基于彩色模型的遥感影像阴影检测
基于遥感影像的重要地物的变化检测和标注
基于遥感影像的重要地物的变化检测和标注
樊华;王文旭;孙杰;李晓阳
【期刊名称】《科学技术与工程》
【年(卷),期】2024(24)9
【摘要】破坏性灾害会造成巨大危害和损失,灾后一定时间内由于信息匮乏,使得对了解灾情和救灾都极为不利。
为了及时获取灾区建筑物、道路、桥梁、水库等重要地物的倒塌和毁坏信息,给出了一种可自动识别和标注灾害前后遥感图像差异区域的方法。
首先对时序遥感影像通过三维块匹配(block matching 3D,BM3D)方法去除高斯噪声,然后利用尺度不变特征变换(scale-invariant feature transform,SIFT)方法进行图像配准,通过对差分图像采用Wv_Canny边缘检测方法获得差异区域重要地物的边缘信息,最后识别并标注出发生变化的重要地物,真实遥感图像实验结果按建筑物变化面积比较,正确率78%~79%,误检率21%~22%,无漏检率。
仿真试验和实际遥感影像处理表明:所研究方法可有效识别和标注建筑物等重要地物的差异区,有利于灾后破坏性地物的及时了解和救助工作。
【总页数】10页(P3586-3595)
【作者】樊华;王文旭;孙杰;李晓阳
【作者单位】河南省地震局
【正文语种】中文
【中图分类】P694
【相关文献】
1.基于FastICA算法的遥感图像中地物变化检测
2.一种基于通用影像质量指数的遥感影像变化检测方法
3.迭代加权多元变化检测算法在高分辨率遥感影像变化检测中应用
4.基于多分类器集成和对象的城市典型地物要素变化检测——以ZY-3影像为例
5.基于空间模糊C均值聚类和贝叶斯网络的高分一号遥感影像变化检测
因版权原因，仅展示原文概要，查看原文内容请购买。
遥感中的阴影及应用
遥感中的阴影及其应用前言高分辨率遥感影像同时具有地图的几何精度和影像视觉特征，具有广泛的应用。
然而由于算法以及客观条件的限制，影像中存在着大量的阴影，它直接影响到地物边缘的提取、目标识别、分类等。
特别是近年来随着影像分辨率的提高，阴影现象更加突出，因此对其进行检测与补偿显得极其重要。
1. 研究的背景及意义高分辨率遥感影像已被应用在林业、旅游、水文水资源、名胜古迹的维修等领域。
这些应用的首要问题是对影像中的关键地物进行识别、提取。
理论上，高分辨率卫星遥感影像在经过像片倾斜引起的像点位移、图形变形以及地形起伏引起的投影差的纠正，并在消除大气折射，相机系统带来的误差后，应该准确反映地物特征。
然而，由于建筑物的影响以及太阳光的照射，出现阴影和影像遮蔽以及摄影死角。
随着遥感传感器灵敏度不断提高，影像分辨率从几十米到现在的厘米级。
原本在较低几何分辨率影像中不明显的阴影已经在影像中格外突出。
比如在农村地籍调查中，由于航片的分辨率很高，有很多高大建筑物或者树木阴影，给界址点解译造成很大的困难。
并且图解存在一定的误差。
机载多角度成像数据的空间分辨率能够达到5厘米，影像上的阴影非常突出。
阴影使得影像上阴影区域所反映的被摄目标的信息有所损失或受到干扰。
这在计算机影像处理中将直接影响到相应区域地物的边缘提取、目标识别和地表覆盖分类以及影像匹配算法的成功率等。
它不仅破坏了影像的视觉解译能力和审美效果，还影响了遥感影像作为地图产品的基本功能发挥。
如何消除遥感影像的阴影，具有越来越重要的现实意义。
总的来说，卫星遥感影像能够快速提供地球表面的信息，高分辨率卫星遥感开创了许多新的应用领域，但影像中的阴影是一个必须解决的问题。
它给像影像分类这样的一些应用带来了很大的麻烦。
比如在卫星遥感影像分类中，大多数的地形或地物阴影与水体的光谱特征相混淆，很难准确地它们进行分类。
阴影区地物表现在遥感影像上信息量相对较少，难以判读，在影像处理和工程应用中，影响操作进程，甚至产生错误结果。
一种基于无约束总变分模型的阴影检测方法
物体 的形 状 、 色 等信 息 ， 这 些 信 息 被一 些 噪 声 干扰 ， 颜 但 这些 噪声 一 部分 来源 于 图像 获取 过程 ， 一部 分 来 源 于 自然原 因 ， 比如 阴影 ．从 ２ ０
世纪 ９ ０年代 开始 ， 图像 上 的阴影成 为一 个新 的研究 领域 ， 于影像 上 对 的阴影检测 问题 ， 内外 学 者 做 过 大 量 研 究 ， 已提 出 了不 少 算 法 ， 国 并
影 检测 方法包 括 ： 于单 波段 的 阴影 检测 方 法 ， 于某 一彩 色空 间 的 基 基
阴影检测 方法 和基 于颜色 空 问 变换 的 阴影 检 测 方法 ． 近年 来 ， 于变 基 分 问题 的图像处 理方 法 成 为 图像 处 理 领 域 的 一 个热 点 ， 同样 也 成 为 阴影 检测 的一个 主要 研究 方 向 ． 以 图像 恢 复 为 主 要 目的 的 总 变 分 （ ｏ ｌ ａｉ ｉ ， Ｖ）模 型 于 Ｔｔ ｒ ｔｎ Ｔ ａ Ｖ ａｏ １９ ９ ２年 由 Ｒ ｄｎ等 提 出后 ， 多学者 对此进 行 了较 深入 的研 究 ， ｕｉ 许 并 成功地 将 总变分 模 型 应 用 于 图 像恢 复 和 图像 修 补 等 领 域 ． 基 本原 其 理是在 满足 若 干 约 束 条 件 下 ， 小 化 图像 的总 变 分 ， 对 于 噪声 图 最 即
像 ， 满 足 噪声 方 差 的条件 下 ， 图像 的总 变分 最 小 ， 在 使 以达 到 去 噪 的 目的 ； 对于有 缺损 区域 的 图像 ， 利用 最 小 化 图像 的总变 分来 实 现对 退 化 图像 的 修 补 ． 变 分 方 法 在 图 像 复 原 领 域 得 到 了广 泛 的应 用 和 总
阴影检 测 ； 变分 ； 约 束 总 无
基于同态滤波的高分辨率遥感影像阴影消除方法
关 键 词 ： 感 影 像 ； 影 检 测 ； 影 消 除 ： 态 滤 波 遥 阴 阴 同
中 图 分 类 号 ：Ｐ ９ ．１ Ｔ３１ ４
Ｂ ａ ｙ 出 的基 于 色 彩 空 间 的 阴 影 消 除 方 法 。此 方 法 首 先 统 计 ｒｄ 提 影 像 数 据 灰 度 直 方 图 。 据 双 峰 法 检 测 阴 影 ； 后 用 直 方 图 拉 根 然
指成像 光线被 障碍体 完全 或者部 分遮挡 的成像 区域 ， 阴影 区域 的灰度值 一般 比周 围的成像 区域 的灰度 值要 小 。 但是 如果 障碍 体是 透 明的 ， 障碍体 具 有 聚光性 能 ， 么 阴影 区域 的灰 度值 且 那
响 匹 配 算 法 的成 功 。
１ 基 于 同态滤 波 的 阴影 消 除 方 法
１１ 阴 影 形 成 机 理 分 析 ．
遥感 影像 上 的每 个像 元 的亮 度 或色 彩都 是太 阳光照 函 数
和 地 物 反 射 函数 的复 合 函 数 。 由 于 这 一 复 合 函 数 非 常 复 杂 ， 从 理 论 上 讲 ， 完 全 消 除 影 像 上 的 阴 影 、 复 阴 影 区 域 中 地 物 的 要 恢
文 献标识 码 ： Ａ
文 章 编 号 ：６ ２ ７ Ｏ （０ ０ ｌ－ ２ ０ ０ １７ — ８ ０ ２ １ ）１ ０ １ — ３
彩空 间 的阴影 消 除方 法 。代 表作 为 Ｒ ｌｈＨｉ ｎ ｍ和 Ｍｉ ａｌ ａ ｇ ａ ｐ ｈ ｃ ｅ ｈ
０ 引言
阴影 是高空 间分 辨率遥 感影像 上最 常见 的问题 之一 ， 是 它
遥感图像的阴影检测技术(最全版)PTT文档
总结：
1) 由于各个为了更大地减小阴影检测误差，我们应该通 过大量的研究，希望能找到基于某种彩色空间的检测误差更 小的遥感图像的阴影检测技术。
2) 由于光源和场景的三维结构不易得到，基于模型的阴影检测 方法局限性很大，但其检测效果是最好的。所以，以后的研 究重点要放在基于模型的阴影检测技术上 。
遥感图像的阴影检测技术
随着航空卫星技术不断发展的步伐，高空间 分辨率遥感的广泛应用，如何消除遥感影像的阴 影，具有越来越重要的现实意义，但是这个问题 一直是遥感影像处理领域的一个难题。在这种情 况下，人们开始了遥感图像阴影检测技术的研究。 阴影既是使图像退化的噪声源，又是提供一些有 用信息的信息源。有了阴影检测技术，我们就能 获取更多关于我们所研究的对象的一些有效信息。
下面是一幅遥感图像：
自
投
阴
射
影
阴
影
针对遥感图像的阴影检测本文主要阐述了三种实现遥感图像的 阴影检测的算法：
1） 基于RGB彩色空间的归一化处理的阴影检测算法； 2） 基于RGB彩色空间的直接差分算子的阴影检测算法； 3） 基于纹理分析的阴影检测算法。
我们的重点研究的算法是基于RGB彩色空间的归一化处理的阴 影检测算法。
由于光源和场景的三维结构不易得到，基于模型的阴影检测方法局限性很大，但其检测效果是最好的。 我们的重点研究的算法是基于RGB彩色空间的归一化处理的阴影检测算法。
1)由于光线被遮挡2，)阴阴影影区域区具有域更具低的有灰度更值高的色调值
整个的阴影检测流程如下图所示： 但原始影像中的偏蓝色地物在B’分量中也具有很高的像素值，需要将这些区域从阴影区域中去除。
3）向具有更好的定位性,更好的边缘性,精度较高的阴影检测技术 方向发展。
图像的阴影检测与去除算法分析
图像的阴影检测与去除算法分析摘要：针对图像阴影的问题，文章讨论了现有的几项检测技术，即“光照无关”“连续阈值图”与“区域生长”技术。
进一步分析了阴影去除算法，包括泊松方程、梯度域以及成对区域三种算法。
关键词：图像阴影；检测技术；去除算法引言：采集图像中，往往会受到各种各样因素的影响，导致图像质量下降。
而阴影就是一种常见的降质表现，主要是由成像条件造成的。
阴影会令图像承载的信息量不完整，或是被干扰，影响目标解译的精度。
而阴影既会限制视觉判断，又不利于图像分析和后期处理，所以检测与去除阴影是有必要的。
一、图像的阴影检测技术（一）光照无关阴影检测技术光照无关技术运行机理在于，从RGB颜色空间，转换成仅和图像采集设备感光函数与拍摄目标表面反射特征相关，但和物体接受的光线方向、色彩及亮度都没有联系的一种灰度图像。
借助灰度图像本身的光照无关的特性，检测目标物体的轮廓位置，最终结合从原图中获取的目标物及阴影边缘，以此测出阴影边缘。
此种阴影检测技术，即便拥有面对较为杂乱纹理信息的图像，也能保持较佳的鲁棒性[1]。
但对于比较复杂的阴影区域，精准测出阴影边界的难度较大，这主要和图像采集设备摄影函数及表面反射率有关。
由此可推断出，该项检测技术的适用范围有：普朗克成像光源；朗伯成像表面；采集设备光谱响应函数是窄带函数。
但现在现实中，很少会有图像可以同时符合以上三项条件，因此该方法存在较大的使用限制。
（二）连续阈值图阴影检测技术从肉眼观察层面来讲，HSI颜色模型属于相对接近的色彩描述，包含角度与饱和度、强度等。
如果根据角度与强度比值，绘制比率图，用于测出彩色遥感图像上的阴影区域，基本操作流程是：通过比率图，完成HSI建模。
根据此模型的色彩表现，阴影部分和非阴影处相较，强度偏低、角度较高。
倘若在该种方法的基础上，借助双边滤波器，对目标图像实施滤波处理，这样起到去噪的作用。
而后利用全局阈值，将像素划分成非阴影与候选阴影两个类型，初步生成阴影图。
面向对象的高分辨率遥感影像阴影提取方法
面向对象的高分辨率遥感影像阴影提取方法
面向对象的高分辨率遥感影像阴影提取方法，是一种基于遥感影像对象提取技术实现的阴影变化检测方法。
该方法主要分为以下几个步骤：
