王子武， 李敬仕， 吳 靜， 方國(guó)濤

（安徽郵電職業(yè)技術(shù)學(xué)院通信工程系，安徽 合肥 230031）

城市彩紅外遙感影像具有分辨率高、地物細(xì)節(jié)明顯和數(shù)據(jù)量大（含有地理信息的數(shù)據(jù)更是海量）等特點(diǎn)。在這類影像中，存在同一類地物在不同的光照條件下，會(huì)表現(xiàn)出不同光譜特征的現(xiàn)象，稱之為同物異譜，反之稱之為同譜異物。在高分辨率城市彩紅外遙感影像中存在著大量的陰影區(qū)域，在這些陰影區(qū)中，會(huì)出現(xiàn)同物異譜的現(xiàn)象。比如，陰影區(qū)綠地與非陰影區(qū)綠地的光譜特征不完全一致，陰影區(qū)綠地顏色比較暗，而非陰影區(qū)域色彩比較明亮。在彩紅外遙感影像處理中，陰影是主要干擾源，通常的遙感圖像處理技術(shù)已不能很好地滿足這類遙感影像的增強(qiáng)和聚類處理。圖像處理技術(shù)沒有通用萬能的方法，必須根據(jù)工程實(shí)際需求選擇適當(dāng)?shù)募夹g(shù)方法和模型，以獲得較好效果。本文討論了傳統(tǒng)的Retinext算法，并結(jié)合色度學(xué)知識(shí)，構(gòu)造了MSRHIS 算法，設(shè)計(jì)消除彩紅外影像中的陰影干擾來測(cè)量城市綠化覆蓋面積的處理方法，其處理技術(shù)流程方案如圖1 所示。在影像聚類應(yīng)用中取得了意想不到的效果。

圖1 影像處理流程圖

1 Retinex 理論

Land 和McCann 于1971 年提出了視網(wǎng)膜皮質(zhì)層理論（Retinex Theory）[1]。Land 先生在工作中發(fā)現(xiàn)，當(dāng)人眼觀察物體時(shí)，所覺察到的顏色，并不僅僅是物體所反射的光譜能量等物理量，而是透過物體色彩之間的光亮度的比較得到的色彩感覺。這種感覺是由視網(wǎng)膜和腦皮質(zhì)層共同完成的，視網(wǎng)膜就好比相機(jī)中的膠片把外部的影像記錄下來，腦皮質(zhì)層來負(fù)責(zé)解釋這些影像記錄，兩者的共同作用使人獲得對(duì)物體顏色的感覺，所以Land 先生取Retina（視網(wǎng)膜）和Cortex（腦皮質(zhì)層）兩個(gè)單詞的首尾組成了新的單詞Retinex。

該理論主要包含了兩個(gè)方面的內(nèi)容[2-3]：人的視覺對(duì)物體顏色的感知是由物體對(duì)長(zhǎng)波（紅）、中波（綠）和短波（藍(lán)）光線的反射能力綜合起來決定的，而不是由反射光強(qiáng)度的絕對(duì)值來決定的；另一方面，物體表色不受光照的非均勻性影響，具有色彩恒常。

1.1 Retinex 算法

Land 先生首先提出了Retinex 的自由路徑算法[3]，但該算法的缺點(diǎn)是計(jì)算量大[4]。針對(duì)以上情況Land 先生提出中心/環(huán)繞空間域?qū)Ρ冗\(yùn)算（Center/surround spatially opponent operation，簡(jiǎn)稱：Retinex 中心/環(huán)繞算法）[4]。中心/環(huán)繞算法給出了很好的人眼視覺模擬，該算法與靈長(zhǎng)類動(dòng)物的視網(wǎng)膜和大腦皮質(zhì)層神經(jīng)元的神經(jīng)生理學(xué)函數(shù)相關(guān)。該算法在非校準(zhǔn)設(shè)備的色彩補(bǔ)償（Gamma 校正）、色彩恒常處理、動(dòng)態(tài)范圍壓縮和圖像增強(qiáng)等方面都得到了應(yīng)用。

