[发明专利]基于HIS结合光谱特征检测条件的图像阴影检测方法

说明书

本发明公开了一种基于HIS结合光谱特征检测条件的图像阴影检测方法，首先基于HIS色彩空间的阴影分割，将影像由RGB色彩空间转换到HIS色彩空间，再分别提取S分量图和I分量图，运用最大类间方差法OTSU阈值分割得到阴影S1，然后进行光谱特征检测条件的阴影分割，对影像在不同光谱波段下的呈现效果分析，阴影区域不仅具有低亮度、高色调特性，还在归一化RGB的蓝色分量B′的波段上也具备较高的数值，而植被在归一化RGB的绿色分量G′中特征值较高，利用来去除植被，再通过S₂＝{(i，j)|B′(i，j)＞T_B′G′(i，j)＜T′_G}构建光谱特征检测条件，最后进行阴影综合处理。

技术领域

本发明涉及阴影检测技术领域，具体为一种基于HIS结合光谱特征检测条件的图像阴影检测方法。

背景技术

获取遥感信息的主要手段是对图像解译，由于在拍摄时刻的太阳高度角和具有一定高度的地物遮挡的影响,遥感影像中不可避免地存在阴影，从而导致了影像中的光学特性信息被减弱，影像区域的色调、形状等信息被改变，阴影的存在给图像的解译工作带来诸多困难，如加大对地物分类以及特征提取的难度等，故对高分辨率遥感影像实现检测与补偿的处理研究，具有非常重要的应用前景；

阴影的检测思路主要分成两种类型：第一类是基于模型；第二类是基于特征。基于模型类的方法是以地物几何形状、太阳高度角、传感器参数等环境条件的先验知识为依据来建立几何模型实现阴影的检测，Makarau等提出的基于黑体辐射模型根据阴影区与非阴影区照射光源的不同而导致色温不同的黑体辐射原理实现阴影区的检测，这类方法由于计算量大、计算复杂度高且应用于特定场景、先验知识难以获取，导致适用性较差。基于特征类的方法是根据阴影区在亮度、色彩、纹理等特征上与非阴影区不同，普遍采用阈值分割的方法来实现阴影的检测，细分为三种：基于纹理特征方法、基于边缘检测的方法和基于光谱特性的方法，如孙诗雅、杨树文等提出了一种基于HSL－PCA集成的GF-1影像阴影检测方法，此类方法简单易行，但是对于不同的图像检测的结果差异较大，且存在漏检率和误检率较高的问题。

发明内容

本发明的目的在于提供一种基于HIS结合光谱特征检测条件的图像阴影检测方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于HIS结合光谱特征检测条件的图像阴影检测方法，阴影检测方法包括如下步骤：

步骤S100：获取遥感图像的原始图像，基于HIS色彩空间的阴影分割将遥感图像的原始图像由RGB色彩空间转换到HIS色彩空间得到第一图像；

步骤S200：对步骤S100得到的第一图像运用归一化差值计算得到归一化差值图S’；通过归一化计算提高了计算的精度，使得到的归一化差值图S’结果更加精确。

步骤S300：对步骤S200得到的归一化差值图S’运用最大类间方法差OTSU阈值分割，得到阴影S₁；

最大类间方法差OTSU是按照归一化差值图的灰度特性，将归一化差值图分成背景和目标两部分，目标即为归一化差值图中的所要获取的目标图像，背景即为除目标之外的所有图像；背景和目标之间的类间方差越大，说明构成图像的两部分的差别越大，当部分目标错分为背景或部分背景错分为目标，都会导致两部分差别变小，因此使用类间方差最大的分割意味着错分概率最小；

步骤S400：对遥感图像的原始图像进行光谱特征检测条件的阴影分割，对遥感图像的原始图像在不同光谱波段下的呈现效果进行分析；

步骤S500：对遥感图像的原始图像计算归一化RGB色彩空间中的蓝色分量B'和绿色分量G'；

具体计算过程如下：