王蜜蜂，繆 劍，李星全，李新峰

（1.西安測繪總站，陜西 西安 710054；2.西安電子科技大學，陜西 西安 710071）

基于RGB和HSI色彩空間的遙感影像陰影補償算法

王蜜蜂1,2，繆 劍1，李星全1，李新峰1

（1.西安測繪總站，陜西 西安 710054；2.西安電子科技大學，陜西 西安 710071）

通過分析研究抑制藍色分量和亮度線性補償這2種陰影補償算法，利用陰影區(qū)域與其同質(zhì)區(qū)信息相似的特點，把這2種算法進行合并與改進，提出基于RGB和HSI色彩空間的陰影補償算法。實驗數(shù)據(jù)表明，該算法對遙感影像上陰影區(qū)域進行補償時，在不改變非陰影區(qū)域信息的情況下，提高算法適用性。

遙感影像；色彩空間；陰影；陰影檢測；陰影補償

陰影補償多采用數(shù)字圖像處理方法[1]。目前，陰影補償方法包括線性相關補償法[2]和信息補償法[3]等。文獻[4]根據(jù)雙峰法檢測陰影，利用直方圖拉伸技術去除陰影，誤差較大，對大范圍、復雜地形地物影像不適用。文獻[5]根據(jù)陰影同質(zhì)區(qū)的特性對陰影區(qū)域進行線性相關拉伸，并對補償后的陰影區(qū)域進行平滑處理和主成分逆變換，陰影區(qū)域補償后細節(jié)較為清晰，提高了影像的視覺效果。但是在陰影范圍較大、區(qū)域內(nèi)信息復雜時，補償效果并不理想。文獻[6]采用顏色恒常性的理論，實現(xiàn)對高分辨率遙感影像上陰影的補償。該方法補償陰影效果較好，不影響陰影區(qū)域細節(jié)特征，彌補了常用的補償陰影方法的缺點，并且計算簡便。但是由于顏色恒常理論的基礎和前提都出于假設與估計，所以應用范圍也不太廣泛。

本文將結合陰影補償?shù)倪^程，對這2種算法進行改進與結合，提出基于RGB和HSI色彩空間的陰影補償算法，即將抑制陰影區(qū)域的藍色分量，以及對陰影區(qū)域的H、S、I分量進行調(diào)整。

1 陰影補償算法分析

1.1 抑制藍色分量的陰影補償算法

陰影區(qū)域的光照主要來自天空的散射，在RGB色彩空間藍色分量較大，對陰影區(qū)域的藍色分量進行適當抑制，可實現(xiàn)對影像陰影區(qū)域的補償。在RGB色彩空間對原始影像進行亮度和顏色調(diào)整：

式中，R（x，y）、G（x，y）和B（x，y）分別是原始影像的紅、綠和藍色分量；k=high/I'L（x，y）；a和b為顏色調(diào)整參數(shù)，一般取值為1左右。在取值時，通過選取a大于b，就可以抑制藍色分量的補償程度。

該陰影補償方法能改善陰影區(qū)域的影像信息，使陰影中的地物比較清晰，對非陰影區(qū)域的影像沒有影響。但是其僅對陰影區(qū)域的藍色和亮度進行調(diào)整，沒有考慮到陰影區(qū)域顏色的其他特性，比如飽和度、色度和亮度等，無法有效地進行陰影區(qū)域的補償。

1.2 亮度線性相關的陰影補償算法

Sarabandi[2]認為，假如陰影被模型化為加法與乘法噪聲的排列組合，那么補償后陰影區(qū)域像素的亮度可以通過線性方程，計算DN值進行補償。線性方程如下：式中，DNshadow為陰影區(qū)域的亮度值；DNrecovered為補償后陰影區(qū)域的亮度值；μ為陰影區(qū)域和非陰影區(qū)域的亮度平均值；而σ是這2個區(qū)域的標準差。

