基于线性校正的遥感图像阴影去除算法研究

摘要

近年来，随着航天航空技术的飞速发展，快鸟、伊科诺斯、上帝之眼等卫星的发射，遥感技术也得到了广泛的应用，随之产生了大量的遥感图像。遥感图像应用在许多领域中，比如目标检测、目标识别、图像分割等。然而，在大部分的遥感图像中，由于地面上的高层建筑、大树、大桥的遮挡，会导致在地面上形成阴影。一方面，我们可以利用阴影，比如3D阴影重建，估算建筑高度，形状等;另一方面，阴影的存在也使得图像信息受损，不仅降低了图像颜色的色度，还使得图像的纹理细节变得模糊。这些改变在图像处理中都有消极影响，为了消除这种不利影响，将图像原始信息得到有效的还原，需要对阴影区域的颜色和细节进行处理。阴影的处理技术主要包含阴影检测和阴影去除，本文主要针对阴影去除算法进行研究分析。
　　现有线性校正阴影补偿算法针对非匀质的阴影去除结果存在色偏，导致原始阴影区域的图像颜色信息受损，为了改善这一问题，提出一种自适应亮暗分类的线性校正算法。该算法将图像中每一块阴影与邻域非阴影区域的颜色信息提取出来，以一定大小的窗口分别遍历阴影区域和非阴影区域并计算每个窗口的对比度，选取出最大对比度的窗口，计算该窗口的均值作为分类阈值，将阴影区域和非阴影区域分别分类，最后匹配阴影区域和周围非阴影区域的亮暗类再进行线性补偿，为了改善边界痕迹，提升图像修复质量，提出加权均值的思想平滑边界痕迹，最终实验结果表明，本文思想能够改善图像色偏，平滑边界痕迹，使阴影边界和非阴影边界的过渡更加自然。
　　针对自适应亮暗分类补偿算法存在色偏和纹理丢失问题，对该算法提出进一步改进，设计了一种基于引导滤波的自适应亮暗分类遥感图像阴影去除。首先采用改进的最大类间方差法将图像分类来改善图像类与类之间色偏问题。分类时提取出图像中的每一块独立的阴影，选取阴影边界一定像素以内的非阴影作为匹配数据，当图像有多类时，人工判定阴影区域类的数量k。在分类时，采用多次最大类间方差法分类的思想，通过选取像素级差值最大的类再次采用最大方差分类，每一次分类k都自减1，直到k等于1时停止分类，然后将阴影区域和非阴影区域类与类之间分别匹配并计算校正参数。为了平滑边界保存图像边界纹理细节，结合了引导滤波和线性校正函数，将阴影区域进行处理。最终实验结果表明，该算法处理结果颜色保真度较高，边界痕迹能够得到有效改善，纹理细节也能很好地保持。

目录

声明

摘要

第1章 绪论

1．1 论文的研究背景与意义

1．2 阴影简介

1．2．1 阴影类型介绍

1．2．2 阴影去除评价指标

1．3 国内外研究现状

1．4 本文研究内容

1．5 本文组织结构

第2章 现有遥感图像阴影去除算法

2．1 基于颜色恒常理论的阴影补偿算法

2．1．1 原理描述

2．1．2 仿真分析

2．2 基于样本匹配阴影补偿算法

2．2．1 原理描述

2．2．2 仿真分析

2．3 基于线性辐射校正的阴影补偿算法

2．3．1 基于RGB和HSI色彩空间的遥感影像阴影补偿算法

2．3．2 基于内外轮廓线匹配的阴影去除方法

2．3．3 仿真分析

2．4 本章小结

第3章 自适应亮暗分类线性校正阴影去除算法

3．1 算法描述

3．2 结果分析

3．2．1 边界修复结果

3．2．2 阴影去除结果对比分析

3．3 本章小结

第4章 基于引导滤波的自适应亮暗分类线性校正阴影去除算法

4．1 算法描述

4．2 实验结果及分析

4．2．1 分类分析

4．2．2 边界痕迹纹理细节对比分析

4．2．3 阴影去除结果对比分析

4．3 遥感图像阴影去除可视化界面介绍

4．3．1 可视化界面介绍

4．3．2 模块说明

4．4 本章小结

结论与展望

致谢

参考文献

攻读硕士期间发表的论文及科研成果