高分辨率遥感影像阴影检测与补偿的主成分分析方法

应用科学学报 ›› 2010, Vol. 28 ›› Issue (2): 136-141.

高分辨率遥感影像阴影检测与补偿的主成分分析方法

武汉大学遥感信息工程学院，武汉430079

收稿日期:2010-01-29 修回日期:2010-03-01 出版日期:2010-03-30 发布日期:2010-03-21
作者简介:王玥，博士生，研究方向：高分辨率遥感影像自动解译，E-mail: Redflower_yue@126.com；王树根，教授，博导，研究方向：摄影测量与遥感，E-mail: wangsg@whu.edu.cn

Detection and Compensation of Shadows in High Resolution Remote Sensing Images Using PCA

School of Remote Sensing and Information Engineering, Wuhan University, Wuhan 430079, China

Received:2010-01-29 Revised:2010-03-01 Online:2010-03-30 Published:2010-03-21

摘要/Abstract

摘要：

根据高分辨率遥感影像中阴影区的性质，提出一种基于主成分分析的阴影检测和补偿方法. 首先对第1主分量与原始的蓝色分量进行比值运算，采用直方图阈值法分割阴影区和非阴影区，并进行形态学处理，得到较完整的阴影区. 采用膨胀方法确定各独立阴影区中的同质区域，根据阴影同质区特性对阴影区进行线性相关拉伸，并对补偿后的阴影区进行平滑处理和主成分逆变换. 实验结果表明该方法简单有效.

关键词: 遥感, 主成分分析, 阴影检测, 阴影补偿

Abstract:

From the shadow region properties, a new algorithm of shadow detection and compensation based on principal component analysis (PCA) is proposed for high resolution remote sensing images. The ratio between the original blue band and the first principal component is computed. Shadow and non-shadow regions are segmented using the histogram-thresholding method. A morphological algorithm is used to produce an accurate shadow mask, and a dilation operation is performed to find the surrounding homogeneous region of a shadow. Each shadow region is matched to its adjacent homogeneous region to achieve shadow compensation. Finally,image smoothing and inverse PCA transformation are performed on the compensated image. Experimental results show that the algorithm is effective.

Key words: remote sensing, principal component analysis, shadow detection, shadow compensation

中图分类号:

TP751
P231.5

王玥，王树根. 高分辨率遥感影像阴影检测与补偿的主成分分析方法[J]. 应用科学学报, 2010, 28(2): 136-141.

[1]	张雨欣, 李熙, 宋杨, 李长辉. 基于“珞珈一号”夜光遥感影像的粤港澳大湾区城市空间形态分析[J]. 应用科学学报, 2020, 38(3): 466-477.
[2]	王聚全, 王伟, 马慧民, 杨博, 杜渂. 基于主成分回归算法的城市客流聚集风险预测[J]. 应用科学学报, 2019, 37(4): 529-540.
[3]	毕奇, 童心, 张济勇, 许凯, 张涵, 秦昆. 基于PLSA和BoW的高分遥感影像小型港口检测[J]. 应用科学学报, 2019, 37(3): 301-312.
[4]	李欣, 唐文莉, 杨博. 利用深度残差网络的高分遥感影像语义分割[J]. 应用科学学报, 2019, 37(2): 282-290.
[5]	王金伟, 徐春晖. 基于QPCA的彩色图像复制粘贴检测[J]. 应用科学学报, 2019, 37(2): 291-300.
[6]	杨惠雯, 方俊永, 赵冬. 基于改进分离阈值法的农作物遥感精细分类特征选择[J]. 应用科学学报, 2019, 37(1): 51-63.
[7]	王恒, 张丽, 毕森, 韩瑞丹. 海南城市发展进程遥感监测分析与模拟[J]. 应用科学学报, 2018, 36(5): 798-807.
[8]	巫兆聪, 项伟, 李俊, 杨志. 基于满足度评估的遥感应用需求聚类算法[J]. 应用科学学报, 2018, 36(4): 635-643.
[9]	马丹, 程辉, 毛艳玲, 邢世和. 基于DMSP/OLS夜间灯光影像的省际经济发展水平评估模型研究[J]. 应用科学学报, 2017, 35(5): 647-657.
[10]	巫兆聪, 刘培, 巫远. 一种多光谱遥感应用需求综合方法[J]. 应用科学学报, 2017, 35(5): 658-666.
[11]	毕森, 王恒, 张丽, 李通, 刘东, 韩瑞丹. 基于不透水面的海南港口城市扩张分析[J]. 应用科学学报, 2017, 35(3): 346-354.
[12]	张洋, 钟兴. 微小卫星低照度遥感成像的信噪比[J]. 应用科学学报, 2017, 35(1): 90-98.
[13]	李熙, 陈锋锐, 李畅. 贝叶斯方法和非参数模型支持下的遥感影像线性光谱分解[J]. 应用科学学报, 2016, 34(6): 661-669.
[14]	杨滨, 陈先意, 胡伟峰. 基于阴影检测模型的图像拼接盲取证[J]. 应用科学学报, 2016, 34(5): 564-574.
[15]	李素敏, 袁利伟, 袁希平. 提高滇东南石漠化区域遥感反演中的大气校正精度[J]. 应用科学学报, 2016, 34(3): 317-328.