1. 数据预处理：读取高分辨率遥感影像，进行预处理操作，包括灰度校正、空间校正、大气校正等。
2. 影像分割：使用Mean-Shift算法或Watershed算法进行影像分割，将遥感影像分割成多个对象。
3. 特征提取：根据光学特性和形态特征等选取阴影提取特征，如颜色、形状、纹理、边缘等，计算每个对象的特征向量。
4. 阴影提取：将特征向量输入到分类器中进行分类处理，判断每个对象是否是阴影，将阴影对象分割出来。
5. 阴影变化检测：对两幅遥感影像进行阴影提取，比较两幅影像中的阴影对象是否存在变化，建立变化检测模型。
该方法具有提取精度高、计算速度快等优点，可以广泛应用于城市规划、土地利用、生态环境等领域。
fmask云阴影检测原理
fmask云阴影检测原理
FMask云阴影检测原理是一种基于图像处理的自动云阴影检测方法。
它将立体可见光图像（RGB）与地表的热成像逐像元联合处理，然后计
算出每个像元的亮度，以切断像素直接下方的云阴影和光照。
这项技
术基于学会处理太阳高度角，反射比，和气溶胶影响计算出来的表面
反射率，以及相对热量，从而定量检测云阴影。
该算法使用特定的数
学公式对RGB影像的每个像素进行处理，从而计算表面反射率和相对
热量，从而实现自动云阴影检测。
根据图像中的云阴影深度值，FMask
可以将每个像素分配到不同的类中，从而实现自动识别和分割地表物质。
FMask云阴影检测原理的基础是比较彩色卫星图像中像元的亮度值，并
根据较小和较大亮度值之间的差异，反映每个像元的下方是否有云阴影。
FMask主要利用太阳高度角和太阳方位角，以及反射比来计算每个
像元受到的太阳辐射量，并将其用于计算出表面反射率。
此外，根据
云的辐射损失模型，这种技术还可以计算出被云遮挡的每个像元的相
对热量。
依据上述原理，FMask最终通过对3个影像中的每个像元进行数学
处理，计算出每个像元的表面反射率、相对热量、以及太阳辐射量，
从而实现了准确的云阴影检测。
该方法既能够提供准确的地表类型识别，也可以实现准确的云阴影检测，成为在可见光图像中云阴影分析
的有效途径。
基于水平集的航拍影像阴影检测与去除系统设计
基于水平集的航拍影像阴影检测与去除系统设计摘要:建筑物、树木和山脉等遮挡光线,可能使航拍影像中出现阴影。
而阴影区域的存在可能影响图像后续处理,导致重要信息丢失。
本系统旨在设计自动检测航拍影像中阴影区域并将其去除的系统,选择并搭建基于水平集航拍影像阴影检测算法的进行系统设计。
系统主要功能包括:图像读入、图像去雾、阴影检测、阴影去除。
关键词:航拍影像图像去雾阴影检测阴影去除水平集1 系统研究意义建筑物、树木和山脉等遮挡太阳光线,使遥感航拍影像中存在阴影区域。
阴影区域的存在可能导致重要信息的丢失,进而影响影像的后续处理,如图像配准、图像内容理解、分割、特征提取、目标变化检测和定位等。
阴影检测是遥感航拍影像中地物跟踪、分类和识别等处理的重要步骤之一,目前阴影检测技术可分基于模型与基于阴影属性两大类,基于模型的方法需有关影像中地物几何形状或DSM数据、太阳高度角、传感器参数等知识,计算复杂,且适用于特定场景。
基于阴影属性的方法通过分析阴影区域在亮度、几何结构和颜色等方面的共性及其与非阴影区域的差异来检测阴影区域,应用比较复杂[1]。
本系统旨在开发设计自动检测航拍影像阴影区域并将其去除的系统。
选择并搭建基于非匀质区域水平集航拍影像阴影检测算法的系统开发平台,实现自动检测阴影区域并将其去除。
系统主要功能包括:图像读入、图像去雾、阴影检测、阴影去除。
图像阴影区域极可能含重要信息,准确检测阴影区直接关系到影像后续处理及获取与识别阴影区中重要信息的成效。
本系统所用的算法不仅可解决传统阴影检测方法中对非匀质同块阴影区检测不全面的问题,也可检测到传统方法中漏检的亮阴影区。
检测到的阴影区连续、边缘清晰整齐,并能有效排除绿色植被干扰,检测正确率高,漏检率低,检测全面,阴影区提取方便。
2 国内外研究现状G.D.Finlayson等最早提出利用彩色不变量来进行阴影检测、阴影消除[2],但是这些彩色不变量要在图像满足中性界面反射模型的条件下才成立[3],而且很多的航空影像都难以满足此条件。
基于彩色模型的遥感影像阴影检测
影的光谱性质和几何性质提出了一种检测方法Ｈ ； Ｈ ｉ ｇ ｈ ｎ ａ ｍ和 Ｂ ｒ ａ ｄ ｙ （ １ ９ ９ ７ ） 提 出基于直方 图阈值 的阴
影 检测 方法 ； Ｅ ｌ ｅ ｍ ａ ｄ ｍ ｉ ａ和 Ａ ｌ ｓ ｈ ａ ｒ ｉ ｆ（ ２ ０ ０ ３ ） 提 出 了
同态滤 波 的 阴影 检 测 方 法 ； 王 树 根 提 出 了基 于 Ｒ Ｇ Ｂ色彩 空 问的 阴影检测 方法 （ ２ ０ ０ ２ ） 、 基于 Ｋ ． Ｌ变 换 的检 测方法 （ ２ ０ ０ ４ ） 、 基 于 整体 变 分 模 型 的 阴影 检测 方法 （ ２ ０ ０ ６ ） Ｅ ８ １ ； 虢建宏 （ ２ ０ ０ ６ ） 根 据 遥 感 影 像 多波 段 的性 质 ， 提 出 了一 种 阴影 检 测 方 法 ； 季 顺 平 （ ２ ０ ０ ７ ） 在前 人 的基 础 上 提 出 了一 种 改 进 的 高斯 背景 检测 方法 ¨ ； Ｘ ｉ ａ 等人 （ ２ ０ ０ ９ ） 提 出一 种基 于邻 近传播 的阴影 检测方 法 ； 鲍 海英 （ ２ ０ １ ０ ） 根据 遥感 影 像 的 彩 色 空 间 特 性 体 提 出 了 一 种 阈 值 检 测 方 法¨ ； 郑 文武 （ ２ ０ １ ０ ） 提 出 了基 于 Ｌ Ｓ ＭＡ 的阴影检 测 方法 ¨ ； 卞建 勇 （ ２ ０ １ １ ） 提 出 了一 种基 于纹 理和小 波 变 换 的阴影 检测 方法 ¨ ； 常村 红 （ ２ ０ １ ２ ） 提 出 了一 种
第１ ３卷
第 １ ８期
２ ０ １ ３年 ６月
科
学
技
术
与
工
程
基于彩色空间多特征的高空间分辨率遥感影像阴影检测
２０ ０７
期 第 １ 卷 第 ３ ８
Ｖｏ ８ Ｎｏ ３ Ｌ １ ．
基 于彩 色 空 间 多特 征 的 高 空 间分 辨 率 遥 感 影 像 阴影 检 测
李 艳 霞
’
闫冬梅 徐 素 妍。 崔 玉 红 ’
（．装 备 指 挥 技 术 学 院 试 验 装 备 系 ， 京 １ １ １ ； ２ １ 北 ０ ４ ６ ．装 备 指 挥 技 术 学 院 电 装 备 系 ， 京 １ １ １ ｝ 光 北 ０４ ６
影 区域 漏检 和水 体错 检 的 问题 ， 高 了阴影 的检 测精 度 。 提
关 键 词 ：多特征 ； 空 间分辨 率 ； 感 影像 ； 高 遥 阴影检 测
中图分类 号 ： Ｐ ３ １ ４ Ｔ ９ ． 文 献标识 码 ： Ａ 文 章 编 号 ：１ ７ ＿ １ ７ ２ ０ ） ３０ ９ — ５ ６ ３０ ２ （０ ７ ０ ＿０ ４０
息 水 的 地 区 阴
Ａｂ ｔａ ｔ Ｓｈ ｄ ｓ ｒ ｃ ： ａ ｏｗ ｅ ｅ ｔｏｎ ｉ ｇｈ ｓ ｔａ ｅ ｏ ｕ ｉ ｎ ｒ ｍｏｔ ｅ ｓ ｍａ ｅ ｉ ｅ ｙ ｃ ｉｉａ ｏ ａ ｇｅ ｄ ｔ ｃ ｉ ｎ ｈｉ ｐａ ｉｌｒ ｓ ｌ ｔｏ ｅ ｅ ｓ ｎ ｅ ｉ ｇ ｓ ｖ ｒ ｒｔｃ ｌｆ ｒ ｔ ｒ ｔ ｉ ｅ ｉ ｃ ｔｏ ｎｄ ｉ ｆ ｍ ａ ｉ ｅ ｏｖ ｒｎ ｄ ｎｔｆ ａ ｉ ｎ ａ ｎ ｏｒ ｔｏｎ ｒ ｃ ｅ ｉ ｇ．Ｉ ｒ ｒ ｔ ｏｌ ｅ ｔ ｏ ｅ ｏ ａ ｓ ｉ ｍｉｓ ｌ ｎ ｔ ｒ ｓ ｎ ｏ ｄｅ ｏ ｓ ｖ ｈｅｐｒ ｂｌ ｍ ｆｆ ｌｅ ｄ ｓ ｓ ａ ｓ ｉ ｈｅ ｐ ｅ — ｅ ｅ ｏ ｈａ ｏ ｉ ｃ ｕ ｎ ｇ ｅ ｌ ｃ ｉ ｅ ｉ ｎｓ ａ ａ ｓ ｌ ｒ ｎ ｔ ｅ ｅ ｅ ｏ ｔ ｒ ｈａ ｗ ｎｃ ｆ ｓ ｄ ｗ ｎ ｌ ｄｉ ｇ ｈｉ ｈ ｒ ｆｅ ｔｖｅ ｒ ｇ ｏ ｎｄ ｆ ｌｅ ａ ａ ｍｓ ｉ ｈｅ ｐｒ ｓ ｎｃ ｆ ｗａ ｅ ，ａ ｓ ｄｏ ｄ ｔ ｃ ｉ ｌ ｏｒｔ ｅ ｅ ｔｏｎ ａ ｇ ｉｈｍ ａ ｅ ｎ ｔ ｏ ｏｒｓ ａ ｅ ｍ ｕｌｉｆ ａ ｕｒ ｓ ｏ ｈ ｄｏ ｄ ｔ ｃ ｉ ｓ ｐｕｒ ｏｓ ｄ Ｆｉｓ ｌ ｂ ｓ ｄ ｏ ｈｅ ｃ ｌ ｐ ｃ ｔ— ｅ ｔ ｅ ｆｓ ａ ｗ ｅ ｅ ｔｏｎ ｉ ｐ ｅ． ｒ ｔ ｙ， ｇｅ ｒ １ｓ ａｄ ｗ ｓ ｄｅ ｅ ｔ ｄ ｂ ｍｐｒ ｖｉ ｈ ｅ ｈ ｄ ｍｅ ｈｏ ｎｅ ａ ｈ ｏ ｉ ｔ ｃ ｅ ｙ ｉ ｏ ｎｇ ｔ ｒ ｓ ｏｌ ｔ ｄ，ｔ ｎ ｓ ｄ ｗ ｎｃｕｄ ｎｇ ｈｉ ｈ ｒ ｆｅ ｔｖ ｅ ｈｅ ｈａ ｏ ｉ ｌ ｉ ｇ ｅ ｌ ｃ ｉ ｅ ｒ —
一种多尺度几何细节抽取的阴影处理算法
一种多尺度几何细节抽取的阴影处理算法王博;张永军;陈奇【摘要】From the shadow processing of high-resolution aerial remote sensing images, this paper analyzed the features of shadow in color space. Using combined thresholds of 3 channels in HIS color space and Gaussian function, the authors detected shadow area and its multi -scale geometric details which can compensate shadow area. The experiments prove that this method can maximize the retention of the original features in shadow area and get more reasonable compensation results, thus ensuring accuracy and reliability of the follow-up imaging.%从高分辨率航空遥感影像的阴影处理角度出发，分析了阴影区域在彩色空间上的特征；采用HIS彩色空间3个通道的联合阈值测度进行阴影检测，并利用高斯函数进行地物纹理几何细节的多尺度抽取，提出了针对影像灰度图的阴影补偿方法。
实验证明，该方法能够在最大限度保留阴影区域原始特征的前提下，对阴影区域信息进行补偿，保证了影像后续处理的准确度和可靠性。
【期刊名称】《国土资源遥感》【年(卷),期】2014(000)004【总页数】6页(P23-28)【关键词】阴影检测;HIS彩色空间;几何细节;阴影补偿【作者】王博;张永军;陈奇【作者单位】武汉大学遥感信息工程学院，武汉 430079;武汉大学遥感信息工程学院，武汉 430079;武汉大学遥感信息工程学院，武汉 430079【正文语种】中文【中图分类】TP750 引言随着信息技术的迅猛发展，遥感技术已广泛应用于资源调查、城市规划、环境监测以及防灾减灾等各个领域，对遥感影像质量也提出了越来越高的要求。
高分辨率航空影像阴影自动检测和去除
