CN102147920A - 高分辨率遥感影像中的阴影检测方法 - Google Patents
高分辨率遥感影像中的阴影检测方法 Download PDFInfo
- Publication number
- CN102147920A CN102147920A CN2011100489461A CN201110048946A CN102147920A CN 102147920 A CN102147920 A CN 102147920A CN 2011100489461 A CN2011100489461 A CN 2011100489461A CN 201110048946 A CN201110048946 A CN 201110048946A CN 102147920 A CN102147920 A CN 102147920A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- characteristic pattern
- remote sensing
- shadow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种高分辨率遥感影像中的阴影检测方法,首先对原始的RGB影像进行归一化处理,变换到HIS颜色空间,提取I分量,对每个像素点分别计算,得到特征图,对得到的特征图再进行拉伸,使阴影区和非阴影区的差距更明显,利用PCNN对特征图进行分割,设置合适的参数及迭代次数,能得到较为精确的阴影区域,对得到的阴影区域最优分割结果进行形态学处理,去除一些孤立的点,填补一些细小的空洞,得到精确的阴影区域,将上述检测出精确的阴影区域叠加到原始影像上后输出。该方法能消除深色植被区对阴影检测造成的影响,减少误检,提高检测精度,还能在含有复杂建筑及植被区的影像中精确地检测出阴影。
Description
技术领域
本发明涉及的是一种高分辨率遥感影像中的阴影检测方法,尤其是涉及一种基于阴影光谱特性的特征图变换以及利用脉冲耦合神经网络(PCNN)的图像分割方法。
技术背景
在高分辨率遥感图像的处理过程中,阴影对影像的影响相对严重。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,很难对它们进行分类;在城市彩色航片影像中,阴影会使图像灰度发生局部变化,导致图像目标的几何特征发生变化,从而影响提取效果和变化监测效果。此外,在诸如图像匹配的算法研究中,如果两张影像的匹配区域存在阴影,将直接影响影像匹配的精度。但是阴影同样是一个信息源,里面包含了大量的关于物体表面及其反射率的信息,如果能对阴影中的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以确定建筑物的高度信息等,为建立数字城市模型服务。要对影像上的阴影进行处理,首先必须对阴影区域进行精确的检测。
阴影特有的光谱特性在某些颜色空间中表现的更为明显,因此国内外主要用将原始影像变换到不同的颜色空间中,通过选取阴影与非阴影区域差别较大的分量,建立比值或者差值关系,再利用阈值将阴影和非阴影两部分区分开来。这些算法虽然计算复杂度不高,但这些方法需要有关于场景和传感器的先验信息,无形之中增加了限制条件;有些易造成误检,尤其在建筑物比较复杂以及深色植被区域较多的影像中,检测出的阴影往往包含很多误检区域。现有遥感影像阴影检测方法没有解决这些问题。
发明内容
本发明的目的在于针对已有技术存在的问题,提供一种高分辨率遥感影像中的阴影检测方法。该方法能消除深色植被区对阴影检测造成的影响,能够在含有复杂建筑及植被区的影像中精确地检测出阴影。
为达到上述发明目的,本发明的构思是:首先对原始的RGB影像进行归一化处理,变换到HIS颜色空间,提取I分量,对每个像素点分别计算 ,得到特征图,对得到的特征图再进行拉伸,使阴影区和非阴影区的差距更明显,利用PCNN对特征图进行分割,设置合适的参数及迭代次数,就能得到较为精确的阴影区域。
根据上述的发明构思,本发明采用下述技术方案:
一种高分辨率遥感影像中的阴影检测方法,其特征在于,首先对原始的RGB影像进行归一化处理,变换到HIS颜色空间,提取I分量,对每个像素点分别计算 ,得到特征图,对得到的特征图再进行拉伸,使阴影区和非阴影区的差距更明显,利用PCNN对特征图进行分割,设置合适的参数及迭代次数,就能得到较为精确的阴影区域,其具体步骤如下:
(1)、利用航空传感器采集原始的RGB遥感影像;
(4)、利用脉冲耦合神经网络(PCNN)对拉伸后的特征图进行分割,采用最大熵的方法得出最优分割结果;
(5)、对得到的阴影区域最优分割结果进行形态学处理,去除一些孤立的点,填补一些细小的空洞;
