一种改进的多光谱遥感影像阴影检测方法

传统的阴影检测方法受到光照条件和地物材质的影响，往往会产生误判。为了提高阴影检测的准确性和稳定性，本文提出了一种改进的多光谱遥关键词多光谱遥感影像阴影检测亮度色度饱和度.Shadowdetectioninmulti-spectralremotesensingimageshasalwaysbeenanimportantissueinremotesensingapplications.Traditionalshadowdetectionmethodsareoftenaffectedbylightingconditionsandgroundmaterial,whichcanresultinmisjudgment.Inordertoimprovetheaccuracyandstabilityofshadowdetection,thispaperproposesanimprovedmulti-spectralremotesensingimageshadowdetectionmethod.Themethoddecomposesthemulti-spectralimageintothreechannels:brightness,chroma,andsaturation,andthenperformsshadowdetectiononeachchannel.Theexperimentalresultsshowthatthismethodcaneffectivelyimprovetheaccuracyandstabilityofshadowdetectionandhascertainpracticalvalueandapplicationprospects.Keywords:Multi-spectralremotesensingimage;Shadowdetection;Brightness;Chroma;Saturation.(GIS)、城市规划、农业、林业、环境保护和国土资源管测，这些方法受到光照条件和地物材质的影响，往往会导致误判或漏检。近年来，学者们针对这一问题提出了很多改进的方法，如基于不同波段谱影像分解为亮度、色度和饱和度三个通道，对每个通道进行阴影检测。该方法能够有效地提高阴影检测的准确性和稳定性，具有一定的实用价HSV将HSV首先，将多光谱影像转换为HSV色彩空间，其中H表示色调，S表示饱和度，V表示亮度。HSV色彩空间的主要优点是可以将颜色信息和亮度信息分离开来，其亮度通道V与灰度图像非常相似。其次，将HSV色彩空间的亮度、色度和饱和度分别提取为三个通道，其中亮度通道V包含各种颜色的亮度信息，色度通道S包含色彩的饱和H包含颜色的色调信息。这样将颜色信息和亮度信然后，对每个通道进行阴影检测。本文采用的阴影检测算法是基于V色彩空间亮度通道的阴影检测算法。该算法首先计算每个像素的局部自适应阈值，然后将像素的亮度值与阈值进行比较，判断是否为阴影OTS分割方法。遥感数据进行实验验证。实验中采用的数据为LANDSAT8OLI遥感影像，影像分辨率为30m×30m，共有11个波段(1-7、9-11)，其中一般为红外方法改进方法OA、AA和Kappa均有所提高，其中OA、AA和Kappa分别提高了5.87%、5.06%39.5%。这表明