第３５卷第２期２０２０年４月遥感信息R e m o t eS e n s i n g In f o r m a t i o n V o l ．３５,N o ．２A pr ．,２０２０㊀收稿日期:２０１９Ｇ０２Ｇ２２㊀㊀修订日期:２０１９Ｇ０４Ｇ２３基金项目:武汉大学测绘遥感信息工程国家重点实验室开放基金项目(１６E ０１);国家自然科学基金项目(４１７７１４５７);国家重点研发计划项目(２０１６Y F B ０５０２６００).作者简介:涂继辉(１９７９ ),男,博士,副教授,主要研究方向为遥感图像目标识别.E Ｇm a i l :t u j h ＠y a n g t z e u ．e d u ．c n 通信作者:眭海刚(１９７３ ),男,博士,教授,主要研究方向为遥感影像处理.E Ｇm a i l :h a i g a n g_s u i ＠２６３．n e t 高分辨率航空影像阴影自动检测和去除涂继辉１,２,杜红１,眭海刚２,徐川２(１．长江大学电信学院,湖北荆州４３４０２３;２．武汉大学测绘遥感信息工程国家重点实验室,武汉４３００７９)摘要:针对高分辨率航空影像的阴影检测与去除问题,通过对阴影的光谱特征的分析,提出了一种新的自动化阴影检测和去除的方法.该方法首先利用约束颜色不变量和水平集分割相结合的方法对阴影进行自动检测,获取完整的阴影区域和精确的阴影轮廓线;然后利用阴影轮廓点的邻域作为同质区域,进行补偿因子估算达到去除阴影.实验证明,该方法能够自动准确地对阴影进行检测和去除,不但提升了阴影区域的亮度,而且使得地物细节得到了很好的恢复.关键词:高分辨率航空影像;颜色不变量;水平集;阴影检测;阴影去除d o i :１０．３９６９/j．i s s n ．１０００Ｇ３１７７．２０２０．０２．００７中图分类号:T P ７５１㊀㊀文献标志码:A㊀㊀文章编号:１０００Ｇ３１７７(２０２０)０２Ｇ００３８Ｇ０８A u t o m a t i c S h a d o wD e t e c t i o na n dR e m o v a l i nH i g hR e s o l u t i o nA e r i a l I m a g e r yT UJ i h u i １,２,D U H o n g １,S U IH a i g a n g ２,X U C h u a n ２(１．E l e c t r o n i c s&I n f o r m a t i o nS c h o o l ,Y a n g t z eU n i v e r s t i y ,J i n gz h o u ,H u b e i ４３４０２３,C h i n a ;２．S t a t eK e y L a b o r a t o r y o f R e m o t eS e n s i n g a n dI n f o r m a t i o nE n g i n e e r i n g ,W u h a nU n i v e r s i t y ,W u h a n ４３００７９,C h i n a )A b s t r a c t :I n o r d e r t o s o l v e t h e p r o b l e mt h a t s h a d o w i n t e r f e r e s t h e i n f o r m a t i o n e x t r a c t i o n i n h i g h r e s o l u t i o n a e r i a l i m a g e ,t h i s p a pe r p u tf o r w a r d s a n o v e l a u t o m a t i c s h a d o wd e t e c t i o n a n d r e m o v a lm e t h o d a f t e r a n a l y z i ng th e c h a r a c t e r i s t i c s a n d t h em a t h e m a t i c a lm o d e l o f s h a d o w ．T h i sm e t h o d f i r s t l y a u t o m a t i c a l l y d e t e c t s t h e s h a d o wa r e ab a s e do nc o l o r i n v a r i a n t sm e t h o d i nt h ec o n d i t i o nc o n s t r a i n t a n d u s i n g t h e l e v e l s e t e v o l u t i o nm e t h o d ,w h i c ho b t a i n s t h e c o m p l e t e a r e aa n da c c u r a t eb o u n d a r y o f t h e s h a d o w ．T h e n ,t h en e i gh b o r h o o d w i n d o w p i x e l s o f t h e s h a d o wb o u n d a r y a r eu s e da s t h eh o m o g e n e o u s r e g i o nt oe s t i m a t e t h ec o m pe n s a t i o nf a c t o r ,w h i c hr e m o v e s t h e s h a d o w ．E x p e r i m e n t a l r e s u l t s s h o wt h a t t h i sm e t h o d c a n a u t o m a t i c a l l y d e t e c t t h e s h a d o wa r e a a n d r e m o v e t h e s h a d o w ,a n d i tm a k e s t h e b r igh t n e s s o f s h a d o wa r e a h ei g h t e n e d a n d t h e d e t a i l s o f s h e l t e r e d r e a p p e a r e d e f f i c i e n t l y．K e y wo r d s :h i g h Ｇr e s o l u t i o na e r i a l i m a g e ;c o l o r i n v a r i a n t ;l e v e l s e t ;s h a d o wd e t e c t i o n ;s h a d o wr e m o v a l ０㊀引言高分辨率航空影像是对地球表面的各种目标进行测量和信息提取的一种重要手段[１Ｇ２].由于各种人工建筑物或者树木的遮挡,高分辨率航空影像中常常会出现许多阴影区域.航空影像中的阴影虽然可以用于对建筑物的提取和高度估计,但同时也对影像中信息的提取㊁识别和判读造成了一定程度的干扰[３].因此,如何高效准确进行阴影的检测和去除成为航空影像预处理所面临的难题.针对遥感影像的阴影干扰,学者们提出了大量阴影检测和去除的算法.阴影检测算法主要分为２类:一类是基于几何模型的方法,该方法主要利用影像的太阳高度角㊁传感器参数和地面上物体的几何形状等先验信息来检测阴影[４Ｇ５],这种方法计算复杂度高,只适合特定场景;另一类是基于阴影特性的８３引用格式:涂继辉,杜红,眭海刚,等．高分辨率航空影像阴影自动检测和去除[J]．遥感信息,２０２０,３５(２):３８Ｇ４５．方法,该方法主要利用阴影与非阴影区域光谱特征差异来检测阴影[３,６Ｇ９].由于基于颜色和亮度的检测方法更加贴近人的视觉方式,因此这类方法更加简单易行.这类方法又分为２种:一种是基于样本训练[９],然后进行分类检测出阴影,这类算法需要提供足够的样本;另一种是利用彩色空间的变换[３,６],把影像从R G B空间变换到其他彩色空间(H S V㊁H C V㊁Y I Q等),再利用O t s u等分割算法进行阈值分割,这类算法中颜色空间转换和阈值设定加大了算法的复杂度.阴影去除方法的核心思想是估算光照补偿因子来恢复阴影区域,从而达到阴影去除的效果[１０].因此补偿因子的估算是阴影去除的关键,而如何自动准确在阴影和非阴影区域找到同质区域,是阴影光照补偿因子估算的难点.目前主要阴影去除的方法是在同质条件下阴影和非阴影区域,通过颜色不变性[６,１１]㊁伽玛校正[１２]㊁线形相关[１３]㊁灰度直方图[１４]和内外轮廓线[１５]等方法,估算阴影光照补偿因子,从而达到阴影去除.然而这些方法对于如何自动准确定位同质区域没有提供较好的解决思路.基于当前研究的现状,本文提出了一种新的高分辨率遥感影像的阴影自动检测和去除方法.该方法先在R G B颜色空间下利用约束条件下的颜色不变量进行阴影的粗检测;然后用粗检测区域的最大内切圆作为初始零水平集,在缓冲区中进行水平集演化,得到阴影的精确轮廓;再利用轮廓点的邻域窗口的像元估计阴影光照补偿因子.由于阴影轮廓线临近建筑物的一部分明显为非同质区域,本文利用航空影像的P O S信息和太阳高度角进行剔除;最后利用阴影的光照补偿因子去除阴影.该方法主要优势如下:无须进行颜色空间域之间的转换,直接在R G B彩色空间下检测阴影,减少了计算的复杂度;利用水平集算法进行阴影轮廓的演化,不但能够提取较为完整的阴影区域和精确的阴影轮廓,而且也为同质区域选取提供了帮助;利用阴影轮廓上点的邻域作为同质区域,可以简单㊁自动和准确地定位同质区域.实验结果表明,本文算法的阴影检测准确,且效率高,补偿后的影像视觉一致性较好.１㊀阴影光照补偿因子估计模型根据R e t i n e x理论[１６],影像是由光照分量反射分量合成而得到.其中光照分量是光源直接照射地面的光线,反射分量是地面反射的光线.影像的光照物理模型如式(１)所示.S(x,y)＝L(x,y)ˑR(x,y)(１)式中:(x,y)为影像像素点坐标;S(x,y)㊁L(x,y)和R(x,y)分别表示原始影像㊁光照分量和地面反射率.在自然光照环境下,非阴影区域的光照分量由直接光源分量L d和环境散射光源分量L e合成.由于障碍物遮挡,直接光照减弱形成了阴影区域,那么阴影区域的直接光源分量应该乘以系数k.因此,式(１)的光照物理模型可以变换为式(２).S(x,y)＝(kˑL d(x,y)＋L e(x,y))ˑR(x,y)(２)当k＝１时,表示S(x,y)为非阴影区域;当k＝０时,表示S(x,y)为阴影中的本影区域;当０＜k＜１,表示S(x,y)为阴影中的半影区域.假设同一幅影像上的同质区域内S s h a d o w(x,y)为阴影区域,S n o n s h a d o w(x,y)为非阴影区域,根据式(２)可得非阴影区域和阴影区域的比值,如式(３)所示.S n o n s h a d o wS s h a d o w＝(L d n o n s h a d o w＋L e n o n s h a d o w)ˑR n o n s h a d o w(kˑL d s h a d o w＋L e s h a d o w)ˑR s h a d o w(３)由于式(３)中阴影的本影区域k＝０,并且同一幅影像中的同质区域内直接光源分量L d㊁环境散射光源分量L e和反射光分量R相等,设L d和L e 比值为c,c为常量,那么式(３)可以简化为式(４).S n o n s h a d o wS s h a d o w＝c＋１(４)阴影去除的核心就是将阴影区域的光照恢复到非阴影区域,而对各个波段分别处理,尽可能保证色调信息的一致性.