁃ware. The feature of spatial variability is analyzed with GIS technology. The research results show that the stony desertification re⁃fers to the influence of various factors. Krifing interpolation shows that the highest stony desertification area is in southwest of the researched area. The research provides a new method for assessment and monitoring of the stony desertification area by means of image processing software.%遥感影像在多项领域中得到广泛使用，随着空间分辨率逐渐提高，影像中的阴影导致区域信息部分丢失问题更加明显，影响影像质量。
多光谱遥感影像阴影提取
多光谱遥感影像阴影提取刘紫君;邱利军;张波;王鹏翔【期刊名称】《测绘与空间地理信息》【年(卷),期】2017(000)006【摘要】以资源三号卫星多光谱影像为研究数据,通过近红外波段进行阈值分割,得到含有水体及噪声的阴影区域;然后,对初次分割结果在其余波段进行二次分割达到剔除噪声和提取阴影区域的目的;之后对原始影像进行边缘检测与提取,结果与阈值提取结果进行叠合,通过膨胀或腐蚀对阴影提取结果进行修正;最后,得到较好的阴影提取效果.%Based on the multi-band remote sensing image gray feature,threshold segmentation near infrared band data and get the shadow area which contains the water;then used the rest of the band data for segmentation result to get the shadow area without other things;then detected the edge and extracted the edge.According the edge,fixed the shadow area and obtained good result.【总页数】3页(P77-79)【作者】刘紫君;邱利军;张波;王鹏翔【作者单位】山东省地质矿产勘查开发局第三地质大队,山东烟台261021;河北建筑工程学院土木工程学院,河北张家口075000;河北建筑工程学院土木工程学院,河北张家口075000;华北地质勘查局五一九大队,河北保定071000【正文语种】中文【中图分类】P237【相关文献】1.遥感影像的云及其阴影覆盖区光谱重构 [J], 乔振民;邢立新;李淼淼;董连英;潘军;王红红;朱亚静2.基于ENVI/IDL的遥感影像阴影区域内水陆分割线的提取方法 [J], 廖旋芝;熊显名;张文涛3.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4.遥感影像阴影自动扩充提取算法 [J], 薛理;杨树文;马吉晶;贾鑫;闫如柳5.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; 冉盈盈因版权原因，仅展示原文概要，查看原文内容请购买。
基于NSCT及RT的遥感图像阴影消除方法
基于NSCT及RT的遥感图像阴影消除方法
刘洋;张国军
【期刊名称】《计算机仿真》
【年(卷),期】2022(39)5
【摘要】传统遥感图像阴影消除方法的图像噪声去除不彻底,导致阴影消除效果不理想。
为此提出基于NSCT算法及Retinex理论的遥感图像阴影消除方法。
划分阴影类型,从频率、亮度及颜色方面着重分析其属性。
结合阴影属性,在两个不同色彩空间中对阴影检测。
研究非下采样波轮廓变换分解过程,分别调整低频与高频系数,确定最终噪声阈值,利用NSCT算法完成图像去噪。
利用自适应单尺度Retinex 方法,经过参数设定、图像均衡化等操作,并在对数域中,将原始图像和滤波后的图像相减,获取阴影消除后的图像。
仿真结果表明,上述方法阴影消除效果好,可获取更高质量的遥感图像。
【总页数】5页(P465-469)
【作者】刘洋;张国军
【作者单位】中国科学院大学微电子学院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于PCA和NSCT变换的遥感图像融合方法
2.基于PCA和NSCT变换的遥感图像融合方法
3.基于NSCT和改进模糊的遥感图像增强方法
4.光束干扰下多源遥感图像拼接缝阴影消除方法
5.基于NSCT变换的遥感图像快速自适应去噪方法
因版权原因，仅展示原文概要，查看原文内容请购买。
结合阴影补偿的对象级高分辨率遥感影像多尺度变化检测
