一种无监督遥感图像阴影检测方法技术

本发明专利技术公开了一种无监督遥感图像阴影检测方法，包括：将遥感图像RGB颜色空间转换为HSI颜色空间，并进行高斯滤波去噪；利用去噪后的图像组成样本集，并获取HSI各颜色通道的最优分割阈值；根据HSI各颜色通道的最优分割阈值，对待检测图像进行检测，得到初步阴影检测结果；对初步阴影检测结果进行标记，获得标记的连通区域，并计算连通区域的面积；对连通区域的面积设置阈值进行筛选，并对筛选后的区域运用形态学闭运算填补，得到最终阴影区域。本发明专利技术有益效果是：在地物复杂，场景多样的遥感影像中，能够准确的检测出图像中的阴影区域。该方法可以为后续遥感阴影去除提供可靠的指导信息，从而可以从阴影中恢复区域内原有的地物结构。物结构。物结构。

【技术实现步骤摘要】
一种无监督遥感图像阴影检测方法


[0001]本专利技术涉及遥感影像监测领域，尤其涉及一种无监督遥感图像阴影检测方法。

技术介绍

[0002]由于遥感影像中存在的较多阴影区域，地物特征受到阴影的干扰而变得不明显，从而影响了图像解译的精度。目前基于光谱差异，几何特征的阴影检测方法对场景，光照条件，几何理论等先验知识的要求过高，检测难度较大且精度不高，不利于多场景下的遥感影像的阴影检测。