根据以上的数学推导,阴影去除的目标就是要找到同质区域下的阴影区域和非阴影区域的像素点,利用式(４)估计出比值,然后再利用估计值,将阴影区域像素点各个波段颜色值变换到非阴影区域,从而完成阴影的去除.因此可以认为阴影去除的方法一般分为两步:一是阴影区域的精确检测;二是寻找同质区域下的阴影区域和非阴影区域,估算出阴影光照补偿因子.２㊀算法描述２．１㊀算法总述本文的算法主要有如下步骤.首先,利用基于约束条件下的颜色不变量进行阴影区域的粗检测;其次,对阴影粗检测的区域构造外接矩形扩大区域作为缓冲区;再次,利用粗检测区域的最大内切圆作为零水平集,在缓冲区中进行水平集演化,得到阴影的精确轮廓.精确轮廓可以提供更加完整的阴影区域,同时也为后一步同质区域的选取提供了帮助,因为利用阴影轮廓点的邻域作为同质区域的前提条件是提取精确的阴影轮廓.然后,由于阴影轮廓靠近９３遥感信息２０２０年２期建筑物一部分明显不能作为同质区域,应该剔除掉,因此利用航空影像的P O S 信息和太阳高度角,求出阴影在影像上的方向,通过阴影质心和阴影的方向切割出不与建筑物相连接的阴影轮廓;最后,对每个阴影轮廓点的邻域建立一个模板窗口,利用模板窗口中的阴影和非阴影部分的关系,估计出阴影光照补偿因子,从而进行阴影去除.算法的总体流程如图１所示.图１㊀算法总体流程图２．２㊀基于颜色不变量的阴影检测颜色不变量最初是由G e v e r s 等[１７]提出来的,它是一种颜色集合模型,不受视角㊁物体表面光滑程度㊁光照方向㊁光照密度和亮度的影响.目前许多研究者利用颜色不变量替代N D V I 进行植被的检测和提取,同时也把它用于阴影检测.例如文献[１７]中利用彩色R G B 空间的蓝色通道和绿色通道对阴影进行检测.文献[１８]对文献[１７]进行了改进,利用了R G B 的３个通道的颜色进行阴影检测.本文是在文献[１８]阴影检测的基础上,加上了约束条件(式(５)),主要目的是为了在阴影检测时剔除绿色植被的错误检测.S C (i ,j )＝４πˑa r c t a n (R (i ,j )－R (i ,j )２＋G (i ,j )２＋B (i ,j )２R (i ,j )＋R (i ,j )２＋G (i ,j )２＋B (i ,j )２)G (i ,j )＜m a x (R (i ,j ),B (i ,j ))ìîíïïïïïï(５)式中:i ,j 是影像的行列号;S C 表示检测的阴影区域;R (i ,j )㊁G (i ,j )和B (i ,j )分别代表R G B 彩色空间的３个颜色通道.因为仅用式(５)中的第一个表达式进行阴影检测,经过实验发现会把绿色植被作为阴影错误检测,因此需要加入约束条件,即式(５)中的第二个表达式作为约束项来滤除错误检测.根据光学原理,植被区域的吸收带位于蓝色波段和红色波段,在绿色波段处为反射峰.非阴影区的光照主要来源于反射光㊁环境光和大气散射,传感器感知的光强主要为反射光,绿地能强烈反射绿光,因此绿地区域对应像素的G 分量有较大的概率.本文在式(５)中加入了检测约束条件,可以滤除检测的绿色植被区域.２．３㊀基于水平集的阴影轮廓演化由于阴影区域的颜色不均匀,采用２．２节颜色不变量检测的阴影区域边界不精细,无法得到较为完整的阴影区域,水平集演化算法具有灵活的曲线演化能力,分割演化的结果轮廓精细清晰且连续性好.由于经典的水平集泛函的极小值通常不容易求得,如果零水平集选择不当,不仅容易演化到局部极小值,而且会降低运算速度,所以水平集函数的初始化非常重要.本文利用已检测阴影区域构建水平集的初始函数和局部缓冲区,提高水平集演化的精度和速度.具体实现过程如下:１)根据式(５),可由式(６)对图像进行阈值分割,得到只有阴影和非阴影区域的二值图像.其中I (i ,j )表示新生成的二值图像,T 表示区分阴影和非阴影的阈值.I (i ,j )＝０,若S C (i ,j )ȡT 且满足式(５)１,若S C (i ,j )＜T{(６)２)根据步骤１)中,设二值化图像中阴影区域为Ω,０４引用格式:涂继辉,杜红,眭海刚,等．高分辨率航空影像阴影自动检测和去除[J ]．遥感信息,２０２０,３５(２):３８Ｇ４５．对区域Ω作最小外接矩形,对外界矩形进行扩大一半的面积,得到水平集演化的局部缓冲区Ω０.在对区域Ω求取最大内切圆Φ０,用此Φ０作为初始水平集函数.Φ０(x ,y )＝(x －x ０)２＋(y －y０)２＝r ２(７)３)由于阴影区域内并非均匀区域,往往有树木㊁车辆等干扰,因此采用文献[１９]提出的一种处理非均匀图像的水平集分割模型进行演化.目前的C V模型只针对灰度图像进行演化分割,本文将C V 模型扩展到彩色影像上.假设在缓冲区Ω０内为R G B 彩色图像空间,局部影像I i (x ,y ):Ω０ңR ２;i ɪ{r ,g ,b }.缓冲区中的轮廓线C 内为阴影区域Ωs h a d o w ,C 外为非阴影区域Ωn o n s h a d o w ,c s h ad o w 表示阴影区域内彩色信息的均值,令c s h a d o w ＝(c s h a d o w r ,c s h a d o w g ,c s h ad o w b );c n o n s h a d o w 表示非阴影区域内的彩色信息的均值,令c n o n s h a d o w ＝(c n o n s h a d o w r ,c n o n s h a d o w g ,c n o n s h a d o w b ).Φ是水平集函数,拟合的能量函数为非均匀灰度,设k 为非均匀亮度因子,基于水平集C ＧV 模型的能量函数见式(８).E (Φ,c s h a d o w i ,c n o n s h a d o w i )＝λ１ʏΩs h a d o w１３(I i (x ,y )－k ˑc s h a d o w i )２d x d y ＋λ２ʏΩn o n s h a d o w １３(I i (x ,y )－c n o n s h a d o w i )２d x d y ＋μL e n g t h (C )＋νA r e a (C )(８)式中:i ɪ{r ,g ,b };系数λ１,λ２＞０;μ,νȡ０为固定参数.根据文献[１９],本文参数设定为λ１＝λ２＝１,μ＝１．０,ν＝０．００１ˑ２５５２.L e n gt h (C )和A r e a (C )表示轮廓线的长度项和面积项,根据H e a v i s i d e 函数和一维狄拉克函数δ０＝d H (Φ)d Φ,长度项和面积项表达式见式(９).L e n g t h (C )＝ʏΩs h a d o wδ０(Φ(x ,y )ΔH (Φ(x ,y )d x d yA r e a (C )＝ʏΩs h a d o wH (Φ(x ,y )d x d y ìîíïïïï(９)当Φ不变的情况下,极小化能量函数E (Φ,c s h ad o w i ,c n o n s h a d o w i ),可得到c s h a d o w i 和c n o n s h a d o w i 的表达式为:c s h a d o w i ＝ʏΩs h a d o w I i (x ,y )H (Φ(x ,y ))d x d yʏΩs h a d o w H (Φ(x ,y ))d x d y c n o n s h a d o w i ＝ʏΩn o n s h a d o w I i (x ,y )(１－H (Φ(x ,y ))d x d y ʏΩn o n s h a d o w(１－H (Φ(x ,y )))d x d y ìîíïïïïïïïïï(１０)当ʏΩs h a d o wH (Φ(x ,y ))d x d y ＞０时,c s h ad o w i 有意义;当ʏΩs h a d o w(１－H (Φ(x ,y ))d x d y )＞０时,c n o n s h a d o w i 有意义.为了求解水平集函数Φ,令c s h a d o w i 和c n o n s h a d o w i 不变,引入时间变量t ,将水平集Φ对时间变量t 求导,式(８)对应的偏微分方程见式(１１).ƏΦƏt＝δ(Φ) [μΔΔΦΔΦ－ν－λ１I (x ,y )－c s h a d o w []２＋λ２I (x ,y )－c n o n s h a d o w i []２](１１)其中,Φ０(x ,y )＝(x －x ０)２＋(y －y０)２＝r ２２．４㊀基于阴影轮廓点邻域的阴影去除本文基于阴影轮廓点进行阴影去除的主要思想是:如图１第⑥步,认为图像中某一个点与其邻域内的点为同质区域,因此取阴影轮廓上的点与其邻域的点组成一个掩模窗口,这个窗口一部分处于阴影区域,另一部分处于非阴影区域,通过阴影区域和非阴影区域的平均像素点的比值,来估计阴影补偿因子.为了使补偿因子更加精确,本文利用阴影轮廓上的所有点来估计阴影补偿因子.但又由于阴影轮廓临近建筑物部分的轮廓点在邻域范围内明显为非同质区域,因此不能让这部分点参与估计阴影补偿因子,需要剔除.本文利用航空影像的P O S 信息结合航飞的时间来推算出阴影在影像上的方向,通过阴影区域的质心和方向剔除临近建筑物阴影轮廓曲线段.具体实施步骤如下:１)根据文献[２０Ｇ２１]的方法,利用航飞影像的P O S 信息和航飞的时间,通过式(１２),求出太阳高度角,再根据式(１３),求出太阳的方位角A .s i n α＝s i n φs i n δ＋c o s φc o s δc o s θ(１２)A ＝a s i n (c o s φs i n θc o s α)(１３)式中:α是太阳高度角;δ是太阳赤纬;φ是观测地的道理纬度;θ表示地方时角.２)如图２所示,设阴影区域Ω的质心点P ０为(x ,y ),太阳的方位角为A ,那么有质心P ０和方位角对应的直线方程L １为y ＝x t a n A ＋b ;过质心P ０垂直L １的直线方程L ２为y ＝x t a n (９０－A )＋b ,直线L ２与阴影沿着太阳方向角外的轮廓线交点为A １和A ２,曲线段A １A ２上的点就是参与因应补偿因子估计的点.３)任意取得曲线段A １A ２上的一点P i ,对P i 取得n ˑn 大小的邻域窗口,P i 对应的邻域点的集合１４遥感信息２０２０年２期图２㊀阴影补偿因子估计示意图为S ＝{P i １,P i ２,P i ３, ,P i n }.设集合S 中在阴影区点个数为k １,阴影区点的颜色R G B 空间３个通道的颜色值和分别为ðk １i ＝１R i㊁ðk １i ＝１Gi和ðk １i ＝１Bi,在非阴影区点个数为k ２,非阴影区点的颜色R G B 空间３个通道的颜色值和分别为ðk ２i ＝１R ᶄi㊁ðk ２i ＝１Gᶄi和ðk ２i ＝１B ᶄi,此点光照在R G B 空间３个通道上的阴影补偿因子分别是:C R i＝(ðk １i ＝１R i )/k １(ðk ２i ＝１R ᶄi )/k ２,C G i＝(ðk １i ＝１G i )/k １(ðk ２i ＝１G ᶄi )/k ２,C B i＝(ðk １i ＝１B i )/k １(ðk ２i ＝１B ᶄi )/k ２.