结合阴影补偿的对象级高分辨率遥感影像多尺度变化检测王超;张雪红;石爱业;厉丹;申祎【期刊名称】《通信学报》【年(卷),期】2018(039)009【摘要】阴影是遥感影像的解译标志之一,然而在高分辨率遥感影像变化检测中,阴影所产生的\"伪变化\"是导致错检的主要原因之一.为此,提出了一种结合阴影补偿与多尺度融合的对象级高分遥感影像变化检测方法.在面向对象的变化检测框架下,首先提取遥感影像中的地物阴影,然后对多尺度变化检测进行阴影补偿.其中,通过构建一种尺度间互信息最小化的目标函数实现了尺度参数的自适应提取.在此基础上,结合所提出的阴影补偿因子,设计了一种基于D-S证据理论的决策级多尺度融合策略,并进一步对变化强度等级进行了划分.实验证明,该方法能够较好地解决阴影所导致的错检问题,显著提高变化检测精度.【总页数】9页(P159-167)【作者】王超;张雪红;石爱业;厉丹;申祎【作者单位】南京信息工程大学电子与信息工程学院,江苏南京 210044;南京信息工程大学地理与遥感学院,江苏南京 210044;河海大学计算机与信息学院,江苏南京211100;徐州工程学院江苏省智慧工业控制技术重点建设实验室,江苏徐州221000;南京信息工程大学电子与信息工程学院,江苏南京 210044【正文语种】中文【中图分类】TP391【相关文献】1.结合像元级和目标级的高分辨率遥感影像建筑物变化检测 [J], 张志强;张新长;辛秦川;杨晓羚2.HSV变换和多尺度分割相结合的高分辨率遥感影像阴影检测 [J], 林雨准;张保明;郭海涛;王丹菂;秦宇3.多尺度多特征融合的高分辨率遥感影像变化检测 [J], 李卫华;李小春;全卫澎;;;4.面向对象的高分辨率遥感影像森林植被\r变化检测方法对比研究 [J], ZHANG Zi-ling;LU Peng5.面向对象的高分辨率遥感影像建筑物变化检测 [J], 卢丽琛;洪亮因版权原因，仅展示原文概要，查看原文内容请购买。
基于WorldView-2遥感影像反演浅海水深过程中太阳耀斑的去除方法
基于WorldView-2遥感影像反演浅海水深过程中太阳耀斑的去除方法李龙龙;刘建强;邹斌【摘要】基于Hedley等的方法对WorldView-2遥感影像反演岛礁水深时的太阳耀斑进行去除,在技术实现过程中根据WorldView-2波段设置的特殊性做一定的改进,将8波段分为两组,其中蓝、绿、红波段依据近红外1波段来去耀斑,海岸、黄、红边波段依据近红外2波段来去耀斑,在具体应用中完整实现该理论方法.结果表明,去耀斑后无论是对水深反演结果的精度上还是从影像直观视觉上都有提高,该方法有利于WorldView-2影像处理中耀斑去除的常规化应用.【期刊名称】《海洋预报》【年(卷),期】2015(032)001【总页数】5页(P53-57)【关键词】WorldView-2;浅海岛礁;水深反演;太阳耀斑【作者】李龙龙;刘建强;邹斌【作者单位】国家卫星海洋应用中心,北京100081;国家卫星海洋应用中心,北京100081;国家卫星海洋应用中心,北京100081【正文语种】中文【中图分类】P715.7水表面状态会严重影响浅海地形的水深测量。
在晴空条件以及水表面不平坦时，在水表面亮斑也就是太阳耀斑的地方，入射辐射的镜面反射就会掩盖水底成分遥感反射的数据。
在高空间分辨率的卫星影像上，晴空条件下，浅水区域（当风吹起的时候形成波浪）的太阳耀斑是非常严重的，要不然遥感在这种条件下会是最有效的。
典型的是，在近海岸的迎风面附近，沿着波浪的边缘太阳耀斑会形成白色条带状。
这些白色条带会影响海底特性的视觉识别，严重影响影像不同底质的分类，尤其对于浅海地形水深的测量较大。
尽管太阳耀斑存在区域记录的亮度看起来几乎完全是水表面镜面反射的信号，假设传感器仍旧没有饱和，离水辐亮度部分可能能够恢复。
鉴于以前海洋水色中太阳耀斑的去除方法都是应用在低分辨率的像元尺寸上（>1 km）[1-2]。
最近Hochberg等的一篇文章提供了一种新的，概念性简单的去耀斑方法。
- 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)。
( a)
( b)
图 1 4种典型地物反射率变化特征 F ig. 1 T he reflec tiv ity varieties o f four represen tative objects
第 2期
虢建宏等: 遥感影像阴影 多波段检测与去除理论模型研究
1 53
光波段与绿光波段数据具有很高的相关性。 由以上分析可知: 散射光强度随波长增大急剧
收稿日期: 2004-08-24; 修订日期: 2004-12-29 基金项目: 江苏省高技术研究项目 / 水稻冠层养分高光谱遥感数字信息采集关键技术研究 ( BG 2004321) 0。 作者简介: 虢建宏 ( 1971) ), 男, 南京 大学地 图学与 地理信 息系统 在读硕 士。现 从事高 空间 分辨 率遥 感与高 光谱 分辨 率遥 感研究。 E-m a i:l gjh@ cic. ts inghua. edu. cn。
偿去除阴影的理论模型。通过 IKONO S影像进行方法与模型验证, 真 实再现阴影 区地物特 征, 增 加影像信息 量, 提
高数据质量。
关键词: 遥感; 阴影检测; 阴影去除; 模型 ; IKONO S
中图分类号: TP7y onM ultispectral Detecting Shadow A reas and A TheoreticalM odel of R em oving Shadow s from R em ote Sensing Images
