无人机拍摄的地面影像,绝大多数都存在部分阴影区域。而影像中的阴影会降低图像的对比度、模糊地面物体的纹理等信息、降低图像质量,这会导致用此影像做出的三维(3D)模型与实物有所偏差,也不利于地面物体的识别与统计。由于无人机与常规拍摄相比拍摄距离较远,拍摄范围较广,所以其拍摄景物较复杂。微型无人机在不同的应用中,必然要在各种不同的环境下进行工作。因拍摄时间、拍摄场所、拍摄物体的不同,光照、空气折射率、天气、透光率、反射率等因素会对阴影检测和消除产生很大的影响。要设计能够用于微型无人机航拍图像阴影检测与消除,其算法必须对于变化各异的拍摄环境具备良好的鲁棒性。综上所述,可以发现无人机拍摄影像进行阴影分割与消除具有一定的难度和挑战。本论文通过分析现在对无人机影像阴影分割与消除的研究进展,以微型四旋翼无人直升机搭载航拍相机拍摄的图像为数据源,进行图像阴影分割与消除,并将阴影消除后的图像所做的3D模型与原图像的3D模型进行比较。在本论文的研究中,主要的创新点如下:1.在阴影分割方面,先根据图像像素大小等分成m?n份,依次对每一幅图像进行阴影分割与消除,这样可有效改进阴影分割的精度,也有利于之后的阴影消除。对每幅小图像采用均值漂移(MeanShift)算法进行滤波,平滑图像以减少误分割并且降低程序运行时间,再用K均值聚类(Kmeans)算法将图像分割成两部分,然后算出每一部分红绿蓝(RGB)三通道的均值,均值小的部分为阴影区域,再把阴影区域中小的连通域剔除掉,便分割出了基本的阴影区域。2.在阴影消除方面,先对阴影区域进行腐蚀膨胀操作,得到全阴影区域与半阴影区域。对全阴影区域,根据非阴影区域RGB三通道均值,采用改进的线性方程校正。对半阴影区域,根据与其相邻的非阴影部分,用快速行进修复算法(Fast Marching Method,FMM)进行修复。修复完成后把所有的小图像拼接回原始图像大小,再次用FMM算法对拼接区域进行修复。