４)设曲线段A １A ２上点的个数为N ,３个通道上的阴影补偿因子为C R ＝ðNi ＝１CR iN,C G ＝ðNi ＝１CG iN,C B ＝ðNi ＝１CB iN.５)对阴影区域Ω每个点,利用步骤４)中的阴影补偿因子估计进行换算,就可以去除阴影.３㊀实验结果和分析为了验证本文所提出算法的性能,对２０１４年四川北川航空遥感影像(分辨率０．２５m )和２０１５年武汉市航空遥感影像(分辨０．１５m )进行实验,实验环境是I n t e r X e n o C P UE ３Ｇ１２２０v ３３．１０G H z ,W i n ７,８G B 内存的P C 机,编程工具为M a t l a b ２０１２a .为了定量评价阴影检测的性能,本文采用漏检率F O E R ㊁误检率F A E R 和总错误率F T E R ,分别定义如式(１４)~式(１６)所示.F O E R ＝F NT S(１４)F A E R ＝F PT S(１５)F T E R ＝F A E R ＋F O E R (１６)式中:T S 表示阴影区域像素点数;F N 表示未检测的阴影像素点数;F P 表示非阴影区域误检为阴影的像素点数.漏检率㊁误检率和总错误率都是越小表示检测效果越好.为了定量评价文献中阴影去除算法的效果,主要通过比较阴影去除后区域内的平均亮度和平均梯度作为定量评价.由于文献[２２]是一种比较经典的阴影去除方法,因此本文将与文献[２２]中改进的W a l l i s 阴影去除算法进行比较.３．１㊀阴影检测阴影去除效果受到阴影区域检测精度的制约,这部分实验将利用式(１４)㊁式(１５)㊁式(１６)对阴影检测的精度和阴影去除效果进行定量评估.从图３㊁图４㊁图５可以看出,本文阴影去除方法对比改进的W a l l i s 算法,能够较好地扩大阴影区域的亮度,去除后的细节较为清晰.表１给出了３幅影像阴影检测的定量评价指标,本文的阴影检测算法的漏检率均低于文献[８]和文献[９]方法,误检率也略低于另外２种方法.总错误率即综合性能评价分析,均低于另外２种算法,说明本文阴影检测方法具有明显的优势.本文的阴影检测算法之所以取得了较好的检测效果,主要在于水平集算法能够演化出精确的轮廓边界,颜色不变性的粗检测也为水平集演化提供了先验信息.图３㊀阴影检测结果(武汉地区１)２４引用格式:涂继辉,杜红,眭海刚,等．高分辨率航空影像阴影自动检测和去除[J ]．遥感信息,２０２０,３５(２):３８Ｇ４５．图４㊀阴影检测结果(武汉地区２)图５㊀阴影检测结果(北川地区)表１㊀阴影检测结果评价表％影像漏检率F O E R误检率F A E R总错误率F T E R文献[８]文献[９]本文方法文献[８]文献[９]本文方法文献[８]文献[９]本文方法图３３５．３６１９．６５７．３１３．６１２．７５２．７２３８．９７２２．４０９．３４图４３６．７８１６．９１６．０３６．１４７．４３５．２１４２．９２２４．３４１１．２４图５２８．５３１９．２３８．２５３．９８３．１２２．７６３２．５１２２．３５１１．０１３．２㊀阴影补偿参数估计为了进一步检测利用阴影轮廓邻域点得到的补偿因子估计的准确性,本文对图３的最大轮廓邻域中的阴影部分点和非阴影部分的点进行了统计,所用邻域窗口大小为７像素ˑ７像素.图６为阴影补偿因子估计.从图６可以看出,２条曲线具有较强的相似性,即曲线上的点的比值恒定,由此可以推断轮廓点邻域中的阴影部分和非阴影部分的点属于同质区域,利用这些点进行阴影补偿因子的估计,具有较好的可靠性.由于可近似认为地面在１~２m２范围内为同质区域的可能性较大,因此邻域窗口的大小选取主要取决于影像分辨率与地面同质区域面积的比值.图６㊀阴影补偿因子估计３４遥感信息２０２０年２期３．３㊀阴影去除从图７㊁图８㊁图９可以看出,本文阴影去除方法对比改进的W a l l i s算法,能够较好地扩大阴影区域的亮度,去除后的细节较为清晰.表２给出了３幅影像阴影去除后的定量评价指标,本文阴影去除算法的亮度均值B和平均梯度值T比原始区域得到了大幅度提高,但不易达到与目标值完全一致的水平,与人工确定３个参数的改进W a l l i s去除算法的最佳效果比,本文方法整体较优.本文的阴影去除算法之所以取得较好的去除效果主要在于:利用前一步阴影检测中获取的较完整的区域和较精确的轮廓,通过轮廓点邻域区域作为同质区域用于阴影补偿因子的估计,不但估计准确,而且自动化程度高.因此本文算法能够更加稳定和高效地统一恢复所有阴影区域的基本信息,细节纹理恢复较好.图７㊀阴影去除结果(武汉地区１)图８㊀阴影去除结果(武汉地区２)图９㊀阴影去除结果(北川地区)表２㊀阴影去除结评价表影像指标阴影区域非阴影区域本文去除后的阴影区域文献[２２]的阴影去除图７亮度均值B㊀５７．７０４４８３．９７３８８２．１３４６８７．８３４６平均梯度值T０．０４１５０．０９４８０．０９７００．０８６３图８亮度均值B㊀４３．５８５６８５．１２１０８４．９４００８９．６７５１平均梯度值T０．０１７００．０７６３０．０８８４０．０６８２图９亮度均值B㊀４７．９９５１８４．３２６２８３．３３２１８１．３３７５平均梯度值T０．０５０４０．１９６００．１８２４０．１７５４４４引用格式:涂继辉,杜红,眭海刚,等．高分辨率航空影像阴影自动检测和去除[J]．遥感信息,２０２０,３５(２):３８Ｇ４５．４㊀结束语为了解决阴影对高分辨率航空影像的信息提取存在着干扰的问题,本文提出了一种新的阴影自动检测和去除方法.该方法利用颜色不变量检测出阴影的区域,然后利用水平集的演化得到阴影精确轮廓,最后利用阴影边界邻域点作为同质区域估算阴影的补偿因子,从而去除阴影.实验证明,该方法能够自动精确地获取阴影区域和进行阴影的去除,不但较好提高了整体的亮度,而且使得阴影的区域地物细节得到了较好的恢复,这对遥感影像的自动化预处理具有重要的意义.参考文献[１]㊀王彦情,马雷,田原．光学遥感图像舰船目标检测与识别综述[J]．自动化学报,２０１１,３７(９):１０２９Ｇ１０３９．[２]㊀田昊,杨剑,汪彦明,等．基于先验形状约束水平集模型的建筑物提取方法[J]．自动化学报,２０１０,３６(１１):１５０２Ｇ１５１１．[３]㊀柳稼航,杨建峰,方涛．彩色遥感影像阴影颜色特性分析[J]．光子学报,２００９,３８(２):４４１Ｇ４４７．[４]㊀夏怀英,郭平．基于统计混合模型的遥感影像阴影检测[J]．遥感学报,２０１１,１５(４):７７８Ｇ７９１．[５]㊀MA K A R A U A,R I C H E RR,MU L L E RR,e t a l．A d a p t i v e s h a d o wd e t e c t i o nu s i n g ab l o c k b o d y r a d i a t o rm o d e l[J]．I E E E T r a n s a c t i o no nG o e s c i e n c e a n dR e m o t eS e n s i n g,２０１１,４９(６):２０４９Ｇ２０５９．[６]㊀叶勤,徐秋红,谢惠洪．城市航空影像中基于颜色恒常性的阴影消除[J]．光电子(激光),２０１０,２１(１１):１７０６Ｇ１７１２．[７]㊀C HU N G K,L I U Y,HU A N G Y．E f f i c i e n ts h a d o w d e t e c t i o no fc o l o ra e r i a l i m a g e sb a s e do ns u c c e s s i v et h r e s h o l d i n g s c h e m e[J]．I E E ET r a n s a c t i o n s o nG e o s c i e n c e a n dR e m o t eS e n s i n g,２００９,４７(２):６７１Ｇ６８１．[８]㊀AMA T O A,MO Z E R O V M G,B A G D A N O V A D,e t a l．A c c u r a t em o v i n g c a s t s h a d o ws u p p r e s s i o nb a s e do n l o c a l c o l o rc o n s t a n c yde t e c t i o n[J]．I E E ET r a n s a c t i o n s o n I m a g eP r o c e s s i n g,２０１１,２０(１):２９５４Ｇ２９６６．[９]㊀L I UJH,F A N G T,L IDR．S h a d o wd e t e c t i o n i n r e m o t e l y s e n s e d i m a g e b a s e d o n s e l fＧa d a p t i v e f e a t u r e s e l e c t i o n[J]．I E E E T r a n s a c t i o n s o nG e o s c i e n c e a n dR e m o t eS e n s i n g,２０１１,４９(１２):５０９２Ｇ５１０３．[１０]S U S U K I,S H I O A,A R A IH,e t a l．D y n a m i c s h o wc o m p e s a t i o no f a e r i a l i m a g e sb a s e do n c o l o r a n d s p a t i a l a n a l y s i s[C]// P r o c e e d i n g s o f t h e１５t h I n t e r n a t i o n a l C o n f e r e n c e o nP a t t e nR e c o g n i t i o n．B a r c e l o n a:[s．n．],２０００,１:３１７Ｇ３２０．[１１]徐秋红,叶勤．一种基于颜色恒常性理论的城市高分辨率遥感影像阴影消除方法[J]．遥感信息,２０１０,２５(３):１３Ｇ１６,１１１．[１２]许龙．弱辐射特征图像增强技术研究[D]．郑州:解放军信息工程大学,２０１２．[１３]王玥,王树根．高分辨率遥感影像阴影检测与补偿的主成分分析方法[J]．应用科学学报,２０１０,２８(２):１３６Ｇ１４１．[１４]于东方,殷建平,张国敏．一种基于灰度直方图的遥感影像阴影自动检测方法[J]．计算机工程与科学,２００８,３０(１２):４３Ｇ４４,９３．[１５]Z HA N G H,S U N K,L I W．O b j e c tＧo r i e n t e ds h a d o w d e t e c t i o na n dr e m o v a l f r o m u r b a nh i g hＧr e s o l u t i o nr e m o t es e n s i n gi m a g e s[J]．I E E ET r a n s a c t i o n s o nG e o s c i e n c e a n dR e m o t eS e n s i n g,２０１４,５２(１１):６９７２Ｇ６９８２．[１６]L A N D E H,M C C A N NJ．L i g h t n e s s a n d r e t i n e x t h e o r y[J]．