(6)、将上述检测出的阴影区域叠加到原始影像上后输出。
影像的亮度分量I的计算式为:
其中R、G、B分别为每个像素点的红、绿、蓝分量,
上述步骤(4)中所述的利用脉冲耦合神经网络(PCNN)对拉伸后的特征图进行分割,用最大熵得出最优分割结果,其计算式为:
在PCNN的模型参数中预设一个较大的迭代次数,求得最大的熵,此时对应的PCNN输出,即是最优的分割结果。
对这个结果进行形态学运算,去除一些孤立的斑点并填补一些细小的空洞,最终便得到精确的阴影区域。
本发明的一种高分辨率遥感影像中的阴影检测方法与现有技术相比较具有的优点与积极效果是:
1、该方法能消除深色植被区对阴影检测造成的影像,能够在含有复杂建筑及植被区的影像精确地检测出阴影。
2、该方法能够得到原始影像的特征图,对特征图进行拉伸,使阴影区和非阴影区的差别更好的体现出来,再利用脉冲耦合神经网络(PCNN)的分割方法,将阴影区和非阴影区分割开来,检测出的阴影区域叠加到原始影像上,消除深色植被区的影响,减少误检,提高阴影检测的精度,还能对含有复杂植被以及建筑物的影像有较高的检测精度。
附图说明
图1 为本发明的高分辨率遥感影像中的阴影检测方法的流程图;
图2 为本发明的航空传感器采集原始的RGB遥感影像图;
图3 为本发明检测出的阴影区域的影像图;
图4 为本发明检测出的阴影区域的影像叠加在原始RGB遥感影像的图。
具体实施方式
下面结合说明书附图和具体实施方式对本发明做进一步详细的说明。
本发明的实施例采用航空传感器拍摄的原始的RGB遥感影像,如图2所示。
如图1所示,本发明的高分辨率遥感影像中的阴影检测方法,其具体步骤如下:
(1)、利用航空传感器采集原始的RGB遥感影像;
影像的亮度分量I的计算式为:
其中R、G、B分别为每个像素点的红、绿、蓝分量,
其中为迭代次数,为每次迭代之后的得到的二值影像,
熵值最大时得到的二值影像即为最优分割结果;
(5)、对阴影区域最优分割结果进行形态学处理,去除一些孤立的点,填补一些细小的空洞,得到精确的阴影区域,如图3所示;
(6)、将上述检测出的阴影区域叠加到原始影像上后输出,如图4所示。
实例:本实验结果如图3、图4所示。由特征值计算公式我们可以得到原始影像的特征图,对特征图进行拉伸,使阴影区和非阴影区的差别更好的体现出来,再利用PCNN的分割方法,可以将阴影区和非阴影区分割开来。将检测出的阴影区域叠加到原始影像上,如图4所示,阴影区域基本上被正确的检测出来,误检率很低。
Claims (4)
1.一种高分辨率遥感影像中的阴影检测方法,其特征在于,首先对原始的RGB影像进行归一化处理,变换到HIS颜色空间,提取I分量,对每个像素点分别计算 ,得到特征图,对得到的特征图再进行拉伸,使阴影区和非阴影区的差距更明显,利用PCNN对特征图进行分割,设置合适的参数及迭代次数,就能得到较为精确的阴影区域,其具体步骤如下:
(1)、利用航空传感器采集原始的RGB遥感影像;
(4)、利用脉冲耦合神经网络(PCNN)对拉伸后的特征图进行分割,采用最大熵的方法得出最优分割结果;
(5)、对得到的阴影区域最优分割结果进行形态学处理,去除一些孤立的点,填补一些细小的空洞;
(6)、将上述检测出的阴影区域叠加到原始影像上后输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100489461A CN102147920B (zh) | 2011-03-02 | 2011-03-02 | 高分辨率遥感影像中的阴影检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100489461A CN102147920B (zh) | 2011-03-02 | 2011-03-02 | 高分辨率遥感影像中的阴影检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102147920A true CN102147920A (zh) | 2011-08-10 |
CN102147920B CN102147920B (zh) | 2012-11-07 |
Family
ID=44422169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100489461A Expired - Fee Related CN102147920B (zh) | 2011-03-02 | 2011-03-02 | 高分辨率遥感影像中的阴影检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102147920B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298780A (zh) * | 2011-08-15 | 2011-12-28 | 天津大学 | 一种彩色图像阴影检测方法 |
