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。
首先
阴影区域的特性： 1)由于光线被遮挡，阴影区域具有更低的灰度值 2)阴影区域具有更高的色调值
3)由于大气瑞利散射的影响，阴影区域具有更高的饱和度
4)阴影不改变原有地表的纹理特征
5)阴影与产生阴影的目标具有相似的轮廓
很多检测算法都基于阴影的属性，还有一种是基于模型的阴影检测。
根据阴影的属性（阴影区域具有更低的灰度值），通过分析 Phong光照模型，发现在阴影区域的三个通道中，R通道下降得最 多，G通道次之，B通道下降得最少，这相当于增加了阴影区域的 蓝色分量。充分利用了阴影区域的这一属性，通过对彩色RGB影 像进行如下的归一化处理：
下面是一幅遥感图像：
自 阴 影
投 射 பைடு நூலகம் 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。
R ' R R G B
G'
B RG B
B R G B
B '
其中： R、G、B分别为原始的RGB分量， R‘、G’、B‘分别为 归一化后的RGB分量。通过前面的分析可知，在阴影区B通道灰度 下降得最少 。 整个的阴影检测流程如下图所示：
通过对B’分量图采用otsu阂值分割的方法，设置 一个较高的阈值就可以得到大致的阴影区域。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。基于此，我们在 原始的B分量图中引入了一个阈值来保证阴影检测的精 度。只有在B’分量中高于某个阈值，并在B分量中低 于某个阈值区域，才被检测成为阴影区域。
处理后的图像：
总结：
1) 由于各个彩色空间的误测率不一样从而导致其在阴影检测误 差上的不一致。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 。 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。