J o u r n a l o fO p t i c a l S o c i e t y o fA m e r i c a,１９７１,６１(１):１Ｇ１１．[１７]G E V E R ST,S M E U L D E R SA W M．P i c T o S e e k:c o m b i n i n g c o l o ra n ds h a p e i n v a r i a n t f e a t u r e sf o r i m a g er e t r i e v a l[J]．I E E ET r a n s．I m a g eP r o c e s s,２０００,９:１０２Ｇ１１９．[１８]N I C H O L A SS,T A K I SK．A u t o m a t i c v e g e t a t i o n i d e n t i f i c a t i o n a n db u i l d i n g d e t e c t i o n f r o ma s i n g l e n a d i r a e r i a l i m a g e[J]．I n t e r n a t i o n a l J o u r n a l o fR e m o t eS e n s i n g,２００９,１:７３１Ｇ７５７．[１９]L IC M,HU A N G R,D I N G Z H,e t a l．A l e v e ls e t m e t h o df o ri m a g es e g m e n t a t i o ni nt h e p r e s e n c eo fi n t e n s i t y i nh o m o g e n e i t i e sw i t ha p p l i c a t i o n t o M R I[J]．I E E ET r a n s a c t i o n s o n I m a g eP r o c e s s i n g,２０１１,２０(７):２００７Ｇ２０１６．[２０]张闯,吕东辉．太阳实时位置计算及在图像光照方向中的应用[J]．电子测量技术,２０１０,３３(１):９１８Ｇ９２３．[２１]贺晓雷,于贺军,李建英,等．太阳方位角的公式求解及其应用[J]．太阳能学报,２００８,２９(１):６９Ｇ７３．[２２]高贤君,万幼川,郑顺义,等．航空遥感影像阴影的自动化检测与补偿[J]．武汉大学学报(信息科学版),２０１２,３７(１１):１２９９Ｇ１３０２．５４。
《遥感数字图像处理》习题与答案
《遥感数字图像处理》习题与答案第一部分1.什么是图像？并说明遥感图像与遥感数字图像的区别。
答：图像（image）是对客观对象的一种相似性的描述或写真。
图像包含了这个客观对象的信息。
是人们最主要的信息源。
按图像的明暗程度和空间坐标的连续性划分，图像可分为模拟图像和数字图像。
模拟图像（又称光学图像）是指空间坐标和明暗程度都连续变化的、计算机无法直接处理的图像，它属于可见图像。
数字图像是指被计算机储存，处理和使用的图像，是一种空间坐标和灰度都不连续的、用离散数字表示的图像，它属于不可见图像。
2.怎样获取遥感图像？答：遥感图像的获取是通过遥感平台搭载的传感器成像来获取的。
根据传感器基本构造和成像原理不同。
大致可分为摄影成像、扫描成像和雷达成像三类。
m=3.说明遥感模拟图像数字化的过程。
灰度等级一般都取2m（m是正整数），说明8时的灰度情况。
答：遥感模拟图像数字化包括采样和量化两个过程。
①采样：将空间上连续的图像变换成离散点的操作称为采样。
空间采样可以将模拟图像具有的连续灰度（或色彩）信息转换成为每行有N个像元、每列有M个像元的数字图像。
②量化：遥感模拟图像经离散采样后，可得到有M×N个像元点组合表示的图像，但其灰度（或色彩）仍是连续的，不能用计算机处理。
应进一步离散、归并到各个区间，分别用有限个整数来表示，称为量化。
m=时，则得256个灰度级。
若一幅遥感数字图像的量化灰度级数g=256级，则灰当8度级别有256个。
用0—255的整数表示。
这里0表示黑，255表示白，其他值居中渐变。
由于8bit就能表示灰度图像像元的灰度值，因此称8bit量化。
彩色图像可采用24bit量化，分别给红，绿，蓝三原色8bit，每个颜色层面数据为0—255级。
4.什么是遥感数字图像处理？它包括那些内容？答：利用计算机对遥感数字图像进行一系列的操作，以求达到预期结果的技术，称作遥感数字图像处理。
其内容有：①图像转换。
包括模数（A/D）转换和数模（D/A）转换。
2010+城市航空影像中基于颜色恒常性的阴影消除(精读)
光电子 激光第21卷第11期 2010年11月 Journal of Optoelectronics Laser Vo l.21No.11 N ov.2010城市航空影像中基于颜色恒常性的阴影消除*叶 勤1,2**,徐秋红1,3,谢惠洪4(1.同济大学测量与国土信息工程系,上海200092;2.同济大学遥感与空间信息技术研究中心,上海200092;3.同济大学现代工程测量国家测绘局重点实验室,上海200092;4.上海市测绘院,上海200063)摘要:基于颜色恒常性理论,对真彩色和彩红外城市航空影像中高大建筑物形成的阴影进行消除。
首先采用光谱比技术和最大类间方差法(Otsu)阈值分割技术进行城市航空影像中建筑物阴影的检测,进而就颜色恒常计算的Shades of Gray算法中明可夫斯基范式(Minkowski norm)的p取不同值情况下的阴影去除效果进行实验,利用亮度、对比度及平均梯度值比较阴影去除效果的好坏。
实验表明:在基于航空影像阴影区域及非阴影区域划分的基础上,本文方法比一般的阴影区反差拉伸方法效果好;且与一般场景影像的阴影去除不同,对两类航空影像,p取2时阴影去除效果最佳,说明这两类影像不能简单看成是一个灰色世界影像。
关键词:航空影像;颜色恒常性;阴影消除中图分类号:TP753 文献标识码:A 文章编号:1005 0086(2010)11 1706 07Rem oving shadows fr om urban aerial im ages based on color c onstancyYE Qin1,2**,XU Qiu hong1,3,XIE H ui hong4(1.Department of Surveying and Geo Informatics,Tongji University,Shanghai200092,Chi na; 2.Research Centerfo r Remote Sensing and Spatial Information,Tongji University,Shanghai200092,China;3.K ey Laboratory of Advanced Engineering Survey of SBSM,Tongji U niversity,Shanghai200092,China; 4.Shang hai M unicipal Institute ofSurveying and Mapping,Shanghai200063,China)Ab st ract:A method is used to re move high building shadows in true c olor and color infrared urban aerialimages based on the t heory of c olor c onstancy.T he spec trum ratio and Otsu threshold segmentationmethods are used to detect building shadows in true color and color infrared urban aerial images.Then,based on the shadow de t ec t ion result,one of the color c onstancy algorithms shades of gray(SoG)is usedto remove the shadows in aerial images with different p values of Minkowski norm.Finally,the shadowremoval results with different p values are compared with brightness,contrast and average grads.Theexperiments show that the result of this method is bett er than that of the contrast stretching me t hod inthe shadow area based on the segmentation of shadowed and unshadowed areas.And different from theresult of the gene ral sc ene image shadow re moval.T he aerial images get the best results of shadow removal when p is2.It means that the two types of aerial images should not be simply regarded as a grayworld image.Ke y wor ds:aerial images;color constanc y;shadow re moval1 引 言阴影是由于光线被遮挡而产生的,一般阴影区域的灰度值、对比度和色彩饱和度比非阴影区域要小。
Landsat8影像中云和阴影的去除方法及应用
Landsat8影像中云和阴影的去除方法及应用李红英;骆成凤;王苑;杨鸿海【摘要】云的干扰严重影响了遥感影像的数据生产和应用,针对青海大面积地区无云数据严重缺乏而造成的遥感影像数据生产应用困难问题,研究Landsat8影像中云及云阴影去除的方法与流程,利用Landsat8遥感影像的光谱特征及其卷云波段,设计云及阴影区域检测模型,检测多种云覆盖情况下的云影响区域,通过多时相遥感影像的配准、相关分析、最小二乘拟合等图像运算得到消除或弱化云影响的遥感影像.同时,应用此方法进行数据生产,为青海地区实际项目实施提供高质量的无云遥感影像数据源.【期刊名称】《地理空间信息》【年(卷),期】2017(015)004【总页数】5页(P71-74,81)【关键词】Landsat8;光谱特征;云检测;阴影检测;云和阴影去除【作者】李红英;骆成凤;王苑;杨鸿海【作者单位】青海省基础地理信息中心,青海西宁 810001;青海省地理空间信息技术与应用重点实验室,青海西宁 810001;中国测绘科学研究院,北京 100830;青海省基础地理信息中心,青海西宁 810001;青海省地理空间信息技术与应用重点实验室,青海西宁 810001;青海省基础地理信息中心,青海西宁 810001;青海省地理空间信息技术与应用重点实验室,青海西宁 810001【正文语种】中文【中图分类】P237光学遥感影像是大面积区域尺度的遥感反演、资源遥感监测的首要数据源，由于气候原因，频繁的云雾条件对光学传感器获得高质量的遥感影像造成了困难，尤其是广阔的西部地区，很难获取一个区域完全无云的遥感影像，大部分遥感影像在获取时都会或多或少地受到云及云在地面上投射的阴影的影响。
