随着遥感技术的发展，卫星传感器空间分辨率大大提高，高分辨率的遥感影像为我们提供了更加详尽的信息，在遥感应用方面开创了新的领域。但是，遥感影像中地物信息相对复杂，实现对地物信息的自动判断和提取一直是遥感图像处理、模式识别、计算机视觉等众多领域的热点和难点问题。随着城市化的发展，在高密度的城市环境中，成像光源被建筑物阻挡而产生了阴影。由于高分辨率卫星的轨道较低，地物阴影成为遥感影像中不可避免的组成部分，因此影像中的阴影对图像分析和处理的影响也越来越大。阴影是由于光照辐射不足造成的，它会削弱影像中的光学特征信息，影响阴影覆盖区域的色调、形状等特征，这也意味着图像信息的损失，导致图像的降质现象。
一方面，阴影的存在会对图像匹配、模式识别、地物提取以及数字摄影测量等工作产生影响。在图像匹配时，由于阴影噪声的模糊作用，影像中的地物特征变得不明显，继而影响像对匹配的精度和速度；在模式识别时，阴影会与灰度值低的地表物体相混淆，造成模式识别的误识率增大；在地物提取时，阴影遮挡地表信息，破坏地物边缘的连续性，会影响数字图像的特征提取；在数字摄影测量中，阴影会影响自动三角测量和正射影像图的生成。另一方面，阴影也提供了一些额外信息，阴影的形状、大小可以确定光源的强度、位置，推断出光源的空间信息；阴影的长度、宽度能反映建筑物的高度，再利用建筑物平面在太阳方位上的面积投影，可以估算出建筑物的高度和容积率；同时，在数字城市工程的三维建模中，阴影的适当加入可以增加观察者的立体感和空间感。
对阴影检测方面的研究最初是在计算机视觉领域开展的，随着最近10年中数字图像的快速发展，人们对基于视频流信息处理中的阴影检测日益关注，具体应用体现在视频监控、交通控制、行人导航等方面。遥感领域的阴影检测通常可分为基于特征检测方法和基于模型方法两大类。
基于特征的阴影提取一般是利用阴影的几何和光学特性，如颜色、阴影结构、边界等。基于特征的阴影检测方法中，最早是利用影像上阴影区域的亮度比周围像素亮度值低的性质进行阈值分割，从而提取阴影区域，如利用HSI、HSV、YCbCr等不变颜色空间进行高空间分辨率航空影像上的阴影属性分析。Salvador等(2001)先利用光度彩色不变量特征，提取出候选阴影区域，再根据假设的条件，比较亮度影像和光度彩色不变量影像边缘检测的结果，得到投射阴影区域。王军利、王树根(2002)采用K-L变换和均值平移理论对彩色航空影像进行了阴影检测。虢建宏等(2006)使用多波段检测阴影的方法和基于能量信息补偿去除阴影的理论模型，较真实地还原了原始地物特征。基于模型的阴影检测通常是利用简单的阴影特征结合目标场景光照的先验知识来提取阴影。由于目标场景的光照的先验模型不易获取，所以基于模型的阴影检测只能利用于特定的场景，具有一定的局限性。Stevens(2011)提出了一种基于光线方向和目标建筑高度以及数字地形图的技术方法进行阴影检测。Jiang和Ward(1992)成功利用了光线方向结合几何模型进行了简单环境中的阴影检测。图7-7为城市遥感影像阴影检测和去除示例。(www.xing528.com)
图7-7 城市遥感影像阴影检测和去除
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
