基于彩色模型的遥感影像阴影检测

依据遥感影像阴影的属性,提出一种基于彩色模型的遥感影像阴影检测方法,以提高阴影检测精度。阴影检测过程中,首先将影像转换到HSV空间。根据阴影区域高色调值、低亮度值和高饱和度的特性,定义M=(S-V)/(H+S+V)。利用光谱比技术和中值滤波,得到初步的阴影区域。其次依据散射理论对蓝光的影响,以及彩色不变特征,提出结合C1C2C3空间的C3分量和RGB空间的B分量进行双阈值阴影检测。为降低阈值选择的主观性,提出将上述两种方法进行与运算,并结合小区域去除和数学形态学处理,进行阴影提取。最后对多幅带有阴影的遥感影像进行实验。结果表明所提出的方法明显优于传统的直方图阈值法和同态滤波检测法,克服了阈值选择的主观性,提高了阴影检测精度。     

基于GF-1卫星遥感影像提取水体的方法比较

选用GF-1卫星遥感影像为主要数据,以南水北调京石段主要水源地之一岗南水库为研究区域,依据GF-1卫星影像各个波段地物的光谱特征信息,采用单波段阈值法、谱间关系法、水体指数法提取水体信息。同时提出一种基于主成分分析的综合方法提取研究区域水体信息。对4种水体提取方法进行比较分析,实验证明主成分分析综合方法可以提取完整准确的水体边界,并且抑制了95%以上的非水体信息,明显改善了水体信息提取精度。     

基于HSV色彩空间的云模型车辆阴影检测

介绍和分析了云模型、运动目标初定位和HSV色彩空间等相关内容.提出了基于HSV色彩空间的云模型车辆阴影检测方法.在HSV空间下,于不同光照下在具有代表性的阴影区域采样,用正态云逆向发生器建立云模型,利用云模型进行阴影检测.和其他方法相比,实验结果证明了本文方法的有效性.     

一种基于YUV色彩空间的阴影检测方法

针对计算机视觉处理系统中,阴影会严重影响到对目标的跟踪、识别和图像场景的理解的问题,提出了一种基于YUV色彩空间的阴影检测方法并给出了与不同色彩空间的实验对比结果.该算法将分割出的运动目标与背景在亮度和色度进行对比,从而区分出运动目标和运动阴影.实验证明,与其他的阴影检测的算法相比,该方法具有更高的准确性和更快的检测速度.     

基于梯度特征的高分辨率卫星遥感影像阴影检测

以高分辨率卫星遥感全色影像为数据源,根据阴影区在影像上的灰度与梯度特征,研究了它与水系、建筑物、绿地、道路等地物类型的区别,描述了阴影边界与太阳方位角的关系,并在此基础上针对实验数据提取阴影区.结果表明,所采用的方法能有效地识别影像中的阴影.     

基于水平集的航拍影像阴影检测与去除系统设计

建筑物、树木和山脉等遮挡光线,可能使航拍影像中出现阴影.而阴影区域的存在可能影响图像后续处理,导致重要信息丢失.本系统旨在设计自动检测航拍影像中阴影区域并将其去除的系统,选择并搭建基于水平集航拍影像阴影检测算法的进行系统设计.系统主要功能包括：图像读入、图像去雾、阴影检测、阴影去除.     

基于阴影属性的运动阴影检测方法

提出一种基于阴影属性的阴影检测与去除方法,首先采用光照评估方法判断阴影是否存在,若有阴影存在则确定阴影方向并计算阴影属性,最后根据阴影属性检测阴影点。由于使用了阴影属性,阴影的检测和去除更加准确。     

HSV彩色空间的室内外运动人检测与阴影消除

提出一种用于运动目标的分割,基于最大统计概率的自适应背景模型,采用简单的背景重建方法,用于维护背景以适应场景的动态变化.利用阴影区域亮度和色调的特点,在HSV(Hue Sataration Value)空间消除运动阴影,使得运动目标的分割更为准确.为了客观的评价所提出的阴影检测算法的性能,引入一种量化的方法,对不同光照和环境条件视频的实验结果及量化分析表明,方法是有效的.     

混合高斯模型下的自适应阈值阴影检测

针对现有阴影检测算法参数众多,需要训练参数或者手动设置阈值的缺点.文章提出一种基于HSV颜色信息的自适应阈值阴影检测方法,并利用最大熵阈值分割实现自适应阈值阴影检测.实验表明,该方法能够准确地检测出阴影,鲁棒性强.     

基于GF-1遥感影像的荒漠区耕地分类与提取方法

耕地作为一种战略性自然资源,是确保我国粮食生产安全的物质基础和重要前提.荒漠区绿洲性耕地生态环境脆弱,易受风沙侵蚀,对耕地进行持续性精确监测具有更为重要的意义.,本文基于深度学习算法,使用GF-1遥感数据进行耕地及其类别信息提取.为充分利用研究区物候特征,结合冬夏两期遥感影像,将植被指数NDVI值和纹理特征灰度共生矩阵...     

基于GF-1遥感和GIS数据翠亨新区地质灾害特征及成因分析

地质灾害对城市建设影响巨大,是城市地质调查的重要内容。本文将高分卫星影像用于中山市翠亨新区大比例尺城市地质调查中,解译了地形地貌、地层岩性、地质构造等地质背景,及滑坡、崩塌和不稳定斜坡等地质灾害体的解译,分析了地质因子对地质灾害空间分布的影响。研究发现翠亨新区断裂构造发育,本次共解译出4条大断裂和24条小型断裂;地貌类型分为以花岗岩为主的山地、河海冲积平原与人工填土;解译出研究区地质灾害体共61处,以滑坡和不稳定斜坡为主,其中滑坡31处,不稳定斜坡23处;从地质灾害与地质背景因素方面分析,翠亨新区地质灾害的发生和分布与高程(海拔51~150 m)、地形坡度为(23°~40°)、次一级断裂、地貌类型及地层岩性密切相关。     

基于深度学习的高分遥感影像典型地物检测方法应用实践

传统的基于高分辨率遥感影像的典型地物检测方法难以兼顾检测精度、处理速度和自动化程度,而深度学习方法在图像处理领域中的应用为解决上述问题提供了可能.选用RSOD-Dataset数据集,基于TensorFlow深度学习框架,采用Faster R-CNN、YOLOv3和SSD三种经典深度学习目标检测算法,对高分辨率遥感影像数...     

