基于多项式拟合的高分辨率遥感影像阴影自动提取算法制造技术

本发明专利技术公开了基于多项式拟合的高分辨率遥感影像阴影自动提取算法。首先，根据影像中不同阴影面积区域的近红外波段直方图的差异，对整幅影像近红外波段直方图进行四、五次多项式拟合；其次，分析出阴影分割阈值与四、五次多项式交点的联系，进而初步提取出阴影区域；然后，使用归一化水体指数提取出水体；最后利用扫描线种子填充算法剔除阴影初步提取结果中被误检测为阴影的水体，从而获得阴影区域，算法结束。本发明专利技术的有益效果是能够快速、准确提取阴影信息，避免大量计算，并能完整地剔除水体。

【技术实现步骤摘要】
基于多项式拟合的高分辨率遥感影像阴影自动提取算法
本专利技术属于遥感
，涉及高分辨率遥感影像阴影的自动提取。
技术介绍
图像分割是根据需要将图像像素划分成不同的类型，以达到理解、分析和解决问题的目的，是图像处理的基本操作。图像分割方法中阈值法使用较为广泛，即通过阈值将图像像素划分成不同的区域。学者们已在该领域进行了大量卓有成效的研究，提出了多种识别算法。其中王树根等利用整体变分模型提取分割阈值，进而获得影像阴影；虢建宏等提出了一种多波段阴影检测的方法；于东方等采用势函数拟合直方图，进而获得势函数第一个谷点，将其作为阴影分割阈值；杨俊等将I分量和归一化差值图相结合，采用双阈值进行阴影检测；梁栋等提出一种基于支持向量机的遥感影像厚云及云阴影去除方法；高贤君等改进Ostu自动阈值法，能够高效自动地检测阴影。徐德政等提出一种基于HIS色彩空间的资源三号影像阴影检测方法，可以快速有效地检测出影像上的阴影，并且能区分树木，河流等暗色物体；云雅等采用单时相法对高分一号数据进行云/阴影检测；罗艳等结合最佳指数法提出一种适用于多光谱的WorldView-2遥感卫星影像阴影检测方法。上述方法都对图像分割进行了有益的尝试，亦取得了不错的效果。但仍然存在部分问题：(1)部分算法只针对于单一影像类型，对其他类型影像不适用；(2)部分算法虽然实现了多元影像阴影检测，但复杂度高，且无法实现自动提取；(3)个别算法能够实现半自动或自动提取，影像类型适用性较好，但计算量偏大，且无法有效去除偏蓝色地物、暗色物体和水体等信息。如杨猛、徐德政、云雅和罗艳等提出的算法只针对特定的影像，无法实现多元影像的阴影检测；虢建宏等提出的多波段阴影检测能够实现多元影像的阴影检测，但无法实现自动提取；王树根等实现了自动提取，但每次提取时需要根据图幅给λ1，λ2赋值，且计算复杂，需要多次迭代；梁栋等实现云阴影的去除，但需要太阳角度信息，该信息难以获取，且难以完整去除水体；于东方、高贤君和李轶鲲等实现影像阴影的自动提取，但存在难以有效去除水体、偏蓝色地物等问题。由此，本专利技术提出了一种多项式拟合的高分辨率遥感影像阴影检测算法，该算法对所有高分辨率卫星遥感影像均适用，能够快速、准确地检测、提取地物阴影边界信息。
技术实现思路
本专利技术的目的在于提供基于多项式拟合的高分辨率遥感影像阴影自动提取算法，解决了现有的图像分割方法计算量大，分割效果不好的问题。本专利技术所采用的技术流程图如图1所示。其步骤如下所示：步骤1：读取影像近红外波段像素值，归一化到0-255，计算数据的频率，并对频率进行五点滑动平均处理，生成直方图；步骤2：分别采用四、五次多项式拟合直方图；步骤3：分析不同类型影像的阴影特征与四、五次多项式交点的联系，取特定的交点作为该类影像阴影的分割阈值，初步检测出阴影区域；步骤4：利用归一化水体指数提取出水体，以水体左边界作为种子，利用扫描线种子填充算法去除初步检测结果中的水体，算法结束。上述每个步骤的具体处理过程如下：步骤1中对数据进行五点滑动平均处理公式如下：式中：yi为像素值为i时的像素数量，y’i为像素值为i时平滑后的像素数量，yi+1为像素值为i+1时的像素数量。步骤2中四、五次多项式公式如下所示：y＝a1*x5+b1*x4+c1*x3+d1*x2+e1*x+f1y＝a2*x4+b2*x3+c2*x2+d2*x+e2式中，x代表像素值，y代表像素值个数，a1、b1、c1、d1、e1、f1、a2、b2、c2、d2、e2代表参数。步骤3中生成阴影初步检测结果的具体方法如下：首先，通过遍历的方式求出四次和五次多项式的交点，其具体过程如下：将0-255依次带入四次和五次多项式，得出四次多项式结果为yi4，五次多项式结果为yi5，如果则认为xi是四、五次多项式的交点；然后根据该类影像阈值与交点的联系获得阴影分割阈值；接着对归一化后的近红外波段影像进行二值化处理，低于阈值的为初步阴影检测区域，高于阈值的为非阴影区域。本专利技术的有益效果是采用多项式拟合近红外波段直方图的方式自动确定阴影分割阈值，能够避免大量计算，提高算法效率；用扫描线种子填充算法代替逻辑与运算，能完整的剔除水体；同时该算法能够解决阴影区域较少、偏蓝色地物和暗色植被等问题，适用性广。附图说明图1是本专利技术算法流程示意图；图2是原始图像；图3是近红外波段直方图；图4是计算数据的频率形成的散点图；图5是滑动平均处理后的结果；图6是整幅影像四、五和六次多项式拟合图；图7是阴影较少区域四次多项式拟合图；图8是阈值提取结果；图9是扫描线种子填充算法能完整的剔除水体示意图；图10高分一号原图；图11高分一号人工经验提取结果；图12高分一号本专利技术算法结果；图13QuickBird2原图；图14QuickBird2人工经验提取结果；图15QuickBird2本专利技术算法结果；图16资源三号原图；图17资源三号人工经验提取结果；图18资源三号本专利技术算法结果。具体实施方式下面结合具体实施方式对本专利技术进行详细说明。本专利技术步骤如图1所示，按照以下步骤进行：Step1读取影像近红外波段像素值，归一化到0-255，计算数据的频率，并对频率进行五点滑动平均处理，生成直方图；高分辨率遥感影像中阴影是由于高大地物的遮挡而形成的，造成阴影区只受天空散射光和环境反射光照射，而非阴影区不仅受到天空散射光和环境反射光照射，还受到直射光的照射，因此阴影区域比非阴影区域的DN值低。根据瑞利散射和米氏散射原理，随着波长的增长，散射光急剧减弱，即太阳光照射到阴影区域的散射光随着波长的增长而急剧减弱。近红外波段波长长，散射弱，阴影和非阴影区域DN值差异大，因此可以利用近红外波段DN值来区分阴影区和非阴影区。然而由于水体对近红外波段的吸收，造成水体在近红外波段的DN值与阴影的DN值类似，因此用近红外波段初步提取出阴影区域后还需要去除水体。近红外波段直方图分析：通过观察多种影像近红外波段直方图，发现直方图大体呈瘦钟形分布，如图2所示为原始图像，图3为近红外波段直方图。整幅影像近红外波段直方图大致呈瘦钟形分布，非阴影区域近红外波段直方图呈较对称的瘦钟形，同时阴影区域只占整幅影像较少比例，由于阴影的存在造成整幅影像近红外波段直方图局部变化。非阴影区近红外波段直方图呈瘦钟形，由于阴影的存在造成直方图左部变化。为了便于计算，将影像亮度值归一化到整数[0,255]；计算数据的频率，并形成散点图，如图4所示。虽然数据大体呈瘦钟形，但局部波动较大，不利于函数拟合。为了保留数据的长期趋势，减弱局部起伏，对数据进行五点滑动平均处理：式中：yi为像素值为i时的像素数量，y’i为像素值为i时平滑后的像素数量，yi+1为像素值为i+1时的像素数量，其余类似。滑动平均处理后的结果如图5所示，能够看出滑动平均后的数据整体趋势更加明显，局部波动明显减弱。Step2分别采用四、五次多项式拟合直方图；使用四次多项式曲线拟合阴影较少区域能较为理想的表示瘦钟形特征，而且整幅影像直方图和阴影较少区域直方图的四次多项式拟合曲线整体趋势十分相似。五、六次多项式曲线能更好的拟合直方图，将五、六次拟合曲线作为整幅影像拟合结果，四次作为不含阴影时的拟合结果，四、五和六次多项式拟合曲线的交点含有阴影的提取阈本文档来自技高网...