此外, 遥感影像阴影的一个根本特征就是信息 弱, 表现在影像数据上为 DN 值低。近红外波段在 产生阴影的波段范围内波长最长, 散射光最小, 阴影 区域与非阴影区域目标辐射能量差值最大, 因此用 近红外波段进行基于直方图阈值法提取阴影, 比利 用其他单波段的精度 都高 [ 1] 。这种 方法提取阴影 主要与地物反射率大小有关, 不受地物光谱反射变 化特性决定。
( 1. 南京大学 国际地球系统科学研究所, 江苏 南京 210093; 2. 南京大学 地球科学系, 江苏 南京 210093)
摘 要: 阴影是遥感影像的基本特征之一, 它使地物目标反映的信息量有所损失或 受到干扰, 而去除 阴影一直是
遥感影像处理的难题。从研究遥感影像阴 影产生机理出发, 提出了一种多波段检 测阴影的方 法和基于 能量信息补
多波段检测阴影就是利用遥感影像多波段的特 点, 将绿光波段与蓝光波段差 (比 ) 值法提取阴影和 近红外波段基于直方图阈值法提取阴影相结合, 其 技术流程如图 2。
其次, 在可见光至近红外光谱范围内, 地物波谱 反射率是有规律可循的。图 1 为使用 ASD 地物光 谱仪在室内测得的水 (纯净水 )、植被 (针叶树 )、土 壤 (黏土 )和岩石 (粉砂岩 )的光谱反射率曲线。从 图 1( a)可知, 水、植被、土壤、岩石等四种典型地物 反射率随波长而变化, 反射率最高约为 90% , 最低 接近 / 00, 反射峰、吸收峰也分布在不同谱段。四种 典型地物反射率变化有一个共同的特征 (图 1 ( b) ) : 从蓝光波段到绿光波段 ( 430) 560nm ), 它们 的反射率都逐渐增大。即 4种典型地物在蓝光波段 的反射率略低于绿光波段的反射率, 遥感影像的蓝
2 多波段阴影检测
根据影像阴影区域的共性及其与非阴影区域的
差别提取阴影区域, 难点在于区分阴影区域的亮目 标和非阴影区域的暗目标。而影响遥感影像中亮目 标或暗目标形成的因素主要有两种: 一是辐射到目 标上太阳光的多少; 二是目标反射率的高低。在这 两种因素的综合作用下, 导致不同目标向遥感器辐 射的能量不同。
第 10卷 第 2期 2006年 3月
遥感学报 JOURNAL OF REMOTE SENSING
文章编号: 1007- 4619( 2006) 02- 0151-09
V o .l 10, N o. 2 M ar. , 2006
遥感影像阴影多波段检测与去除理论模型研究
虢建宏 1, 田庆久 1, 吴昀昭 2
首先, 遥感影像阴影由较高物体遮挡太阳直射 光而形成。在直射光被完全遮挡的情况下, 阴影区 域目标物只有天空散射光和环境反射光照射, 而非 阴影区域不仅有天空散射光和环境反射光, 还有直 射光照射。遥感影像阴影主要集中于可见光至近红 外波段。在此波段范围内, 环境反射光所占比例很 小, 区分阴影与非阴影主要由直射光、散射光能量比 所决定; 在可见光至近红外波段, 不考虑云雾等影响 时, 瑞利散射和米氏散射远远大于无选择性散射, 瑞 利散射强度与波长的四次方成反比, 米氏散射强度 与波长的二次方成反比 [ 16 ] , 散射光强度随波长增大 急剧减小。因此, 照射到遥感影像阴影区域的太阳 光随波长增加急剧减小。
GUO J ian-hong1, T IAN Q ing-jiu1, W U Y un- zhao2
( 1. In ternationa l In stitu te for Ea rth Sy stem S cience, Nanjing University, Jiang su N an jing 210093, C hina; 2. D epartm ent of E arth Sciences, N anjing Un iv ersity, J iangsu Nanjing 210093, Ch ina )
1 52
遥感学报
第 10卷
1引 言
阴影由高出地面的物体遮挡太阳光而形成, 在 遥感影像数据上表现为 DN 值偏低, 信息量相对较 少, 难以判读, 在影像处理和工程应用中, 影响操作 进程, 甚至产生错误结果。去除阴影一般包括两方 面的内容: 检测阴影区域和消除阴影。现有的检测 阴影的算法可以根据是否需要环境条件的先验知识 进行分类 [ 1] , 一 类是根 据影 像中 地物 几何形 状或 DSM 数据 与 太 阳、遥 感 器 有 关 参 数 计 算 阴 影 区 域 [ 2) 4] ; 另一类是根据影像阴影区域的共性及其与 非阴影区域的差别提取阴影区域 [ 5) 9] 。多波段检测 阴影属于第二类, 它是基于遥感影像阴影成像机理 和地物反射波谱特征检测阴影, 分别用到蓝光波段、 绿光波段和近红外波段。消除阴影一般采用图像处 理或补偿阴影区域信息的方法。图像处理的方法, 如比值法、直方图变换 [ 10] 、同态系统滤 波 [ 11] 等, 在 消除阴影的同时也改变了非阴影区域的信息。而补 偿阴影区域信息 [ 12) 15] , 可以只 对阴影区 域进行处 理, 有利于保持和提高影像整体质量, 但是由于遥感 影像阴影的复杂性, 其影响因素数不胜数, 从理论上 讲, 完全去除阴影几乎是不可能的。本文按照补偿 阴影区域信息的基本思想, 根据辐射传输理论, 提出 一种去除阴影的理论模型, 并利用 IKONOS影像进 行了方法与模型验证, 取得了较好的效果。