CN102592266A (zh) * | 2012-01-04 | 2012-07-18 | 西安工程大学 | 基于双简化脉冲耦合神经网络的坯布疵点分割方法 |
CN102855627A (zh) * | 2012-08-09 | 2013-01-02 | 武汉大学 | 基于光谱特性和拓扑关系的城市遥感影像阴影检测方法 |
CN102982512A (zh) * | 2012-11-28 | 2013-03-20 | 天津大学 | 一种百度卫星地图图像阴影检测方法 |
CN104809699A (zh) * | 2015-04-15 | 2015-07-29 | 东南大学 | 基于最大熵的路面阴影抑制方法 |
CN105096275A (zh) * | 2015-08-27 | 2015-11-25 | 南京理工大学 | 基于暗通道原理的单幅山脉遥感图像高程值提取方法 |
CN105590316A (zh) * | 2015-12-11 | 2016-05-18 | 中国测绘科学研究院 | 面向对象的高分辨率遥感影像阴影提取方法 |
CN106023113A (zh) * | 2016-05-27 | 2016-10-12 | 哈尔滨工业大学 | 基于非局域稀疏的卫星高分图像阴影区域恢复方法 |
CN106228553A (zh) * | 2016-07-20 | 2016-12-14 | 湖南大学 | 高分辨率遥感图像阴影检测装置与方法 |
CN106296702A (zh) * | 2016-08-15 | 2017-01-04 | 中国农业科学院农业信息研究所 | 自然环境下棉花图像分割方法及装置 |
CN106897681A (zh) * | 2017-02-15 | 2017-06-27 | 武汉喜恩卓科技有限责任公司 | 一种遥感图像对比分析方法及*** |
CN109754440A (zh) * | 2018-12-24 | 2019-05-14 | 西北工业大学 | 一种基于全卷积网络和均值漂移的阴影区域检测方法 |
CN110427950A (zh) * | 2019-08-01 | 2019-11-08 | 重庆师范大学 | 紫色土土壤图像阴影检测方法 |
CN111415357A (zh) * | 2020-03-19 | 2020-07-14 | 长光卫星技术有限公司 | 一种基于彩色影像的便携式阴影提取方法 |
CN112200858A (zh) * | 2020-10-10 | 2021-01-08 | 长光卫星技术有限公司 | 基于高分辨率光学遥感图像的外浮顶油罐储量分析方法 |
CN116312813A (zh) * | 2023-05-22 | 2023-06-23 | 上海科技大学 | 鉴定干细胞群代次的方法及标志物 |
CN117252789A (zh) * | 2023-11-10 | 2023-12-19 | 中国科学院空天信息创新研究院 | 高分辨率遥感影像阴影重建方法、装置及电子设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101364304A (zh) * | 2008-09-25 | 2009-02-11 | 上海交通大学 | 基于颜色不变性和高斯模型的阴影检测方法 |
-
2011
- 2011-03-02 CN CN2011100489461A patent/CN102147920B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101364304A (zh) * | 2008-09-25 | 2009-02-11 | 上海交通大学 | 基于颜色不变性和高斯模型的阴影检测方法 |
Non-Patent Citations (4)
Title |
---|
《2010 International Conference on Audio Language and Image Processing (ICALIP)》 20101125 Shan Lu, et al. Shadow Detection of Color Urban Aerial Images 1610-1613 1-4 , * |