【技术保护点】
1.基于多项式拟合的高分辨率遥感影像阴影自动提取算法，其特征在于按照以下步骤进行：步骤1：读取影像近红外波段像素值，归一化到0‑255，计算数据的频率，并形成散点图，对数据进行五点滑动平均处理，生成直方图；步骤2：分别采用四、五次多项式拟合直方图；步骤3：根据该类影像阈值与四、五次多项式交点的联系，取特定的交点作为该类影像阴影提取阈值，初步检测提取出阴影区域；步骤4：利用归一化水体指数提取出水体，以水体左边界作为种子，利用扫描线种子填充算法去除水体，算法结束。

【技术特征摘要】
1.基于多项式拟合的高分辨率遥感影像阴影自动提取算法，其特征在于按照以下步骤进行：步骤1：读取影像近红外波段像素值，归一化到0-255，计算数据的频率，并形成散点图，对数据进行五点滑动平均处理，生成直方图；步骤2：分别采用四、五次多项式拟合直方图；步骤3：根据该类影像阈值与四、五次多项式交点的联系，取特定的交点作为该类影像阴影提取阈值，初步检测提取出阴影区域；步骤4：利用归一化水体指数提取出水体，以水体左边界作为种子，利用扫描线种子填充算法去除水体，算法结束。2.按照权利要求1所述基于多项式拟合的高分辨率遥感影像阴影自动提取算法，其特征在于：所述步骤1中对数据进行五点滑动平均处理公式如下：式中：yi为像素值为i时的像素数量，y’i为像素值为i时平滑后的像素数量，yi+1为像素值为i+1时的像素数量。3.按照权利要求1所述基于...

【专利技术属性】
技术研发人员：杨树文，薛理，贾鑫，闫如柳，牛利峰，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：甘肃,62