遙感圖像的陰影檢測技術(shù)第1頁，課件共10頁，創(chuàng)作于2023年2月

隨著航空衛(wèi)星技術(shù)不斷發(fā)展的步伐，高空間分辨率遙感的廣泛應(yīng)用，如何消除遙感影像的陰影，具有越來越重要的現(xiàn)實(shí)意義，但是這個(gè)問題一直是遙感影像處理領(lǐng)域的一個(gè)難題。在這種情況下，人們開始了遙感圖像陰影檢測技術(shù)的研究。陰影既是使圖像退化的噪聲源，又是提供一些有用信息的信息源。有了陰影檢測技術(shù)，我們就能獲取更多關(guān)于我們所研究的對象的一些有效信息。第2頁，課件共10頁，創(chuàng)作于2023年2月

下面是一幅遙感圖像：

自陰影投射陰影第3頁，課件共10頁，創(chuàng)作于2023年2月

針對遙感圖像的陰影檢測本文主要闡述了三種實(shí)現(xiàn)遙感圖像的陰影檢測的算法：1）基于RGB彩色空間的歸一化處理的陰影檢測算法；2）基于RGB彩色空間的直接差分算子的陰影檢測算法；3）基于紋理分析的陰影檢測算法。我們的重點(diǎn)研究的算法是基于RGB彩色空間的歸一化處理的陰影檢測算法。第4頁，課件共10頁，創(chuàng)作于2023年2月首先陰影區(qū)域的特性：1)由于光線被遮擋，陰影區(qū)域具有更低的灰度值2)陰影區(qū)域具有更高的色調(diào)值3)由于大氣瑞利散射的影響，陰影區(qū)域具有更高的飽和度4)陰影不改變原有地表的紋理特征5)陰影與產(chǎn)生陰影的目標(biāo)具有相似的輪廓很多檢測算法都基于陰影的屬性，還有一種是基于模型的陰影檢測。第5頁，課件共10頁，創(chuàng)作于2023年2月

根據(jù)陰影的屬性（陰影區(qū)域具有更低的灰度值），通過分析Phong光照模型，發(fā)現(xiàn)在陰影區(qū)域的三個(gè)通道中，R通道下降得最多，G通道次之，B通道下降得最少，這相當(dāng)于增加了陰影區(qū)域的藍(lán)色分量。充分利用了陰影區(qū)域的這一屬性，通過對彩色RGB影像進(jìn)行如下的歸一化處理：

其中：R、G、B分別為原始的RGB分量，R‘、G’、B‘分別為歸一化后的RGB分量。通過前面的分析可知，在陰影區(qū)B通道灰度下降得最少。整個(gè)的陰影檢測流程如下圖所示：第6頁，課件共10頁，創(chuàng)作于2023年2月第7頁，課件共10頁，創(chuàng)作于2023年2月

通過對B’分量圖采用otsu閡值分割的方法，設(shè)置一個(gè)較高的閾值就可以得到大致的陰影區(qū)域。但原始影像中的偏藍(lán)色地物在B’分量中也具有很高的像素值，需要將這些區(qū)域從陰影區(qū)域中去除?；诖?，我們在原始的B分量圖中引入了一個(gè)閾值來保證陰影檢測的精度。只有在B’分量中高于某個(gè)閾值，并在B分量中低于某個(gè)閾值區(qū)域，才被檢測成為陰影區(qū)域。第8頁，課件共10頁，創(chuàng)作于2023年2月處理后的圖像：第9頁，課件共10頁，創(chuàng)作于2023年2月由于各個(gè)彩色空間的誤測率不一樣從而導(dǎo)致其在陰影檢測誤差上的不一致。為了更大地減小陰影檢測誤差，我們應(yīng)該通過大量的研究，希望能找到基于某種彩色空間的檢測誤差更小的遙感圖像的陰影檢測技術(shù)。由于光源和場景的三維結(jié)構(gòu)不易得到，基于模型的陰影檢測方法局限性很大，但其檢測效果是最好的。所以，以后的研究重點(diǎn)要放在基于模型的陰影檢測