《Proceedings of the 5th World Congress on Intelligent Control and Automation》 20040619 Jianjun Huang, et al. Detection of and Compensation for Shadows in Colored Urban Aerial Images 3098-3100 1-4 , * |
《电子学报》 20050430 毕英伟,等。 一种基于简化PCNN的自适应图像分割方法 647-650 1-4 , 第4期 * |
《通信学报》 20020131 马义德,等。 一种基于脉冲耦合神经网络和图像熵的自动图像分割方法 46-51 1-4 第23卷, 第1期 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298780A (zh) * | 2011-08-15 | 2011-12-28 | 天津大学 | 一种彩色图像阴影检测方法 |
CN102298780B (zh) * | 2011-08-15 | 2012-12-12 | 天津大学 | 一种彩色图像阴影检测方法 |
CN102592266A (zh) * | 2012-01-04 | 2012-07-18 | 西安工程大学 | 基于双简化脉冲耦合神经网络的坯布疵点分割方法 |
CN102855627A (zh) * | 2012-08-09 | 2013-01-02 | 武汉大学 | 基于光谱特性和拓扑关系的城市遥感影像阴影检测方法 |
CN102855627B (zh) * | 2012-08-09 | 2015-05-13 | 武汉大学 | 基于光谱特性和拓扑关系的城市遥感影像阴影检测方法 |
CN102982512A (zh) * | 2012-11-28 | 2013-03-20 | 天津大学 | 一种百度卫星地图图像阴影检测方法 |
CN104809699A (zh) * | 2015-04-15 | 2015-07-29 | 东南大学 | 基于最大熵的路面阴影抑制方法 |
CN105096275A (zh) * | 2015-08-27 | 2015-11-25 | 南京理工大学 | 基于暗通道原理的单幅山脉遥感图像高程值提取方法 |
CN105590316A (zh) * | 2015-12-11 | 2016-05-18 | 中国测绘科学研究院 | 面向对象的高分辨率遥感影像阴影提取方法 |
CN106023113A (zh) * | 2016-05-27 | 2016-10-12 | 哈尔滨工业大学 | 基于非局域稀疏的卫星高分图像阴影区域恢复方法 |
CN106023113B (zh) * | 2016-05-27 | 2018-12-14 | 哈尔滨工业大学 | 基于非局域稀疏的卫星高分图像阴影区域恢复方法 |
CN106228553A (zh) * | 2016-07-20 | 2016-12-14 | 湖南大学 | 高分辨率遥感图像阴影检测装置与方法 |
CN106228553B (zh) * | 2016-07-20 | 2019-07-23 | 湖南大学 | 高分辨率遥感图像阴影检测装置与方法 |
CN106296702A (zh) * | 2016-08-15 | 2017-01-04 | 中国农业科学院农业信息研究所 | 自然环境下棉花图像分割方法及装置 |
CN106296702B (zh) * | 2016-08-15 | 2019-08-16 | 中国农业科学院农业信息研究所 | 自然环境下棉花图像分割方法及装置 |
CN106897681A (zh) * | 2017-02-15 | 2017-06-27 | 武汉喜恩卓科技有限责任公司 | 一种遥感图像对比分析方法及*** |
CN106897681B (zh) * | 2017-02-15 | 2020-11-10 | 武汉喜恩卓科技有限责任公司 | 一种遥感图像对比分析方法及*** |
CN109754440A (zh) * | 2018-12-24 | 2019-05-14 | 西北工业大学 | 一种基于全卷积网络和均值漂移的阴影区域检测方法 |
CN110427950A (zh) * | 2019-08-01 | 2019-11-08 | 重庆师范大学 | 紫色土土壤图像阴影检测方法 |
CN110427950B (zh) * | 2019-08-01 | 2021-08-27 | 重庆师范大学 | 紫色土土壤图像阴影检测方法 |
CN111415357A (zh) * | 2020-03-19 | 2020-07-14 | 长光卫星技术有限公司 | 一种基于彩色影像的便携式阴影提取方法 |
