面向对象的高分辨率遥感影像阴影提取方法
【技术领域】
[0001] 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】
[0002] 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。
[0003] 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。
[0004] 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：
[0005] 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。
[0006] 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。
[0007] 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。
[0008] 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】
[0009] 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。
[0010]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：
[0011]步骤一，加载正确几何校正后的高分辨率遥感影像数据；
[0012]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；
[0013]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；
[0014] 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；
[0015] 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；
[0016] 步骤六，对阴影检测结果影像进行阈值分割，得到阴影区域。
[0017] 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。
[0018] 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。
[0019] 优选地，在步骤五中，所述阴影检测指数SDI的表达式为：
[0021]其中，PCA1_为第一主成分影像归一化处理的结果，Incir为HIS彩色空间中I分量影 像归一化处理的结果，S为HIS彩色空间中S分量，11_为常数。
[0022]优选地，在步骤六中，结合检测结果影像的直方图信息对阴影检测结果影像进行 阈值分割，获取阴影区域。
[0023]进一步地，所述步骤二具体包括以下步骤：（1)获取RGB三个波段的影像数据；（2) 利用均值漂移分割算法进行影像分割。采用基于均值漂移分割算法进行影像分割，用以实 现影像信息的聚类。
[0024]进一步地，所述步骤三具体包括以下步骤：（1)获取分割后影像数据；（2)进行主成 分分析；（3)获取第一主成分影像数据；（4)对第一主成分影像阴影区域进行采样，确定阴影 特征值的正负；（5)对第一主成分影像进行取正或取负处理；（6)对处理后的影像进行归一 化处理。
[0025]进一步地，所述步骤四具体包括以下步骤：（1)获取分割后影像数据；（2)进行HIS 变换；（3)获取I分量影像和S分量影像;（4)对I分量影像进行归一化处理。
[0026] 进一步地，所述步骤五具体包括以下步骤：（1)获取S分量影像、归一化的第一主成 分影像和归一化的I分量影像;（2)利用阴影检测指数对数据进行阴影检测。
[0027] 进一步地，所述步骤六具体包括以下步骤：（1)获取检测结果影像的直方图信息； (2)对阴影检测结果进行阈值分割，获取阴影区域。
[0028]本发明的有益效果如下：
[0029] (1)本发明首先对已被正确几何校正后的高分影像进行均值漂移分割，再进行其 他阴影提取运算，有效地去除了斑点噪声对提取结果的影响，提高了提取精度。
[0030] (2)本发明提出了一种基于主成分变换和HIS变换的高分辨率遥感影像阴影检测 指数，在阴影提取中，首先对进行均值漂移分割后的影像进行主成分变换和HIS变换，且要 对第一主成分影像和I分量影像进行归一化处理，最后使用构造的阴影检测指数进行阴影 检测，通过阈值分割得到阴影区域。本发明利用主成分变换的特征来实现影像数据的降维 操作，有效地降低了算法的运算量和算法结构的复杂程度，并提高了算法的自动化程度。本 发明充分利用了阴影、植被、水体、蓝色地物等在HIS彩色空间下的性质，简单、有效的区分 开高分辨率遥感影像中阴影与非阴影区域，且无需先验信息。
[0031] (3)相比现有的高分辨率遥感影像阴影提取方法，根据影像受光照、地物类别比 例、传感器等影响的不同，通过调节阴影检测指数中的常数，本发明无需先验信息、自动化 程度高、鲁棒性和普适性更好，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。
【附图说明】
[0032]图1为本发明的方法流程图；
[0033]图2(a)为RGB三波段影像数据示意图（两景数据中的实验数据一）；
[0034]图2(b)为进行均值漂移分割后影像数据示意图；
[0035]图3(a)为主成分变换得到各成分影像数据示意图（第一、二、三主成分数据叠加显 示）；
[0036]图3(b)为第一主成分影像数据示意图；
[0037]图4(a)为HIS变换后HIS色彩空间影像示意图；
[0038]图4(b)为I分量影像示意图；
[0039]图4(c)为S分量影像示意图；
[0040]图5为图2(a)中高分辨率遥感影像阴影检测结果示意图；
[0041 ]图6为本发明的整体影像数据计算流程图；
[0042]图7为图2(a)中高分辨率遥感影像阴影提取结果示意图；
[0043]图8(a)为RGB三波段影像数据示意图（两景数据中的实验数据二）；
[0044] 图8(b)为图8(a)中高分辨率遥感影像阴影提取结果示意图；
[0045] 图9(a)为图2(a)中没有进行均值漂移分割的高分辨率遥感影像阴影提取结果示 意图；
[0046] 图9(b)为图8(a)中没有进行均值漂移分割的高分辨率遥感影像阴影提取结果示 意图。
【具体实施方式】
[0047]为能清楚说明本方案的技术特点，下面通过【具体实施方式】，并结合其附图，对本发 明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结 构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发