如何去除影像上云及阴影的影响，一直被认为是图像处理和应用中的难题。
目前，已经有不少的国内外专家和学者对此开展了广泛深入的研究，由于薄云和厚云在影像中呈现出不同的特点，在去除的过程中所采用的方法也不尽相同。
正射影像上阴影区域检测与消除的方法
地理空间信息GEOSPATIAL INFORMATION第5期收稿日期：2009-06-05航空正射影像图是摄影测量与遥感的主要产品之一,尤其是高分辨率大比例尺的正射影像图，已经在国民经济的许多领域发挥了重要作用。
然而作为视觉影像的地图产品,在其成像过程中，由于成像技术、天气条件等客观因素影响，航空影像上存在着不可避免的阴影现象。
它的存在破坏了正射影像的视觉解译能力和审美效果，会影响后续的许多图像处理操作，比如图像匹配、模式识别、地物自动检测和提取等，因此非常有必要对影像上的阴影进行处理。
而如何对正射影像上的阴影区域进行准确的检测以及必要的信息增强处理，近年来成为摄影测量与遥感工作者一直关心的问题。
国内外许多学者对这一问题进行了深入地研究和分析，提出了一些卓有成效的思路和算法。
1阴影区域的检测提取对图像阴影的预处理操作主要包括阴影区域的检测和阴影消除两个部分。
现有的检测阴影的算法可根据是否需要环境条件的先验知识进行分类:一类是根据影像中地物几何形状或DSM 数据与太阳高度角、相机参数等计算阴影区域；另一类是根据影像阴影区域的共性及其与非阴影区域的差别提取阴影区域。
本文介绍几种检测阴影的算法和思路。
1.1基于RGB 色彩空间的阴影检测[1]在一些城市区域航空影像中，高大建筑物、树木等由于太阳光照形成阴影，导致阴影区域内地物的亮度和对比度降低，使得阴影区域和非阴影区域的像素值存在着差别，我们就可以将这种差别转换成检测阴影区域以及对其进行有效增强处理的依据。
RGB 色彩空间是最基本的色彩空间，阴影是有RGB颜色的，但阴影区域中的像素亮度值一般比非阴影区域要小，特别是R、G 颜色分量一般都较小，而B 颜色分量则有些特殊，其值的波动性相对略大，分析Ｏｃｔ．，２０１０Ｖｏｌ．８，Ｎｏ．５地理空间信息GEOSPATIAL INFORMATION地理空间信息GEOSPATIALINFORMATION第5期图5原始影像图6阴影处理后效果图3结语对高分辨率航空影像上阴影区域进行处理的主要目的是要利用阴影区域的有关信息，尽可能消除阴影对影像处理结果的不利影响，从而提高后续的图像识别和地物提取分类精度，所以首先要能够快速准确检测出影像上的阴影区域范围，并对其进行有效处理。
基于归一化RGB色彩模型的阴影处理方法
第34卷第12期 光电工程V ol.34, No.12 2007年12月 Opto-Electronic Engineering Dec, 2007文章编号：1003-501X(2007)12-0092-05基于归一化RGB色彩模型的阴影处理方法杨俊1, 2，赵忠明2( 1. 中国气象科学研究院雷电物理和防护工程实验室，北京 100081；2. 中国科学院遥感应用研究所国家遥感应用工程技术研究中心，北京 100101 )摘要：通过分析影像上阴影区域的属性，提出了一种基于阴影属性的高分辨率遥感影像阴影检测和去除算法。
利用阴影区域蓝色分量偏高的特性，对归一化B分量和原始B分量进行阈值检测，并结合小区域去除和数学形态学处理，得到较精确的阴影区域；然后，分别在RGB空间和HSI空间对各个独立的阴影区域与其邻近的非阴影区域进行匹配，完成阴影去除操作；最后沿着阴影边界做一次中值滤波以减轻边缘效应。
仿真结果验证了算法的有效性，并且显示在HSI空间获得了更好的补偿效果。
关键词：遥感影像；归一化RGB；阴影检测；阴影去除中图分类号：P237.3; TP751.1 文献标志码：AShadow processing method based on normalized RGB color modelYANG Jun1, 2，ZHAO Zhong-ming2( 1. Laboratory of Lightning Physics and Protection,the Chinese Academy of Meteorological Sciences, Beijing 100081, China;2. National Engineering Research Center of Geoinformation, the Institute of Remote Sensing Applications,the Chinese Academy of Sciences, Beijing 100101,China)Abstract:A new property-based shadow detection and shadow removal algorithm is proposed for high resolution remote sensing image after analyzing the properties of shadow regions. Threshold detection is performed on normalized blue band，and original blue band based on shadow regions has higher pixel value than non-shadowed regions in blue band.Combined the two threshold detection results, an original shadow mask is obtained. Then small region removal and morphological algorithm are used to get accurate shadow mask. Each shadow region is matched to its adjacent non-shadowed region on RGB (Red, Green, Blue) color space and HIS (Hue, Intensity, Saturation) color space respectively to finish shadow removal. At last, median filtering is performed along the edge of each shadow mask in order to reduce the effect of noise. The experimental results demonstrate that the algorithm performs well and a better compensation result is obtained in HSI color space.Key words: remote sensing image; normalized RGB; shadow detection; shadow removal引 言在遥感影像的获取过程中，由于地面目标对光线的遮挡，不可避免地会在影像上产生较暗的阴影区域，随着高分辨率遥感影像的广泛应用，阴影对遥感影像质量的影响越来越严重。
基于彩色模型的遥感影像阴影检测
基于彩色模型的遥感影像阴影检测作者：杨智云来源：《城市建设理论研究》2013年第35期摘要：遥感影像是利用空间传感器对地面目标电磁波辐射信息进行探测，它包含了十分丰富的地理信息，是获取地面信息的主要来源。
本文主要根据遥感影像阴影的属性，对基于彩色模型的遥感影像阴影检测方法进行了分析。
关键词：彩色模型；遥感影像；阴影检测中图分类号： P283.8 文献标识码： A引言遥感指的是在20世纪60年代发展起来的以航空摄影技术为基础的一门新兴技术。
起初主要是航空遥感技术，自从美国于1972年发射了第一颗陆地卫星以后，就标志着航天遥感时代的到来。
随着计算机技术和数字图像处理技术的发展，再加上空间技术的突飞猛进，遥感已经渐渐成为采集地球数据以及其变化信息的一项重要技术手段。
在遥感领域中，遥感影像主要指的是航空像片和卫星像片，它主要是用缩小的影像对地表信息进行真实再现，可以让人们超越自身的感官限制，以不同的感知方式和空间尺度快速的对地球环境的动态变化情况进行监测，成为获取地球资源与环境信息的一种重要手段。
遥感影像能够将失误直观、逼真的反映出来，便于目视定性解译，是较为常用的遥感方法。
因为可以通过遥感影像提取很多详细的信息，尤其是近些年来，随着高分辨率遥感影像的发展，遥感影像的应用也开始变得广泛，目前在土地资源、土地利用资源以及动态监测方面得到了十分广泛的应用，比如主要农作物的遥感估产，城市发展和规划的遥感监测植树造林及退耕还林评估，森林资源调查，重要自然灾害的遥感监测与评估等。
但是，随着遥感影像空间分辨率的不断提高，遥感影像中的阴影对遥感影像的应用也带了很多问题。
遥感影像中阴影的特点遥感影像中的阴影主要指的是因为较高的建筑物或者树木等地物遮挡了太阳光，使得太阳光不能直射而形成的区域。
阴影区域包含着地物的微弱信息，比如几何结构、颜色、纹理、亮度等等。
从最早的空中摄影测量算起，阴影在地面地物应用上的影响相对比较突出，尤其是考古学和军事目标识别方面。
基于均值平移理论的彩色影像阴影检测算法研究
最大熵聚类算法就是一个均值平移聚类算法。 该文的作者认为当 趋近于无穷时 ， 该算法就退化
为一个 ｋ均值 算法 。
３ 均值平 移算法的 图像 聚类原理
均值平移算法是一种特征空问分析算法。特
征 空 问分 析 是 低 层 数 字 图 像 处 理 一 种 重 要 方 法 。
２ 均值平 移算 法
收 到 本 文 时 间 ：０ ７年 ４月 ２ 日 ２０ ０
图像 中的每个点都可 以映射为特征空 间上的一个 点 。对 于彩 色 图像 ， 我们 可 以取 这个 特征 空 间为色
作者简介 ： 王军利 ， 硕士 ， 研究方 向： 实时嵌 入式软件开发 研究工作 和图像处 理算法研究 。郭丽艳 ， 硕士 ， 研究 方向 ： 图像处 理。王树根 ， 教授 ， 博士生导师 ， 研究方 向： 遥感 数据处理 、 计算机图像处理。
度暗， 方差 小 的特 点 ， 的 主观 视觉 往 往 将 图像 阴 人 影 区域归 为相 似性 区域 。 因此 要进 行 彩 色 影像 阴
影检 测 ， 必须 先对 图像进行 分割 聚类 。于是 采用 就
那 么 ｍ（ 就被称 为 均值 平 移 。令 Ｔ ）一 ＣＸ，
是一个有限数据集 （ 以将 看作是聚类 中心点 可 数据集 ）然后通过多次迭代 ， ， 使得 ｍ（） （ 中 ｔ一 其 ｔ ）这个 过 程 就 被称 为 均 值 平移 算 法 。权 重 函 ∈Ｔ ， 数 Ｗ（ 可 以是 固定 的 ， 可 以随 着 迭代 过 程 而 变 ） 也
ｍ（ ， （ ，
表示