CN111415357B (zh) * | 2020-03-19 | 2023-04-07 | 长光卫星技术股份有限公司 | 一种基于彩色影像的便携式阴影提取方法 |
CN112200858A (zh) * | 2020-10-10 | 2021-01-08 | 长光卫星技术有限公司 | 基于高分辨率光学遥感图像的外浮顶油罐储量分析方法 |
CN116312813A (zh) * | 2023-05-22 | 2023-06-23 | 上海科技大学 | 鉴定干细胞群代次的方法及标志物 |
CN116312813B (zh) * | 2023-05-22 | 2023-08-22 | 上海科技大学 | 鉴定干细胞群代次的方法及标志物 |
CN117252789A (zh) * | 2023-11-10 | 2023-12-19 | 中国科学院空天信息创新研究院 | 高分辨率遥感影像阴影重建方法、装置及电子设备 |
CN117252789B (zh) * | 2023-11-10 | 2024-02-02 | 中国科学院空天信息创新研究院 | 高分辨率遥感影像阴影重建方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN102147920B (zh) | 2012-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102147920A (zh) | 高分辨率遥感影像中的阴影检测方法 | |
CN102254319B (zh) | 一种多层次分割的遥感影像变化检测方法 | |
CN109558806B (zh) | 高分遥感图像变化的检测方法 | |
CN102722891B (zh) | 一种图像显著度检测的方法 | |
WO2017084204A1 (zh) | 一种二维视频流中的人体骨骼点追踪方法及*** | |
CN102496157B (zh) | 基于高斯多尺度变换及颜色复杂度的图像检测方法 | |
CN105608473B (zh) | 一种基于高分辨率卫星影像的高精度土地覆盖分类方法 | |
CN103218832B (zh) | 基于图像中全局颜色对比度和空域分布的视觉显著性算法 | |
CN108537239A (zh) | 一种图像显著性目标检测的方法 | |
CN107358161B (zh) | 一种基于遥感影像分类的海岸线提取方法及*** | |
CN104573719A (zh) | 基于图像智能分析的山火检测方法 | |
CN102982538A (zh) | 一种资源卫星多光谱图像模拟真彩色方法 | |
CN103679677A (zh) | 一种基于模型互更新的双模图像决策级融合跟踪方法 | |
CN102881160A (zh) | 一种低照度场景下的户外交通标志识别方法 | |
CN106529472B (zh) | 基于大尺度高分辨率高光谱图像的目标探测方法及装置 | |
CN103456011A (zh) | 一种利用互补信息的改进型高光谱rx异常检测方法 | |
CN108492288B (zh) | 基于随机森林的多尺度分层采样的高分卫星影像变化检测方法 | |
Ye et al. | Removing shadows from high-resolution urban aerial images based on color constancy | |
CN106683125A (zh) | 一种基于2d/3d模态切换的rgb‑d图像配准方法 | |
CN102063627A (zh) | 基于多小波变换的自然图像和计算机生成图像的识别方法 | |
CN110796113B (zh) | 一种基于WorldView-2影像的城市蓝色地物检测方法 | |
CN104573662B (zh) | 一种云判方法和*** | |
CN109741337B (zh) | 基于Lab色彩空间的区域合并分水岭彩色遥感影像分割方法 | |
Jiang et al. | Semi-automatic building extraction from high resolution imagery based on segmentation | |
CN111192332B (zh) | 一种基于烟雾检测的烟机控制方法以及烟机 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20121107 Termination date: 20150302 |
|
EXPY | Termination of patent right or utility model |