謝亞坤，張 珩，馮德俊，李 強(qiáng)，王垠入

(1.西南交通大學(xué) 地球科學(xué)與環(huán)境工程學(xué)院, 四川 成都 611756; 2.西昌學(xué)院 土木與水利工程學(xué)院，四川 西昌 615000)

近年來，高分辨率遙感影像以其直觀準(zhǔn)確、高分辨率、更新迅速等優(yōu)點(diǎn)使得其應(yīng)用越發(fā)的廣泛?？臻g分辨率的大幅度提高，使得影像中的地物信息更加清晰、豐富，然而由于陰影的存在，嚴(yán)重影響圖像判讀、目標(biāo)提取、變化檢測等的正確性。因此，影像中陰影的檢測是對陰影去除及利用的關(guān)鍵。

高分影像中陰影的檢測方法主要分為兩種：一種是基于模型的檢測方法，該方法需要獲得較多的先驗(yàn)知識，如產(chǎn)生陰影物體的幾何形態(tài)、太陽方位、DSM數(shù)據(jù)以及傳感器相關(guān)參數(shù)等知識來進(jìn)行陰影提取，具有較大的局限性[1-2]；另一種是基于陰影性質(zhì)的方法，通過區(qū)別陰影區(qū)域與非陰影區(qū)域在亮度、色彩、紋理等方面的差異進(jìn)行陰影檢測[3]。文獻(xiàn)[4]通過建立HIS模型由閾值分割實(shí)現(xiàn)陰影的檢測。文獻(xiàn)[5]通過藍(lán)綠波段特性構(gòu)造比值，并結(jié)合能量信息補(bǔ)償方法分離陰影與非陰影區(qū)域。文獻(xiàn)[6]根據(jù)C1C2C3色彩空間不變特性中的C3分離出陰影與黑色區(qū)，并結(jié)合方差做紋理濾波提取陰影實(shí)現(xiàn)陰影邊界的提取。文獻(xiàn)[7]根據(jù)陰影區(qū)域HIS特性結(jié)合數(shù)學(xué)形態(tài)學(xué)實(shí)現(xiàn)陰影區(qū)域的檢測。文獻(xiàn)[8]利用YIQ構(gòu)造比值運(yùn)算并結(jié)合Otsu閾值法實(shí)現(xiàn)陰影區(qū)域的提取。文獻(xiàn)[9]通過構(gòu)建譜間關(guān)系并建立水體實(shí)現(xiàn)陰影區(qū)域的提取。通過對以上的陰影檢測算法分析研究，發(fā)現(xiàn)相關(guān)算法對特定的影像效果較好，但仍存在一些不足之處。

為較好的檢測陰影及消除水體對陰影檢測的影響，本文根據(jù)波段比模型原理，結(jié)合影像特征分析其多波段灰度值差異，構(gòu)建陰影檢測方法。通過大量的實(shí)驗(yàn)表明，該方法針對于QuickBird具有普適性，且計(jì)算過程簡單，具有很高的提取精度和提取效率。

1 陰影特性分析

Quickbird設(shè)有全色和多光譜影像，全色地面分辨率為0.61 m，多光譜地面分辨率為2.44 m，包括藍(lán)、綠、紅和近紅外4個波段[10]。對研究區(qū)Quickbird多光譜影像中典型地物的灰度值(Digital Number，DN)進(jìn)行統(tǒng)計(jì)分析，統(tǒng)計(jì)結(jié)果如表1所示。

表1 陰影及相關(guān)典型地物灰度值

對Quickbird多光譜影像及典型地物灰度值統(tǒng)計(jì)分析如圖1所示。研究表明，不同地物的灰度值具有如下特征：

1)在藍(lán)、紅、近紅外3個波段陰影和水體的灰度值低于植被、建筑物、道路等地物，且二者相較而言陰影灰度值更小。

2)陰影及水體在紅、綠、藍(lán)3個波段灰度值與近紅外灰度值差值相較于其他地物差異更大。

3)對于相同地物綠波段灰度值皆高于其他波段，并且藍(lán)波段灰度值變化范圍最小。

圖1 陰影及相關(guān)典型地物灰度值曲線

2 陰影多波段檢測方法

2.1 波段組合

圖2(a)為Quickbird影像藍(lán)、綠、近紅外波段假彩色影像，在圖2(a)中繪制一條折線(由上至下)，提取地物灰度值剖面圖。結(jié)果如圖2(b)所示。通過對圖2(b)分析，藍(lán)、綠及近紅外波段陰影與水體的灰度值要低于其他地物，且在近紅外波段由于水體強(qiáng)吸收低反射的特性使得其灰度值略小于陰影。