基于IHS变换和主成分变换的遥感影像融合

针对IHS变换融合影像时存在较严重的光谱失真现象,利用主成分变换对IHS变换法进行了改进.新方法首先对多光谱影像做IHS变换得到亮度I,色度H,饱和度S三个分量,然后用I分量和高分辨率全色影像做主成分变换,并提取第一主分量,并以I为标准进行直方图匹配;将匹配后的影像与H,S进行IHS反变换得到新的多光谱图像.主观视觉分析和客观参数表明,该方法不仅很好的保留了影像的光谱信息,而且兼顾了地物细节能力的表达.     

概率密度估计和阴影抑制的运动目标检测

采用核密度估计算法得到可靠背景,通过试验准确地分割出前景物体.利用最近的历史帧数据估计当前像素的概率密度,以适应不同的复杂背景场景.结合阴影抑制技术,通过HSV色彩的阴影抑制处理降低目标检测的虚警率,不仅减轻污染前景的程度,还能得到更加合理的背景模型和前景目标,提高运动目标检测的准确性和鲁棒性.     

基于GF-2遥感影像的面向对象分类方法比较研究

基于eCognition软件分别采用K-最近邻(KNN)分类、支持向量机(SVM)分类和CART决策树分类对GF-2遥感影像进行面向对象分类,并对3种分类方法的结果进行比较分析。结果表明:K-最近邻分类在影像准确性、复杂多样性、影像光谱混淆以及分布边界模糊等方面具有较高的识别能力。     

基于车牌检测的前方车辆识别方法

为解决前方车辆识别过程中的实时性问题,提出了一种基于车牌检测的前方车辆识别方法。首先,利用图像中的路面或车道线等细节提取感兴趣区域。其次,利用HSV( Hue-Saturation-Value) 色彩空间转换与矩形图像检测从感兴趣区域中过滤光照变化,阴影和杂乱背景,从而检测出车辆的车牌信息。同时,在初次检测失败的情况下进行二次定位和验证。最后,利用检测出的车牌信息识别前方车辆。该方法在自建与公共数据库视频上进行评估。实验结果表明,识别率超过90% ,并且具有较高的实时性,证明了该方法的有效性。     

基于区域的运动阴影检测方法

为了使阴影检测结果更加准确和鲁棒,提出了一种基于区域的运动阴影检测方法。该方法从阴影具有的物理特性出发,考虑了区域内所有像素的总体特征。将每帧图像进行合理的分块,并且采用基于梯度的方法对运动区域边缘的小块进行合并。对每个小块根据阴影区域和对应的背景区域之间具有较强的结构相似性和色度近似性的特点进行阴影检测。实验结果表明,阴影检测准确率超过90%,其结果明显比基于颜色不变量的方法有效。该方法能够准确而鲁棒地检测出运动阴影。     

基于小波系数及光学特征的车辆阴影检测

为消除投射阴影对检测交通实景图中行驶车辆的干扰,从阴影区域的图像特征入手,在对实景图与背景图实施“商比例”处理的基础上,提出了基于小波系数分布特征及阴影光学特征的车辆阴影滤除两步法．首先通过对高、低频带小波系数分析,提取出符合阴影特征的小波系数,重构运算后得到准阴影图;然后通过构造基于光学不变性的识别判据,成功识别出虚假阴影区．实验结果表明,本文方法对汽车对象的颜色、大小及阴影的投射方向没有特殊要求,阴影平均检出率超过92％,平均误检率低于3％,且速度较快;与汽车对象同画面行驶的自行车及行人阴影也受到有效抵制和滤除;在适用性、有效性和处理速度等方面反映出较优的品质．     

结合边缘纹理和抽样推断的自适应阴影检测算法

为改进阴影检测的准确度和场景自适应能力,提高运动目标检测精度,设计了一种自适应的阴影检测算法。该算法利用候选前景与原始背景的Y、U、V分量变化比率来检测阴影像素,并结合全局边缘纹理特征及抽样推断方法来估计检测阈值。算法能自动完成阈值估计及阴影判别过程而无需人工干预,并可自动适应各种光线条件,具有较强的鲁棒性。对不同光线环境的标准视频检测实验表明,该算法在精度和实时性上均有所提升,阴影检测综合性能指标达到了94%以上。     

基于纹理和小波变换的阴影检测去除算法

在基于视频处理的室外场景运动物体检测系统中,对运动物体的阴影进行检测与去除是一个关键环节。文中提出了一种基于纹理自相关和整数小波变换相结合的运动物体阴影检测与去除算法,算法中首先使用纹理自相关对运动物体的阴影进行预提取,再对阴影预提取结果进行统计判别,对判别为阴影误检的区域再进行基于整数小波变换的阴影再检测,最后将两次检测结果相结合实现对运动物体阴影的检测与去除。实验结果表明：文中的方法不仅能够准确地检测出与背景灰度差别比较大的运动物体的阴影,而且能够较好地检测出与背景灰度相近的运动物体的阴影,较好地克服了使用单一方法进行阴影检测与去除时常见的阴影误检问题,获得了很好的阴影检测与去除效果。