随着现代遥感技术的不断进步与发展，获取的遥感影像数据越来越多，且空间分辨率也越来越高，如IKONOS、QuickBird、WorldView-2等。高空间分辨率卫星数据为遥感技术的应用提供了新的途径和方向。由于受到传感器自身性能、恶劣天气、光照不均等外部因素的影响，获取的影像常常会出现边缘模糊、颜色失真、噪声污染、对比度低及阴影遮挡等问题，导致影像质量变差，严重影响影像的判读及影像的信息提取。因此，为了改善影像质量及提取更多可用信息，城市遥感影像中的云检测、阴影检测、图像增强成为促进影像分析和理解领域发展的关键内容之一。
本章重点介绍城市遥感影像云检测和阴影检测的若干方法、城市遥感影像色调调整的几种主要方法。对于遥感影像云检测，目前在遥感图像应用中较常使用的是传统的物理方法。近年来，随着遥感技术和计算机技术的不断发展，统计方法、神经网络聚类、SVM等原来较难实现的方法也得到了发挥使用。这些新的方法比物理方法的检测精度高，而且不需要遥感器具备多个谱段数据。对于遥感影像的阴影检测，在一些特定领域，阴影处理方法得到了较好的应用，但是因为阴影形成机理的复杂性，至今还没有一种通用的阴影检测方法。例如:基于传统K-L变换方法的阴影检测中的复杂性问题，基于遥感影像多波段运算的阴影检测中图像必须包含特定的波段信息而造成的非实用性问题，基于连续阈值的阴影检测中高分辨遥感影像地物的异物同谱和同谱异物现象而造成特征相似问题等。就理论而言，由于像元函数本身的复杂性，想要完全消除阴影，恢复阴影区内地物的本来面貌几乎是不可能的，因此目前的阴影去除方法都有自身的局限性，并没有统一的方法体系。对于影响色调调整，现有的影像增强方法可分为传统的影像增强方法和其他影像增强方法。其中，传统的影像增强方法又可以细分为空域影像增强方法和频域影像增强方法。其他经典的影像增强方法主要有:基于模糊集理论的影像增强方法、基于人工神经网络的影像增强方法和基于视觉特性的影像增强方法等。影像的质量问题是多种多样的，因此，在对影像进行增强之前应分析影像存在的问题，并选择合适的影像增强方法。(www.xing528.com)
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。