對于一組數(shù)據(jù)集可通過均值和方差表示其特征，其中均值表示其集中趨勢的量數(shù)，標(biāo)準(zhǔn)差則能反應(yīng)其離散程度。由于不同地物在不同波段灰度值相差較大，其取值范圍亦有差異，為更好地進(jìn)行比較分析，將3個波段放在相同的尺度上來考慮，通過均值和標(biāo)準(zhǔn)差對地物灰度值進(jìn)行標(biāo)準(zhǔn)化處理[11]，將處理之后的值進(jìn)行累加，更好地突出不同地物之間的差異。構(gòu)造式(1)對影像進(jìn)行波段組合處理。

(1)

式中：BC(Bands Combination)為波段變換后的灰度值；B，G，NIR分別為藍(lán)、綠、近紅外波段灰度值；μB、σB為藍(lán)色波段灰度值均值與標(biāo)準(zhǔn)差；μG、σG為綠色波段灰度值均值與標(biāo)準(zhǔn)差；μN(yùn)IR、σNIR為近紅色波段灰度值均值與標(biāo)準(zhǔn)差。

經(jīng)波段變換之后的影像如圖3(a)所示，并在圖3(a)中繪制一條折線，提取地物灰度值剖面圖，如圖3(b)所示。從圖中可以看出水體與陰影部分灰度值皆為負(fù)值，且相較而言陰影區(qū)域灰度值小于水體區(qū)域。通過波段變換之后可以更好地區(qū)分水體與陰影。

圖2 藍(lán)、綠、近紅外假彩色影像及其DN值剖面圖

圖3 波段變換后的影像以及DN值剖面圖

2.2 多波段陰影指數(shù)計(jì)算

影像經(jīng)式(1)進(jìn)行波段計(jì)算，從圖3(b)可知，影像中除陰影與水體外的其他地物灰度值皆為正值，通過舍去正值可除去除陰影與水體外的地物。為方便計(jì)算再對負(fù)值取正，陰影灰度值相較于水體較大，通過構(gòu)造變換之后的灰度值與近紅外波段灰度值的比值凸顯陰影與水體。構(gòu)造多波段陰影指數(shù)(Multiband Shadow Index，MSI)，具體表達(dá)式為

(2)

式中：-BC為經(jīng)式(1)變換后地物灰度值舍去正值后進(jìn)行負(fù)值取正運(yùn)算得到的值；NIR為近紅外波段灰度值。

經(jīng)過MSI多波段的變化后，利用直方圖閾值分割法通過選取合適的閾值，如圖3(b)分析可得閾值范圍為2到4。陰影與水體能夠很容易的顯示出來(見圖4)。對于影像中含有水體的區(qū)域可將其列為疑似陰影區(qū)域，并進(jìn)行進(jìn)一步的去除水體。影像中若不含水體，變換后影像經(jīng)數(shù)學(xué)形態(tài)學(xué)處理之后可定為陰影區(qū)域。

圖4 MSI變換后影像

2.3 構(gòu)建水體指數(shù)WI

Mcfeeters.S.K 提出歸一化差分水體指數(shù)(Normalized Difference Water Index，NDWI)[12]。如式(3)。利用水體在綠波段反射率高、近紅外波段反射率低的特點(diǎn)，將兩個波段進(jìn)行差值和比值運(yùn)算以增強(qiáng)水體特征[13]。但是NDWI在強(qiáng)化水體的同時，陰影區(qū)域也得到強(qiáng)化凸顯出來，造成混淆[14]。對影像進(jìn)行NDWI處理結(jié)果如圖5(a)所示，并在影像中畫折線繪制不同地物灰度值剖面圖，見圖5(b)。

(3)

式中：G為綠色波段灰度值；NIR為近紅色波段灰度值。

通過對影像各波段灰度值的分析，發(fā)現(xiàn)陰影區(qū)域和水體的灰度值表現(xiàn)為G>NIR，且通過式(1)的波段組合加大水體與陰影的差異，可結(jié)合式(2)中的-BC值構(gòu)造水體指數(shù)分離陰影與水體。將感興趣的地物強(qiáng)反射波段綠波段與近紅外波段差值放在分子位置，將處理后的-BC值放在分母位置[15]。由于-BC作為分母值不宜過小，根據(jù)圖3(b)其值在陰影與水體區(qū)域皆大于1，則選取其大于1的部分用于計(jì)算。以NDWI為參考結(jié)合差值法和比值法，構(gòu)造水體指數(shù)(Water Index，WI)，其表達(dá)式為式(4)。

圖5 NDWI變換后的影像及DN值剖面圖

(4)