據(jù)此Jobson 等學(xué)者提出了單尺度Retinex（SSR：Single-Scale Retinex）算法[5-7]，Hurlbert先生對(duì)以高斯函數(shù)為卷積算子的中心/環(huán)繞算法進(jìn)行深入地研究，其算子表達(dá)式

SSR 和MSR 算法處理后的彩色圖像，對(duì)其色彩的再現(xiàn)性表現(xiàn)的比較差，仍需要進(jìn)行色彩補(bǔ)償或色彩恢復(fù)。因此，Z Rahman 和D J Jobson等學(xué)者提出了MSRCR（the Multi-Scale Retinex with Color Restoration）算法[8]。該算法給出了色彩恢復(fù)函數(shù)，該函數(shù)提供了的全局色彩恢復(fù)，函數(shù)中的增益常數(shù)和控制非線性增強(qiáng)系數(shù)，可以用來調(diào)節(jié)圖像三個(gè)波段的比例，這些參數(shù)可以通過實(shí)驗(yàn)來確定其取值。Jobson 等人通過實(shí)驗(yàn)，確定了函數(shù)中所涉及到的參數(shù)[8]。圖2 顯示了不同的 Retinex 算法對(duì)彩紅外遙感影像處理的結(jié)果。

圖2 Retinex 的不同算法的實(shí)驗(yàn)結(jié)果

圖2 顯示，所處理影像的結(jié)果并不理想，其色彩沒有得到較好的增強(qiáng)，存在一定色彩失真，尤其是植被的色彩，這不利于影像聚類，提取植被的覆蓋面積。下面換個(gè)角度來考慮Retinex 理論，以尋求新的解決方法。

1.2 MSRHSI 算法及實(shí)驗(yàn)結(jié)果

以上的討論都是基于RGB 色彩空間，其空間特點(diǎn)是坐標(biāo)系統(tǒng)非常簡(jiǎn)單，但存在不足之處：① 該空間的色彩由R、G、B 混合比例定義，難以用準(zhǔn)確的值來表示，所以不易于定量分析；②該彩色空間中的彩色通道之間相關(guān)性很高，其合成圖像的飽和度偏低，色調(diào)變化較小，圖像的視覺效果較差。即使相關(guān)性較高的圖像作對(duì)比度擴(kuò)展，通常也只是擴(kuò)大了圖像的明亮程度，對(duì)增強(qiáng)色調(diào)差異作用較?。虎?人眼是通過感知顏色的亮度、色調(diào)以及飽和度來區(qū)分物體，不能直接感受R、G、B 三色比例。另外色調(diào)和飽和度的關(guān)系是非線性的，因此RGB 空間中對(duì)圖像進(jìn)行分析與處理，難以控制其結(jié)果。

因此，考慮把圖像轉(zhuǎn)換到HSI 色彩空間，來探討其效果如何？彩色可以用色調(diào)（Hue）、飽和度（Saturation）和亮度（Intensity）3 個(gè)要素來描述，組成的HSI 彩色空間，在該空間中，3 個(gè)分量具有相對(duì)的獨(dú)立性，可分別對(duì)它們進(jìn)行控制，能夠定量地描述顏色的特征。把圖像從RGB空間轉(zhuǎn)換到HSI 空間，對(duì)圖像的亮度或飽和度進(jìn)行處理，而保持其色度不變，應(yīng)用結(jié)果顯示，陰影區(qū)亮度得到增強(qiáng)，且其中地物色彩的飽和度也得到增強(qiáng)，尤其在影像（彩紅外）中紅色得到增強(qiáng)，有利于提取植被信息，這也符合人類視覺感知，人在識(shí)別物體的時(shí)候，光的強(qiáng)度影響不大，往往是根據(jù)物體的色調(diào)，且色調(diào)也是地物所具有的一種特征，這也符合色彩恒常。另外，在提取植被信息時(shí)，應(yīng)盡量增強(qiáng)植被的特征，抑制非植被的信息，工程應(yīng)用中，提取信息所采用的影像是大樣本，所以對(duì)地物細(xì)節(jié)不需太多關(guān)注，在此設(shè)計(jì)了MSRHSI（the Multi-Scale Retinex in HSI）算法模型，其流程如圖3 所示。

