基于分类补偿的遥感影像阴影去除算法研究

发布时间：2017-07-30 06:25

  本文关键词：基于分类补偿的遥感影像阴影去除算法研究

  更多相关文章： 遥感影像 阴影去除 亮暗补偿 非局部正则化 分类补偿 高通滤波

【摘要】：随着科技的不断进步发展,卫星遥感技术迎来了前所未有的发展阶段。遥感技术因具有其他技术望尘莫及的特点,使得遥感技术在越来越多的领域得到了应用。然而,遥感影像中,因存在大量的高大建筑物以及树木等物体会遮挡住太阳光线,导致在地面上形成阴影。阴影的存在对遥感影像的应用有有利的影响,也有不利的影响。我们可以通过阴影的性质,如大小,形状,方向等来估计遮挡物的大小,形状以及光源方向等。但是阴影的存在意味着信息受损,使得遥感影像在计算机视觉领域的应用受到影响,如目标识别、图像分割、图像配准等,因此,为了能够减弱、消除这种不利影响,就需要对遥感影像中的阴影区域进行颜色信息与细节信息的恢复,使得遥感影像的数据能够得到充分并且正确的利用。阴影区域的信息恢复包含了两个研究方向：阴影检测、阴影去除,本文以遥感影像的阴影去除算法作为研究对象。本文首先对现有阴影去除方法的原理进行了详细描述,并进行了实验仿真分析。然后对现有基于非局部正则化的阴影去除方法仍存在颜色信息恢复不够好的缺点进行改进,设计了一种基于亮暗补偿的非局部正则化阴影去除方法。该方法首先通过将具有较大面积的独立阴影以及其相似非阴影分别分为亮、暗两个区域,并分别进行补偿,得到颜色信息恢复更好的阴影去除预测图像,然后分析了不同地物之间在R,G,B三个色彩通道的阴影尺度差,提出对阴影尺度非局部正则项三个色彩通道分别分配权值,减少在增强阴影区域细节信息时所产生的颜色失真现象。实验结果表明,本文所改进的方法能够更好的恢复阴影区域的颜色信息。针对基于亮暗补偿的非局部正则化阴影去除方法存在算法效率低、阴影去除结果仍存在一定的颜色偏差问题,设计了一种结合分类补偿与高通滤波的阴影去除方法。该方法首先通过利用外检查线寻找到每一阴影类对应的非阴影类,阴影类与对应的非阴影类进行一一映射补偿,减弱阴影类与类之间的相互影响。然后通过对原始阴影图像进行高通滤波,并将滤波后的结果进行亮度提升,得到细节信息增强的图像。最后结合分类补偿结果与高通滤波结果,使得阴影去除结果能够同时兼顾颜色信息与细节纹理信息。实验结果表明,该方法的阴影去除结果细节信息与颜色信息保持较好,算法效率得到了很大提高。
【关键词】：遥感影像 阴影去除 亮暗补偿 非局部正则化 分类补偿 高通滤波
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP751
【目录】：