式中：G為綠色波段灰度值；NIR 為近紅色波段灰度值；-BC為式(1)的BC值舍去正值后進(jìn)行負(fù)值取正運(yùn)算生成的值。

對影像進(jìn)行WI處理結(jié)果如圖6(a)所示，并在影像中畫折線繪制不同地物灰度值剖面圖，如圖6(b)。經(jīng)WI變換之后水體與其他地物灰度值差異較大，對圖6(b)分析可得選取閾值范圍為60到100之間即可較好的分離水體。此時水體區(qū)域灰度值得到增大，相對于圖5(b)，陰影與水體有了更為明顯的差異，有利于陰影與水體的分離。結(jié)果分析WI在提取陰影與水體混合區(qū)域的水體時優(yōu)于NDWI。

圖6 WI變換后的影像圖及地物DN值剖面圖

2.4 檢測方法設(shè)計(jì)

通過對影像各種地物灰度值分析，對影像進(jìn)行波段運(yùn)算，構(gòu)造多波段陰影指數(shù)以及水體指數(shù)，經(jīng)數(shù)學(xué)形態(tài)學(xué)與布爾運(yùn)算之后可有效的去除水體并得到陰影區(qū)域，其流程如圖7所示。

3 實(shí)驗(yàn)與分析

為對以上檢測方法進(jìn)行驗(yàn)證，分別從QuickBird多光譜影像，藍(lán)、綠、近紅外3個波段合成假彩色影像上截取兩個實(shí)驗(yàn)區(qū)，并根據(jù)檢測方法通過c#編寫試驗(yàn)程序，對兩個實(shí)驗(yàn)區(qū)進(jìn)行實(shí)驗(yàn)和分析。

圖7 陰影檢測流程

其中圖8(a)的實(shí)驗(yàn)區(qū)一中包含陰影、水體、建筑物、道路、植被等地物，對檢測結(jié)果進(jìn)行二值化處理，并用白色表示疑似陰影區(qū)域。根據(jù)本文方法，首先對實(shí)驗(yàn)區(qū)一進(jìn)行MSI變換得到疑似陰影區(qū)域如圖8(b)所示，然后進(jìn)行WI變換得到水體區(qū)域如圖8(c)所示，最后經(jīng)數(shù)學(xué)形態(tài)學(xué)處理后通過邏輯非運(yùn)算得到去除水體后的陰影區(qū)域如圖8(d)所示。如圖8(d)所示圖中存在部分小圖斑，與原圖對比發(fā)現(xiàn)，河道圖斑是由于存在河堤和較高樹木形成，其他區(qū)域圖斑是由于較高樹木形成的陰影。

圖8 實(shí)驗(yàn)區(qū)一陰影檢測結(jié)果(有水體)

實(shí)驗(yàn)區(qū)二中不包含水體，但仍包含建筑、道路、植被等地物如圖9(a)所示。根據(jù)以上方法直接對影像進(jìn)行MSI變換得到疑似陰影區(qū)域，并通過二值化處理用白色表示。由于影像中不包含水體則檢測出的疑似陰影區(qū)域即為陰影區(qū)域，如圖9(b)所示。

圖9 實(shí)驗(yàn)區(qū)B陰影檢測結(jié)果(無水體)

為定量對陰影檢測結(jié)果的精度進(jìn)行判斷，基于本文方法與人工定標(biāo)方法進(jìn)行對比分析[16]，結(jié)果如表2所示，對有水體和無水體的影像陰影提取精度進(jìn)行分析，其陰影檢測精度分別為91.03%、92.31%。由此可得出，本文改進(jìn)方法對影像中陰影具有很高的陰影檢測精度。

表2 陰影檢測結(jié)果精度評定

4 結(jié) 論

本文改進(jìn)一種使用藍(lán)、綠、近紅外波段的陰影檢測新方法。實(shí)驗(yàn)結(jié)果表明該方法能夠準(zhǔn)確地提取陰影，對于影像中的水體也能夠準(zhǔn)確地去除。該方法在對已有陰影檢測算法分析研究的基礎(chǔ)上結(jié)合Quickbird遙感影像地物灰度值特性，構(gòu)造多波段陰影指數(shù)，檢測出疑似陰影區(qū)域，并根據(jù)差值運(yùn)算和比值法構(gòu)造水體指數(shù)，消除水體對陰影的影響，結(jié)合數(shù)學(xué)形態(tài)學(xué)處理與布爾運(yùn)算，并通過c#編程實(shí)現(xiàn)陰影的準(zhǔn)確提取。但由于一些細(xì)小陰影不能識別，無法被檢測且仍需要創(chuàng)建水體指數(shù)才能將水體分離，后續(xù)將對這些問題進(jìn)行深入的研究，進(jìn)一步提高陰影檢測的效果。