像匹配算法的成功率 以及影像产 品的表达等。因 此 ， 影像 上 阴影 区域 的正 确检测 和提取 受 到了人 对 们 越来 越多 的关 注 。 对 于影像 上 的阴影 检测 问题 ， 然 国内外学 者 虽 对此 有 过不 少 研 究 ， 者 也 曾做 过 相 关 方 面 的 研 作 究 ｌ ４， 追 求 新 的 、 有 效 的 阴 影 检测 方 法 仍 】 ｊ但 卜＿ 更 然是 研究 的热 点 之 一 。 由于 图像 阴影 区域 具有 亮
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于彩色模型的遥感影像阴影检测基于彩色模型的遥感影像阴影检测摘要：遥感影像是利用空间传感器对地面目标电磁波辐射信息进行探测，它包含了十分丰富的地理信息，是获取地面信息的主要来源。
本文主要根据遥感影像阴影的属性，对基于彩色模型的遥感影像阴影检测方法进行了分析。
关键词：彩色模型；遥感影像；阴影检测中图分类号： P283.8 文献标识码： A引言遥感指的是在20世纪60年代发展起来的以航空摄影技术为基础的一门新兴技术。
起初主要是航空遥感技术，自从美国于1972年发射了第一颗陆地卫星以后，就标志着航天遥感时代的到来。
随着计算机技术和数字图像处理技术的发展，再加上空间技术的突飞猛进，遥感已经渐渐成为采集地球数据以及其变化信息的一项重要技术手段。
在遥感领域中，遥感影像主要指的是航空像片和卫星像片，它主要是用缩小的影像对地表信息进行真实再现，可以让人们超越自身的感官限制，以不同的感知方式和空间尺度快速的对地球环境的动态变化情况进行监测，成为获取地球资源与环境信息的一种重要手段。
遥感影像能够将失误直观、逼真的反映出来，便于目视定性解译，是较为常用的遥感方法。
因为可以通过遥感影像提取很多详细的信息，尤其是近些年来，随着高分辨率遥感影像的发展，遥感影像的应用也开始变得广泛，目前在土地资源、土地利用资源以及动态监测方面得到了十分广泛的应用，比如主要农作物的遥感估产，城市发展和规划的遥感监测植树造林及退耕还林评估，森林资源调查，重要自然灾害的遥感监测与评估等。
但是，随着遥感影像空间分辨率的不断提高，遥感影像中的阴影对遥感影像的应用也带了很多问题。
遥感影像中阴影的特点遥感影像中的阴影主要指的是因为较高的建筑物或者树木等地物遮挡了太阳光，使得太阳光不能直射而形成的区域。
阴影区域包含着地物的微弱信息，比如几何结构、颜色、纹理、亮度等等。
从最早的空中摄影测量算起，阴影在地面地物应用上的影响相对比较突出，尤其是考古学和军事目标识别方面。
随着高分辨率遥感影响的广泛应用，遥感影像中的阴影给影像的应用带来了很多不利的影响，特别是在影像处理和工程应用方面，阴影对其操作进程产生的影响非常大，严重的甚至会导致结果错误。
所以，阴影处理成了遥感影像处理技术中无法避免的问题。
因为对影像的要求存在不同研究领域和不同的应用目的，影像上的阴影在数字图像处理中，既存在有利之处，也存在不利之处。
阴影的类型阴影常被分为本影(Self shadow)和投影(Cast shadow)两种类型，本影指的是遮挡物本身没有被光线照射到的一部分地方，投影指的是照射光线被遮挡物遮挡的背景区域。
本影和投影产生的亮度值可能会不同，影像中阴影的亮度值主要凭借周围间接光源的发射率，因为本影所接触到的周围的间接光源多一些，所以本影的亮度值就会比投影的亮度值大。
如果光源是面光源的情况下，它所产生的投影又能分为全影(Umbra)和半影(Penumbra)两大类，全影指的是光线被全部遮挡的背景区域，而半影指的是光线被部分遮挡的背景区域。
其中具体的含义可以通过图1反映出来。
（图1 阴影的类型）阴影的几何特性阴影的边缘主要能分为四大类，即阴影形成线(Shadow marking lines)、阴影线(Shadow lines)、分隔线(Occluding lines)、隐阴影线(Hidden shadow lines)。
阴影形成线指的是被光源直接照射的物体表面部分与不被光源照射部分的分界线；阴影线指的是阴影形成线的投影线的可见部分；分割线指的是物体和它的投影的分隔线；隐藏阴影线指的是阴影形成线的投影线不可见部分。
具体用图2来表示。
（图2阴影边缘类型图）在对航空相片或者卫星影像进行处理时，不管是本影还是全影和半影之间的区别都已经不重要了，因为遥感领域中所提到的阴影检测的方法，只仅仅针对投影即影像图中遮挡物的投影。
阴影检测因为受到遮挡物的遮挡，阴影区域内地物的信息量就会变少，所以判读起来有很大的困难。
在实际的应用过程中，阴影在很大程度都对影像的处理结果有所影响。
而怎样消除阴影的带来影响，一直是遥感影像阴影处理的难题。
本文主要结合实验从以下三个方面对其进行分析：4.1、基于HSV彩色空间的阴影检测HSV也就是我们通常所说的色调、饱和度、亮度，供人们调色或者挑选颜色所用，是人们用视觉观察色彩的一种方式，HSV彩色系统与人们对彩色的感知和了解是十分接近的。
基于柱坐标系，RGB(笛片尔坐标系)映射至HSV(柱坐标系)的方程如下：在HSV彩色空间中，将遥感影像阴影区域与非阴影区域进行比较，总结出以下三点：通过分析Phong光照模型可以得出，阴影区的色调值比非阴影区的色调值大。
因为阴影区域的太阳光线被阻挡，所以亮度值也就偏低一些。
因为受到大气瑞利散射的影响，阴影区域的散射光线主要来自波长更短的蓝紫色光，所以它的饱和度相对比较大一些。
（图3HSV彩色空间光谱图）算法原理：依据上文阐述的阴影区的特点，对阴影区进行检测。
此种方法首先要对彩色影像进行从RGB到HSV色彩空间变换，然后再根据阴影区的色调、亮度、饱和度的值，定义M=(S-V)/(H=S=V)，运用光谱比技术得出比值图像。
利用Otsu方法对比值图像的阈值进行确定，然后再将图像进行分割，确定出备选的阴影区域。
4.2、基于C1C2C3彩色空间的阴影检测彩色不变特征指的是在照明或者环境发生改变的情况下，机器视觉系统利用彩色的参数模型仍然对目标进行识别的能力，大量实验表明，人类的视觉系统具有某种程度上的彩色不变特征。
实践证明，在某些彩色空间中，阴影区的颜色特征并不会跟随成像的条件产生变化，因此，提出了彩色特征不变的C1C2C3 空间，把RGB空间转换到C1C2C3 空间的定义为：算法原理：通过对Phong光照模型的分析得出，阴影区在RGB空间的像素值会变得比较低低，而且ΔIR＞ΔIG＞ΔIR,R和G下降的比重比较大，然而蓝光却十分特别，由于用太阳光作为光源的时候，蓝光在拍摄过程中会受到很大的环境散射影响，因此，阴影区的蓝光值会变的比较低，这相当于给阴影下降区的蓝光增加了份量，所以能够在RGB彩色空间的蓝色区域中提取阴影区。
因为在C1C2C3彩色空间中，色彩特征不变量只对反射光的影响较为敏感，再加上B份量相对比较特殊，所以选择C3分量提取遥感影像的阴影区。
这一部分阐述的算法主要是先对彩色影像进行RGB到C1C2C3彩色空间的变换，因为B区域在阴影区的灰度下降的最低，因此，在C1C2C3彩色空间给C2进行分量时，阴影区所占的是像素值较高的那端，采用阈值分割法对C3分量图得到初步的阴影区，然而最初的影像中，偏蓝色地物在C3分量中的像素值就非常高，一定得从阴影区把这些区域去除掉。
所以，必须得把C3分量图和B分量图结合起来，运用双阈值来对阴影进行检测。
如果C3分量比某一个阈值高，同时在B分量中比某一个阈值高的区域，才能被检测并确定为阴影区。
4.3、基于彩色模型的遥感影像阴影检测算法原理：基于HSV彩色空间的阴影检测，主要是依据阴影区域影响的色调、亮度、饱和度的特性；基于C1C2C3彩色空间的阴影检测，主要是根据阴影区与飞阴影区的区别的特点。
而基于彩色模型的遥感影像阴影检测算法跟以上两种算法相结合，使得阈值选择的主观性和片面性降低了，但却使阴影检测的精度得以提高。
也就是对HSV 彩色空间检测区以及C1C2C3彩色空间的检测区进行与运算，要是某一个区域在这两种检测方法中都被确定为阴影区，那么就会对这一区域进行标记，不然就会否认其是阴影区。
在初步得出阴影分割的结果之后，就应该对每个独立阴影区的面积的大小进行统计，如果其面积比给定的面积阈值小，那么就会被确定为非阴影区内部亮度比较低的地物。
这样的出来的去处小区域的结果，可能还会因为阴影区内部有一定的亮度比较高的地物而留有一定的空洞，所以，对于被分割出来的阴影区还应该进行数学形态学的与运算处理，也就是先进行一次膨胀，然后再用同样的幅度对其进行腐蚀处理，这样一来得出的阴影区就会比较精准，具体侧操作过程如下：（1）把图像从RGB空间转换到HSV空间，得出色调份量H、亮度份量V、饱和度份量S；（2）运用光谱比技术，对M=(S-V)/(H=S=V)进行定义，得出比值图像，将阴影区的高色调值、低亮度值和高饱和度增强的特性；（3）运用Otsu方法对比值图像的分割阈值进行确定，并且对其进行分割，得出初步的阴影区；（4）把分割后图像的噪声消除，并进行中值滤波，把备选的阴影区确定出来；（5）把图像从从RGB空间转换到C1C2C3彩色空间得出C3分量图，并且从RGB空间得到B分量图；（6）对B分量图和C3分量图的阈值进行分析，从而得出双阈值检测结果图；（7）对第四步和第六步的结果进行与运算的叠合处理。
（8）对第七步的结果中的小区域去除掉，并进行形态学的闭运算处理，从而得出最终的阴影检测图像。
（图4 算法流程图）实验结果与分析5.1、实验结果本文运用以上所阐述的集中方法，对阴影区进行了多种检测实验，因为条件限制，本文将主要列出其中三幅图的结果（如图5所示），为了方便对检测结果进行观察和分析，用白色表示检测出来的非阴影区，黑色表示检测出（原图）（直方图阈值检测）（形态学检测）（彩色模型检测）（图5图3 检测结果）5.2、统计分析对以上所进行的三个实验结果进行统计和分析，具体运用Shufelt（）提出的评价方法来评估上文的检测结果中所得出的阴影区。
提出两个评价指标，主要是准确率和精度。
阴影区检测准确率C1，阴影区检测总体精度A1。
以上公式中MFP指的是非阴影被检测为阴影的像素数，MFN指的是阴影被检测为非阴影的像素数，MTP指的是被正确检测的阴影像素数。
依据上文中所阐述的阴影检测的评价指标，把处理之后的影响按照其准确率和精度分别进行统计，其结果如下表所示：（阴影检测之后的图像统计数据）检测方法影像准确度指标精度指标直方阈值法图3图4图5 63.12%65.34%68.26% 61.45%83.37%66.21%形态学检测法图3图4图5 80.21%81.34%81.78% 78.53%79.46%80.23%彩色模型检测法图3图4图5 91.28%92.01%92.37% 90.11%90.98%91.23%（原图）（直方图阈值检测）（形态学检测）（彩色模型检测）（图6图4检测结果）结束语根据遥感影像阴影区域的一些特征，包括高色调值、高饱和度值、低亮度值、彩色不变以及蓝光值波动比率小特点，把RGB空间转换成HSV空间和C1C2C3彩色空间，同时还结合了，光谱比技术、双阈值检测和数学形态学原理，提出了一种基于遥感影像色彩模型的阴影检测算法，通过实验得出了所提出的方法的有效性，同时还跟其它的检测方法进行了分析和比较，其结果表明直方图阈值法和形态学检测法很容易把影响中跟阴影区的颜色、亮度或者色调值比较接近的建筑物或者道路误以为是阴影；并且通过统计和分析得出，用彩色模型检测法对隐性进行检测，其准确度和精度比传统的阴影检测方法要好很多，检测效果也非常好。