• 摘要6-7
• Abstract7-11
• 第1章 绪论11-18
• 1.1 研究背景与意义11-12
• 1.2 国内外研究现状12-13
• 1.3 阴影简介13-16
• 1.3.1 阴影的分类13-14
• 1.3.2 阴影的性质14
• 1.3.3 遥感影像阴影的特性14-15
• 1.3.4 阴影去除评价指标15-16
• 1.4 本文研究内容16-17
• 1.5 本文组织结构17-18
• 第2章 现有遥感影像阴影去除算法分析18-34
• 2.1 引言18
• 2.2 基于颜色恒常性的阴影去除算法18-21
• 2.2.1 颜色恒常阴影去除原理18-20
• 2.2.2 仿真分析20-21
• 2.3 基于样本学习匹配的阴影去除算法21-25
• 2.3.1 基于样本学习匹配的算法原理21-24
• 2.3.2 仿真分析24-25
• 2.4 基于区域补偿的阴影去除算法25-29
• 2.4.1 区域补偿算法原理26
• 2.4.2 基于色彩空间变换的阴影去除26-27
• 2.4.3 基于内外检查线匹配的阴影去除27-28
• 2.4.4 仿真分析28-29
• 2.5 基于非局部正则化的阴影去除29-33
• 2.5.1 软阴影29-30
• 2.5.2 获取预测图像30
• 2.5.3 获取阴影去除图像30-32
• 2.5.4 仿真分析32-33
• 2.6 本章小结33-34
• 第3章 基于亮暗补偿的非局部正则化阴影去除34-44
• 3.1 基于亮暗补偿的非局部正则化阴影去除34-38
• 3.1.1 亮暗补偿34-35
• 3.1.2 阴影尺度差分析35-36
• 3.1.3 分类分配权值36-38
• 3.2 实验结果与分析38-43
• 3.2.1 亮暗补偿实验结果对比分析38-39
• 3.2.2 同一预测图像不同权值分配实验结果对比分析39
• 3.2.3 阴影去除实验结果对比分析39-43
• 3.3 本章小结43-44
• 第4章 结合分类补偿与高通滤波的阴影去除44-51
• 4.1 分类补偿44-46
• 4.1.1 分类补偿思想44
• 4.1.2 分类补偿算法实现44-45
• 4.1.3 分类补偿结果分析45-46
• 4.2 高通滤波46-47
• 4.2.1 图像频域滤波46-47
• 4.2.2 亮度提升47
• 4.2.3 结合分类补偿与高通滤波47
• 4.3 实验结果与分析47-50
• 4.4 本章小结50-51
• 第5章 遥感影像阴影去除可视化演示51-58
• 5.1 图形用户界面概述51-52
• 5.2 遥感影像阴影去除可视化演示界面52-57
• 5.2.1 图形用户界面相关说明模块53-54
• 5.2.2 遥感影像选择模块54-55
• 5.2.3 现有阴影去除方法模块55-56
• 5.2.4 改进方法模块56-57
• 5.3 本章小结57-58
• 结论与展望58-60
• 参考文献60-64
• 致谢64-65
• 攻读硕士期间发表的论文及参与的科研项目65

【参考文献】

中国期刊全文数据库 前10条

1 高贤君;万幼川;杨元维;何培培;;高分辨率遥感影像阴影的自动检测与自动补偿[J];自动化学报;2014年08期

2 方菊芹;陈帆;和红杰;尹忠科;;结合局部分类水平集与颜色特征的遥感影像阴影检测[J];自动化学报;2014年06期

3 黄微;傅利琴;王琛;;基于梯度域的保纹理图像阴影去除算法[J];计算机应用;2013年08期

4 杨玲;阮心玲;李畅;;一种自适应Retinex的航空影像阴影消除方法[J];测绘工程;2013年03期

5 林宗坚;任超锋;姚娜;解斐斐;;一种航空影像阴影补偿方法[J];武汉大学学报(信息科学版);2013年04期

6 高贤君;万幼川;郑顺义;李健;;航空遥感影像阴影的自动检测与补偿[J];武汉大学学报(信息科学版);2012年11期

7 王润生;熊盛青;聂洪峰;梁树能;齐泽荣;杨金中;闫柏琨;赵福岳;范景辉;童立强;林键;甘甫平;陈微;杨苏明;张瑞江;葛大庆;张晓坤;张振华;王品清;郭小方;李丽;;遥感地质勘查技术与应用研究[J];地质学报;2011年11期

8 徐鹏杰;邓磊;;遥感技术在减灾救灾中的应用[J];遥感技术与应用;2011年04期

9 郝宁波;廖海斌;;基于同态滤波的高分辨率遥感影像阴影消除方法[J];软件导刊;2010年12期

10 叶勤;徐秋红;谢惠洪;;城市航空影像中基于颜色恒常性的阴影消除[J];光电子.激光;2010年11期

中国硕士学位论文全文数据库 前2条

1 方菊芹;遥感影像阴影检测与去除算法研究[D];西南交通大学;2014年

2 鞠何其;基于色彩空间变换的遥感影像阴影检测与去除技术[D];上海交通大学;2009年

，

本文编号：592873