航空遥感影像阴影的自动检测与补偿 (2012年)

通过对阴影特性进行分析，选取能够有效检测阴影的特征组合，改进了Otsu阈值算法，可以自动获取各特征的合适阈值，实现阴影的自动检测；同时提出了改进的Wallis滤波阴影补偿策略，突出阴影区域的地物信息。实验结果表明，该检测算法阴影补偿效果明显，真实再现了被阴影遮蔽的地物细节。 ### 航空遥感影像阴影的自动检测与补偿 #### 摘要与背景 在高分辨率航空遥感影像的处理过程中，由于多种客观因素（例如成像技术和地物遮挡），影像中不可避免地会出现阴影现象。这些阴影严重影响了影像质量和视觉解译的效果，可能导致地物信息丢失或干扰地物识别、边缘提取以及影像配准等工作。因此，开发高效准确的阴影检测与补偿方法对于提升遥感影像的应用价值至关重要。 #### 阴影检测与补偿的现状 当前，遥感影像阴影检测方法主要分为两大类：基于模型的方法和基于阴影特征的方法。阴影补偿则通常采用图像增强技术或特定阴影区域信息补偿的方法。传统的图像增强技术（如直方图匹配、比值法、同态滤波、波法和Retinex法）虽然能够增强阴影区域，但同时也会影响非阴影区域的信息，有时会导致不必要的信息丢失。而阴影补偿法则是通过调整阴影区域的亮度、颜色或辐射值，使其与非阴影区域保持一致，从而实现整个影像的光照一致性。 #### 阴影检测方法 ##### 阴影特性分析 阴影区域的地物通常具有以下特征： 1. **亮度低**：阴影区域能够接收到的太阳辐射强度较低，大部分来自天空光。 2. **归一化RGB后的B'分量高**：阴影区域在归一化RGB后的B'分量上具有较高像素值。 3. **色调高**：阴影区域的G与B之间的相关程度降低，色调值相对较高。 ##### 特征组合选取与自动检测 为提高阴影检测的准确性，研究者选择了归一化RGB后的B'分量、HIS空间中的亮度分量I以及YUV空间中的亮度分量Y这三种特征组合。其中，B'分量用于初步筛选阴影区域，Y分量作为辅助特征用于补充检测可能被遗漏的阴影区域，而I分量则用来排除那些色调较高的非阴影地物。 ##### 改进的Otsu阈值算法 Otsu阈值算法是一种广泛应用于图像分割的技术，它可以自动寻找最优阈值以区分前景和背景。为了提高阴影检测的准确性，本文对传统的一维Otsu阈值算法进行了改进，使其能够更加有效地应用于多特征组合的场景中。具体来说，改进的Otsu阈值算法能够自动确定B'、Y和I这三个特征的最佳阈值，进而实现阴影的自动检测。 #### 阴影补偿策略 本文提出了一种改进的Wallis滤波阴影补偿策略。Wallis滤波是一种常用的图像增强技术，它可以有效提升局部区域的对比度。在这种改进的Wallis滤波策略中，研究者首先利用上述阴影检测算法标识出阴影区域，然后针对性地对该区域应用Wallis滤波，以增强阴影区域的地物细节，同时尽量减少对非阴影区域的影响。 #### 实验结果 实验结果显示，本文提出的阴影检测与补偿方法在高分辨率航空遥感影像中表现出了优异的性能。改进的Otsu阈值算法成功实现了阴影的自动检测，而改进的Wallis滤波阴影补偿策略则显著提升了阴影区域的地物信息，使得被阴影遮蔽的地物细节得以真实再现。 本文提出的方法不仅提高了阴影检测的准确性，还通过有效的补偿策略确保了整个遥感影像的质量，为后续的地物识别、边缘提取以及影像配准等工作提供了有力支持。