該補償方法對陰影區(qū)域的亮度進行線性補償，陰影區(qū)域的亮度得到很好的拉伸。它的不足之處在于沒有考慮陰影區(qū)域的其他信息，例如顏色、紋理等，補償?shù)男Ч狈τ行院瓦m用性。

由以上分析可以看出，2種方法雖然對陰影區(qū)域的信息有一定的恢復，但由于補償時涉及的陰影的特性太少，算法的有效性和適用性不高。

2 基于RGB和HSI色彩空間的陰影補償算法

2.1 算法設計

陰影區(qū)域中，遮擋物對該區(qū)域的色度、飽和度和亮度等顏色信息產(chǎn)生了較大影響，藍色分量比紅色和綠色分量都大。針對陰影區(qū)域的這些特征，結合上文對陰影補償算法的分析，為提高算法的有效性和適用性，本文結合以上2種算法思路，提出一種新的陰影補償算法，主要思想如下：

1）在RGB色彩空間，抑制陰影區(qū)域的藍色分量。2）在HSI色彩空間，分別補償陰影區(qū)域的H、S、I分量。

2.2 算法流程

本文的陰影補償算法的流程圖如圖1。

圖1 陰影補償算法流程圖

2.2.1 羽化陰影區(qū)域的邊緣

在遙感影像中，由于陰影是由單一的光源太陽投射而成，而且一般也認為太陽光為平行光源，遙感影像中的陰影區(qū)域與非陰影區(qū)域過度表現(xiàn)十分明顯。因此對提取出的原始的陰影區(qū)域，進行2～4個像素的腐蝕，陰影補償?shù)男Ч^佳。

2.2.2 抑制藍色分量

在RGB色彩空間的藍色分量圖中，對藍色分量進行調(diào)整，具體方法如下：

式中，B（x，y）是原始影像陰影區(qū)域的藍色分量；B'（x，y）是補償后陰影區(qū)域的藍色分量。對提取出來的陰影區(qū)域，通過式（3）的計算，抑制已有區(qū)域的藍色分量，同時紅色與綠色分量的值保持不變。

2.2.3 補償H、S、I分量

在抑制藍色分量以后，提取的陰影區(qū)域與周圍非陰影區(qū)域的差別還是很大，需要對陰影區(qū)域的H、S和I值進行補償。本文主要依據(jù)陰影區(qū)域及其鄰接的非陰影區(qū)域，即陰影的同質(zhì)區(qū)[7]的均值和標準差進行調(diào)整。

在得到每個獨立的陰影區(qū)域及其同質(zhì)區(qū)之后，本文采取映射策略[8]分別對陰影區(qū)域的H、S和I進行補償，公式如下：

式中，H'、S'和I'分別是補償之后陰影區(qū)域的色調(diào)值、飽和度值和亮度值；H、S和I分別為原始影像陰影區(qū)域的色調(diào)值、飽和度值和亮度值；μ是陰影區(qū)域及其同質(zhì)區(qū)的平均值；而σ是陰影區(qū)域及其同質(zhì)區(qū)的標準差；a、b和c是補償強度系數(shù)，系數(shù)取值范圍為0．6～1。

2.2.4 后處理階段

經(jīng)過上述對陰影區(qū)域的補償后，本文把新的H、S、I分量從HSI色彩空間反轉換回RGB色彩空間，可以得到去除陰影后的影像。盡管在預處理時陰影的邊界進行了羽化，但是在陰影補償后，陰影區(qū)域的邊緣部分還會出現(xiàn)特別尖銳而明顯的邊界線。為了消除這些邊緣，本文沿著陰影邊界進行3×3的中值濾波，使補償后的陰影區(qū)域平滑地向周圍過渡。

