遥感影像阴影检测及消除理论与方法

目录第1章 绪论11.1 阴影检测方法21.1.1 基于模型的阴影检测方法21.1.2 基于属性的阴影检测方法31.1.3 基于深度学习的阴影检测方法41.2 阴影去除方法51.2.1 基于梯度域的阴影去除方法51.2.2 基于强度域的阴影去除方法51.2.3 基于深度学习的阴影去除方法61.3 阴影检测与去除的解决思路71.3.1 遥感影像的阴影检测81.3.2 遥感影像的阴影去除8第2章 阴影检测及去除理论与方法基础102.1 遥感影像阴影性质102.1.1 阴影的形成102.1.2 遥感成像场景下阴影的特性102.2 颜色空间模型112.2.1 常用颜色空间模型112.2.2 常用颜色空间模型的转换122.3 图像处理相关理论与算法142.3.1 均值漂移图像分割算法142.3.2 k均值聚类算法172.3.3 奇异值分解原理182.3.4 曼哈顿距离计算方法182.3.5 边缘检测算法182.3.6 特征值与特征向量计算方法19第3章 基于多通道特征的自适应无监督阴影检测方法203.1 基于颜色空间多通道特征设计方案203.1.1 基于HIS颜色空间的检测通道模型203.1.2 基于多颜色空间的检测通道模型213.2 动态局部自适应粒子群优化算法223.2.1 动态局部自适应粒子群优化算法原理223.2.2 动态局部自适应粒子群优化算法实现233.3 自适应蛇群智能优化算法263.3.1 自适应蛇群智能优化算法原理263.3.2 自适应蛇群智能优化算法实现273.4 阴影区域初始检测结果的优化处理293.4.1 小连通区剔除293.4.2 空洞区域填补303.5 阴影区域边界校正31第4章 基于阴影特征的智能迭代阈值搜索阴影检测方法334.1 元启发式智能优化算法334.2 特征通道组合设计334.2.1 多颜色空间下的阴影特性344.2.2 多颜色空间特征通道组合设计344.3 智能迭代阈值搜索方法设计374.3.1 自适应加权白鲸智能优化方法原理374.3.2 自适应加权白鲸智能优化方法流程384.4 阴影检测结果优化42第5章 基于深度学习的细节感知的阴影检测网络435.1 基于深度学习的阴影检测模型关键问题435.2 上下文细节感知网络总体框架445.3 编码器双分支结构465.4 上下文语义融合连接策略与残差膨胀模块475.5 混合损失函数48第6章 基于非线性光照迁移的阴影去除方法506.1 方向自适应的光照无关特征提取方法506.1.1 设计过程506.1.2 梯度倒数加权处理516.2 基于奇异值的不规则区域匹配536.2.1 不规则图像块光学视觉特征矩阵的构建546.2.2 阴影区域与非阴影区域的特征匹配556.3 非线性光照迁移算法实现阴影去除566.3.1 传统光照补偿算法原理566.3.2 非线性光照迁移算法推导过程576.3.3 两种光照迁移方法的比较586.4 多尺度细节融合处理596.4.1 高斯差分金字塔模型596.4.2 多尺度特征融合过程616.5 基于曼哈顿距离的动态边界补偿方法616.5.1 动态边界补偿方法原理616.5.2 不同边界处理方法的比较63第7章 基于区域分组匹配的阴影去除方法647.1 基于三维颜色空间的不规则区域色彩转移方法647.1.1 阴影形成的光照数学模型647.1.2 不规则区域的色彩矩阵提取657.1.3 三维颜色空间下不规则区域色彩转移方法设计667.2 阴影区域初步光照恢复687.3 纹理特征提取697.4 阴影区域和非阴影区域的内部分组707.4.1 图像分割处理707.4.2 分割后图像的内部分组717.5 基于平均纹理特征向量的分组匹配及阴影区域局部增强737.5.1 构造阴影组及光照组的平均纹理特征向量737.5.2 阴影组与光照组之间的分组匹配737.5.3 阴影区域局部增强757.6 顾及空间与值域信息的动态加权边界优化767.6.1“裂痕”边界的常用滤波器处理方法767.6.2 动态加权边界优化算法设计787.6.3 边界优化前后对比80第8章 基于深度学习的渐进式阴影去除网络828.1 基于深度学习的阴影去除方法关键问题828.2 渐进式阴影去除网络总体框架838.3 数据预处理848.4 阴影预去除子网络858.5 先验知识驱动的子网络优化868.5.1 基于直方图损失的光谱恢复888.5.2 基于特征损失的纹理增强898.6 局部特征鉴别器90第9章 自适应无监督阴影检测与非线性光照迁移阴影去除实验分析919.1 实验数据与设置919.2 实验评价指标919.2.1 阴影检测评价指标919.2.2 阴影去除评价指标929.3 阴影检测实验结果对比分析939.3.1 基于AISD数据集的对比实验分析939.3.2 阴影检测方法的鲁棒性及计算效率分析969.3.3 阴影检测方法在其他常用开源数据集下的实验分析979.4 阴影去除实验结果对比分析989.4.1 基于AISD数据集的对比实验分析989.4.2 阴影去除效果的三维视图描述1019.4.3 阴影去除方法在其他常用开源数据集下的实验分析1029.5 基于城市及植被场景中的阴影检测实验结果比较分析1039.5.1 城市场景中的阴影检测对比实验分析1039.5.2 植被场景中的阴影检测对比实验分析109第10章 智能迭代阈值搜索阴影检测与区域分组匹配阴影去除实验分析11210.1 实验数据与设置11210.2 消融实验11210.3 阴影检测结果对比分析11410.3.1 阴影检测定性分析11410.3.2 阴影检测定量分析11610.3.3 阴影检测性能分析11710.4 阴影去除实验结果对比分析11910.4.1 阴影去除结果的定性分析11910.4.2 阴影去除结果的定量分析12110.4.3 地表覆盖分类对比12310.4.4 阴影去除结果三维视图表达12510.5 边界优化结果实验对比分析12610.6 其他数据集下的实验分析12710.6.1 阴影检测方法在其他数据集下的实验分析12710.6.2 阴影去除方法在其他数据集下的实验分析12910.6.3 边界优化方法在其他数据集下的实验分析130第11章 基于深度学习的阴影检测与去除实验分析13211.1 实验数据13211.2 实验设置13311.3 阴影检测实验结果对比分析13311.4 阴影去除实验结果对比分析13511.5 阴影检测算法性能分析13611.5.1 SSAD数据集实验13611.5.2 泛化性分析13811.5.3 消融实验13911.5.4 敏感性分析14011.5.5 光谱变异性分析14211.6 阴影去除算法性能分析14311.6.1 地表覆盖分类对比14311.6.2 模型泛化性分析15011.6.3 纹理保持度分析15111.6.4 消融实验152第12章 总结15412.1 基于多通道特征的自适应无监督阴影检测15412.2 基于阴影特征的智能迭代阈值搜索阴影检测15512.3 基于深度学习的细节感知阴影检测网络15512.4 基于非线性光照迁移的阴影去除15612.5 基于区域分组匹配的阴影去除15612.6 基于深度学习的渐进式阴影去除网络157参考文献159