高分遥感 | 结合多尺度分割和形态学运算的高分辨率遥感影像阴影检测

高分辨率遥感影像细节信息丰富，传统的阴影检测方法检测效率有限。引入面向对象思想与形态学运算充分挖掘了阴影特征，其有效准确的检测结果对后续地物识别、变化检测等工作具有重要意义。

引用格式

林雨准, 张保明, 郭海涛, 卢俊. 结合多尺度分割和形态学运算的高分辨率遥感影像阴影检测[J]. 中国图象图形学报, 2018, 23(8): 1263-1272.

DOI: 10.11834/jig.170657

原文链接

http://www.cjig.cn/html/jig/2018/8/weixin/20180815.htm

专家评语

针对高分辨率遥感影像提出了一种基于对象的形态学运算和多尺度分割相结合的阴影检测方法，对遥感影像的应用具有积极的作用。

将面向对象和形态学运算相结合，在充分利用阴影光谱特征的基础上，有效避免了椒盐现象，同时采用多个尺度下求解的方法，减弱了算法对分割尺度的依赖性。

本文亮点

1. 将形态学运算从像素级拓展至对象级，从而解决了高分辨率遥感影像细节特征过于丰富的特点，并针对最佳分割尺度难以确定问题，利用多尺度分割构造阴影指数矢量，从而融合了各尺度优势。

2. 针对部分阴影区域较亮问题，利用亮度均值进行了有效解决，该方式将某一个阴影区域的亮度属性进行了均值化，且均值化过程涉及多尺度分割，有效避免了最佳分割尺度难以确定的问题。

本文方法

▲各地物亮度属性分布

      基于面向对象思想，首先利用均值漂移法实现影像分割生成对象，并以对象为基本单元分别进行形态学膨胀和腐蚀运算，从而获得面向对象的阴影指数；然后对影像进行多尺度分割，生成阴影指数矢量；最后对阴影指数矢量和亮度均值分别指定高低阈值，进而获得阴影检测结果。

▲不同尺度影像分割

▲阴影检测流程

本文结果

选取高分二号和Google earth影像进行实验，采用误检率、漏检率和总错误率3个指标进行定量分析，并将实验结果与结合多特征法和形态学阴影指数法进行比较。

在阴影检测定量精度分析中，相比于对比方法，本文方法的误检率偏高，但漏检率平均降低了7.31%；在建筑物阴影检测实验中，本文方法的漏检率同样下降了4.5%；在多尺度效果融合分析中，本文方法在多组尺度组合下，各项精度指标均较理想；在阴影压盖地物实验中，3种方法的误检情况差异不大，但本文方法的漏检率得到较大改善，其下降程度平均达到了19.29%。

▲实验影像

▲高分二号阴影检测结果对比

▲压盖地物阴影检测结果对比

论文作者

林雨准，信息工程大学遥感信息工程教研室助教，主要研究遥感影像地物识别和变化检测。

Email: 82055851@qq.com

张保明，男，信息工程大学遥感信息工程教研室教授，博士生导师，主要研究数字摄影测量和遥感影像处理，获军队科技进步一等奖1项。Email: zbm1960@163.com

郭海涛，男，信息工程大学遥感信息工程教研室副教授，主要研究方向为数字摄影测量。Email: ghtgjp2002@163.com

卢俊，男，信息工程大学遥感信息工程教研室副教授，主要研究方向为数字摄影测量。Email:ljhb45@126.com

前沿丨观点丨咨讯丨独家

扫描下方二维码 关注学报公众号

中国图象图形学报 | 订阅号