2.3 算法仿真

2.3.1 可視化分析

通過使用本文的陰影補償算法，影像中的陰影得到很好的補償，陰影區(qū)域的亮度得到提升，影像質(zhì)量明顯改善。利用本文的陰影補償算法進行陰影補償實驗。

在實驗一中，陰影補償后的影像中的陰影區(qū)域比原始影像中的陰影區(qū)域更加清晰，影像質(zhì)量得到顯著提高。從直方圖上看，陰影區(qū)域與周圍區(qū)域的反差減小，原始影像中的雙峰曲線在補償后的直方圖中消失，陰影信息補償減小了影像中陰影區(qū)域與周圍像素之間的反差，直方圖變得更加平滑，如圖2所示。

在實驗二中，補償后的影像陰影區(qū)域的亮度得到很好的提升，特別是2個油罐的陰影區(qū)域；從直方圖上看，陰影區(qū)峰值過高的區(qū)域減少，直方圖中間的部分信息很豐富，提高了信息提取的地物類型與精度，不影響陰影區(qū)域細節(jié)特征，陰影區(qū)域的色調(diào)與非陰影區(qū)域的色調(diào)基本保持一致，如圖3所示。

在實驗三中，補償后的影像陰影區(qū)域的亮度得到提升，陰影區(qū)域的地物信息比較清晰，直方圖中的雙峰曲線也得到很好的修復，補償后的影像整體色調(diào)基本一致，如圖4所示。

圖2 實驗一陰影補償結果

圖3 實驗二陰影補償結果

圖4 實驗三陰影補償結果

2.3.2 陰影補償效果評估

為了更加清楚地分析實驗結果，計算補償前后的陰影區(qū)域的均值與方差，如表1。

表1 陰影補償前后的數(shù)值分析

表1中的數(shù)據(jù)驗證了本文算法的可靠性，表明了影像在陰影補償前后均值與方差的變化，陰影區(qū)域的信息得到較大的恢復。

3 結 語

本文利用陰影區(qū)域及其同質(zhì)區(qū)的有關相似信息，分析總結抑制陰影區(qū)域藍色分量和對陰影區(qū)域的亮度進行線性補償?shù)?種算法，并對這2種方法進行合并與改進，提出了一種陰影補償算法，即基于RGB色彩空間和HSI色彩空間的陰影補償算法，對陰影區(qū)域的顏色和亮度等多種特性進行補償。該算法能夠有效恢復陰影區(qū)域的信息，增強遙感影像的目視解譯能力，提高了算法的性能。

[1] 肖志級，黃建軍．城市彩色航空影像的邊緣模糊Retinex 陰影消除[J]． 中國體視學與圖像分析，2004,9(2)：95-98

[2] Sarabandi P，Yamazaki F，Matsuoka M，et al． Shadow Detection and Radiometric Restoration in Satellite High Resolution Images [C]．IEEE International Geoscience and Remote Sensing Symposium(IGARSS 2004),2004

[3] 王樹根，郭澤金，李德仁．彩色航空影像上陰影區(qū)域信息補償?shù)姆椒╗J]． 武漢大學學報:信息科學版，2003,28(5)：514-516

[4] Highnam R，Brady M． Model-Based Image Enhancement of Far Infrared Images [J]． IEEE Transactions on Pattern Analysis and Machine Intelligence， 1974,19(4):410-415

[5] 柳稼航，楊建峰，方濤．彩色遙感影像陰影顏色特性分析[J]．光子學報，2009,30(2)：441-447

[6] 徐秋紅，葉勤．一種基于顏色恒常性理論的城市高分辨率遙感影像陰影消除方法[J]． 遙感信息，2010(4)：13-16

[7] 王玥，王樹根．高分辨率遙感影像陰影檢測與補償?shù)闹鞒煞址治龇椒╗J] ． 應用科學學報，2010,28(2) ：136-141

[8] 楊俊，趙忠明，楊?。?一種高分辨率遙感影像陰影去除方法[J]．武漢大學學報：信息科學版，2008,33(1)：17-20

P237.3

B

1672-4623（2014）06-0107-03

10.3969/j.issn.1672-4623.2014.06.037

王蜜蜂，工程師，主要從事遙感影像處理與應用。

2014-01-14。