基于高分辨率遥感图像的阴影检测技术研究

摘要

与传统遥感图像相比，高分辨率遥感图像能获取更多细节，为图像的使用提供了更加丰富的地物信息，与此同时，阴影在高分辨率图像中的影响显得尤为突出。一方面，阴影为图像的空间复原、3D应用等提供了重要的信息，另一方面阴影的存在严重阻碍了对图像后续的分析和应用，因此阴影检测技术成为遥感图像处理领域的一个重要研究方向。
　　传统的阴影检测技术只考虑了图像的光学特征，而忽视了图像的空间信息，这使得其检测结果往往存在噪声和边缘模糊等问题。本文根据高分辨率遥感图像中的颜色和亮度特征，并充分结合各像素之间的空间信息，利用扩展随机行走（Extended Random Walker，ERW）模型将光学和空间特征相结合，得到了自动化高精度的高分辨率图像阴影检测流程。具体而言，首先根据由简入繁的检测过程实现种子点的自动化获取，同时利用支持向量机（Support Vector Machine，SVM）构造ERW模型所需的概率图实现对图像光学特征的获取，最后利用ERW模型结合空间和光学特征实现图像阴影检测的高精度化。本文的主要工作如下：
　　1．针对自动化需求，本文提出了一种无需人工监督的基于图像信息的 ERW概率图构造方法。首先，利用颜色空间转换提取图像的亮度信息，并利用频谱比值技术进一步获取特征图像；然后，利用最大类间差法对图像进行自动分割实现粗检测；随后，利用形态学滤波对粗检测结果进行置信度提升，将置信度较高的像素点作为标定样本点，从而实现样本点获取的自动化；最后，利用特征空间和标定的样本点，进行 SVM像素级分类，获取初始概率图。
　　2．针对高精度化需求，本文提出一种联合空间信息的ERW阴影检测方法。传统方法所得到的检测结果往往存在噪声较多、边缘模糊等问题，这是由于传统方法没有考虑各像素点之间的相关性。本文利用ERW模型，对SVM所构造的初始概率图进行优化，得到了较好的效果。在真实数据集上的实验显示，联合空间信息的ERW优化模型能明显和有效的提升阴影检测的精度。
　　3．针对实用化需求，本文实现了基于ERW的图像阴影检测软件系统。基于Visula Studio2010平台，利用MFC实用程序框架和计算机视觉开源库OpenCV进行编程，实现了高分辨率遥感图像的读取显示、概率图构造、基于SVM和ERW的阴影检测以及精度计算等功能。

目录

声明

第1章 绪 论

1.1 本课题的研究背景及意义

1.2 高分辨率遥感图像阴影检测的研究现状

1.3 本文主要研究内容以及结构安排

第2章 随机行走与扩展随机行走

2.1 引言

2.2 随机行走(RW)

2.3 扩展随机行走（ERW）

2.4 本章小结

第3章 基于图像信息的ERW概率图构造

3.1 引言

3.2 概率图构造算法基本流程

3.3 亮度特征提取

3.4 图像分割

3.5 样本点标定

3.6 SVM分类与概率图构造

3.7 实验结果与分析

3.8 本章小结

第4章 联合空间信息的ERW阴影检测

4.1 引言

4.2 基于ERW的图像阴影检测

4.3 实验结果与分析

4.4 本章小结

第5章 软件实现

5.1 软件系统的结构设计

5.2 软件系统的主要流程

5.3 软件系统的界面与功能

5.4 软件系统的应用

5.5 本章小结

总结与展望

参考文献

致谢

附录A 攻读学位期间所发表的学术论文目录