技术实现思路

[0003]为了针对以上技术问题，本专利技术提供一种无监督遥感图像阴影检测方法，方法包括以下步骤：
[0004]S1、将遥感图像RGB颜色空间转换为HSI颜色空间，并进行高斯滤波去噪，得到去噪后的图像；
[0005]S2、利用去噪后的图像组成样本集，并获取HSI各颜色通道的最优分割阈值；
[0006]S3、根据HSI各颜色通道的最优分割阈值，对待检测图像进行检测，得到初步阴影检测结果；
[0007]S4、对初步阴影检测结果进行标记，获得标记的连通区域，并计算连通区域的面积；
[0008]S5、对连通区域的面积设置阈值进行筛选，并对筛选后的区域运用形态学闭运算填补，得到最终阴影区域。
[0009]进一步地，步骤S2中，获取任一颜色通道最优分割阈值的过程如下：
[0010]S21、首先随机在[0
‑
255]之间选取n个阈值点t
i
,i＝{1,2,
…
,n}，设置最大迭代次数为max_iteration，初始步长v0，开始迭代过程；
[0011]S22、在第k次迭代下，针对某一阈值点t
i
，将低于t
i
的像素点记为阴影样本，高于t
i
的像素点记为非阴影样本；
[0012]S23、计算样本集输入图像的平均灰度值μ；
[0013]S24、将阴影样本点的数目占全部像素点的比例记为w1，计算阴影样本点内的平均灰度值，记为μ1；
[0014]S25、将非阴影样本点的数目占全部像素点的比例记为w2，计算非阴影样本内的平均灰度值，记为μ2；
[0015]S26、计算图像在阈值点t
i
的类间方差，公式如下：
[0016]g＝w1(μ1‑
μ)2+w2(μ2‑
μ)2(1)
[0017]S27、遍历上述的每一阈值点t
i
,i＝{1,2,
…
,n}，按照公式(1)计算出在第k次迭代下每一阈值的类间方差
[0018]S28、遍历阈值点t
i
，更新第1至k次迭代下阈值点t
i
类间方差最优值
以及对应的阈值点
[0019]S29、在得到每个阈值点t
i
的类间方差最优值后，记录第k次迭代时全部阈值点的类间方差最优值及对应的最优的阈值点
[0020]S210、针对第k次迭代下的阈值点更新每一个阈值点的搜索步长；搜索步长更新公式如下：
[0021][0022][0023][0024][0025]式(2)
‑
(5)中，为补偿指数，为在第k
‑
1次迭代时计算得到的搜索步长，r1，r2，r3，r4为[0,1]之间的随机数；
[0026]S211、根据搜索步长，针对阈值点其第k+1次迭代下位置将移动到阈值
[0027][0028]S212、遍历第k次迭代下阈值点根据S22
‑
S211的步骤得到第k+1次下的阈值点
[0029]S213、直到k达到最大次数max_iteration停止迭代，此时得到的全局最优值t
best
，作为任一个颜色通道下的图像分割最优值。
[0030]进一步地，步骤S210中补偿指数的公式如下：
[0031][0032]其中，为初始补偿指数，为终止补偿指数，均为预设值。
[0033]步骤S3中，得到初步阴影检测结果的具体过程如下：
[0034]S31、在HSI颜色空间中，定义色调与亮度的差值通道HI，将HI通道作为步骤S2的输入，得到HI通道的最优分割阈值tHI；利用阈值tHI对待检测图像作阈值处理，去除待检测图像中因色调高被误检的区域，得到处理后的图像；
[0035]S32、对处理后的图像采用饱和度和亮度通道双阈值检测，当像素高于饱和度通道的最优分割阈值t
s
，且低于亮度通道的最优分割阈值t
I
时，认定此像素属于初步阴影区域，由此遍历所有像素，得到初步阴影检测结果。
[0036]本专利技术提供的有益效果是：在遥感影像中，尤其是在结构复杂的遥感区域，能够准确的检测出阴影。
附图说明
[0037]图1是本专利技术方法流程示意图。
具体实施方式
[0038]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地描述。
[0039]请参考图1，图1是本专利技术系统结构图；一种无监督遥感图像阴影检测方法，包括以下：
[0040]S1、将遥感图像RGB颜色空间转换为HSI颜色空间，并进行高斯滤波去噪，得到去噪后的图像；
[0041]需要说明的是，由于RGB图像中每个通道之间互相影响，颜色相似性难以区分。所以在图像处理中采取更符合视觉特性的HSI颜色空间。HSI颜色空间又可以分为色调，饱和度，亮度三个通道。利用matlab中的rgb2hsi函数可以实现从RGB颜色空间到HSI空间的转换。
[0042]考虑到图像在采集过程中设备由于光照以及温度等影响会产生图像噪声，在图像转换为HSI颜色空间后，需要对每个通道进行滤波处理从而去除图像噪声。具体步骤为：
[0043]以图像中的某一点(n1,n2)为中心，定义一个3*3的模板。选取核函数为：
[0044][0045]上式中，n1,n2为像素点的横纵坐标，δ为滤波的带宽，δ的值决定了图像的平滑程度。通过公式计算出模板内每个像素点经过核函数变化的值h
g
(n1,n2,δ)。
[0046]模板内的每一个点经过核函数变换后，将模板内的点进行归一化操作，归一化后的值视为模板的权重。归一化公式为：
[0047][0048]根据模板、中心像素点(n1,n2)以及周围像素点，计算出滤波后的像素点h_s(n1,n2)，计算公式如下。
[0049][0050]上式中，周围像素点原始灰度值为h(n
i
,n
j
)，通过与对应位置模板的权重h
′
g
(n
i
,n
j
,δ)相乘，最终得到中心像素点(n1,n2)的加权平均值，即为经过滤波后的中心像素点。遍历图像中的每一个像素点，按照上述步骤对图像进行滤波处理。
[0051]S2、利用去噪后的图像组成样本集，并获取HSI各颜色通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无监督遥感图像阴影检测方法，其特征在于：包括以下步骤：S1、将遥感图像RGB颜色空间转换为HSI颜色空间，并进行高斯滤波去噪，得到去噪后的图像；S2、利用去噪后的图像组成样本集，并获取HSI各颜色通道的最优分割阈值；S3、根据HSI各颜色通道的最优分割阈值，对待检测图像进行检测，得到初步阴影检测结果；S4、对初步阴影检测结果进行标记，获得标记的连通区域，并计算连通区域的面积；S5、对连通区域的面积设置阈值进行筛选，并对筛选后的区域运用形态学闭运算填补，得到最终阴影区域。2.如权利要求1所述的一种无监督遥感图像阴影检测方法，其特征在于：步骤S2中，获取任一颜色通道最优分割阈值的过程如下：S21、首先随机在[0
‑
255]之间选取n个阈值点t
i
,i＝{1,2,
…
,n}，设置最大迭代次数为max_iteration，初始步长v0，开始迭代过程；S22、在第k次迭代下，针对某一阈值点t
i
，将低于t
i
的像素点记为阴影样本，高于t
i
的像素点记为非阴影样本；S23、计算样本集输入图像的平均灰度值μ；S24、将阴影样本点的数目占全部像素点的比例记为w1，计算阴影样本点内的平均灰度值，记为μ1；S25、将非阴影样本点的数目占全部像素点的比例记为w2，计算非阴影样本内的平均灰度值，记为μ2；S26、计算图像在阈值点t
i
的类间方差，公式如下：g＝w1(μ1‑
μ)2+w2(μ2‑
μ)2(1)S27、遍历上述的每一阈值点t
i
,i＝{1,2,
…
,n}，按照公式(1)计算出在第k次迭代下每一阈值的类间方差S28、遍历阈值点t
i
，更新第1至k次迭代下阈值点...

【专利技术属性】
技术研发人员：张之政，郭明强，何占军，吴亮，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：