圖3 MSRHSI 算法流程圖

該算法處理的結(jié)果如圖4(b)和圖5(b)所示，其中圖4 是從圖5 中截取的局部圖。圖中顯示MSRHSI 圖像色彩恢復(fù)的比較好，其細(xì)節(jié)也得到了保留，也有某些少數(shù)地物的色彩有點(diǎn)失真，但紅色得到增強(qiáng)。在對(duì)整幅圖像進(jìn)行目視分析，可以看出該圖中植被信息得到了很好地增強(qiáng)，比較容易進(jìn)行聚類，這一點(diǎn)正是工程所需要的。MSRHSI 結(jié)果圖顯示，陰影對(duì)影像產(chǎn)生的影響得到削弱。目視分析發(fā)現(xiàn)，影像中紫色和黃色地物也有增強(qiáng)的趨勢(shì)，在對(duì)彩紅外影像作NDVI（“歸一化差值植被指數(shù)”Normalized Difference Vegetation Index）處理中，紫色地物是提取植被信息的主要干擾源，文獻(xiàn)[9]討論了如何消除兩者對(duì)提取植被信息的干擾。另外，本項(xiàng)目的研究是以工程應(yīng)用為目標(biāo)的，效率在設(shè)計(jì)處理方案時(shí)也是必需考慮的因素之一。在中心/環(huán)繞算法中，影響到算法處理結(jié)果的是卷積算子，算法中的卷積運(yùn)算是必不可少的。但是，卷積運(yùn)算在處理遙感影像時(shí)，其效率是很難被接受的，并且與卷積模板的大小存在相關(guān)性，在SSR 和MSR 算法中，尺度與模板大小又影響到處理結(jié)果。

圖4 MSRHIS 算法處理圖聚類對(duì)比效果圖

圖5 MSRHIS 算法處理圖聚類對(duì)比效果圖

針對(duì)以上問題，為了解決工程效率的問題，使算法可以在實(shí)際工程中得到應(yīng)用，在方案設(shè)計(jì)中，利用卷積定理，把空間域中的卷積運(yùn)算，變換成頻率域中乘法運(yùn)算，從而提高了其運(yùn)算效率，使算法效率與模板大小無關(guān)，確保工程效率僅與工程量相關(guān)而與算法無關(guān)。在頻率域處理一幅2048×2048 影像（格式：BMP）僅需約25 秒的時(shí)間（軟件環(huán)境：操作系統(tǒng)為WIN2003，軟件是在Visual C++ 2005.net 環(huán)境下自行開發(fā)；硬件環(huán)境：CPU 是AMD 2800+，內(nèi)存為512M，獨(dú)立顯卡128M 顯存）。表1 給出SSR 不同卷積模板大小所耗費(fèi)的時(shí)間（Matlab 與VC++混合編寫的程序處理時(shí)間）。

表1 不同模板的SSR 所消耗時(shí)間對(duì)照表

聚類的關(guān)鍵是特征波段選擇，選擇波段時(shí)，要考慮波段之間的相關(guān)性[10]，本項(xiàng)目選擇近紅外和綠色波段作為特征波段。圖4 和圖5 所顯示的聚類的結(jié)果，采用了K-Mean 算法，初始類別數(shù)為5，迭代次數(shù)為16 次。該圖的顯示表明，經(jīng)過MSRHSI 算法處理過的影像的聚類，比原始影像的聚類結(jié)果要準(zhǔn)確的多，圖4(a)和圖(d)對(duì)照可以看出陰影中的地物被識(shí)別出來，在聚類中，被歸到相應(yīng)的類別。另外，在前面提到過紫色地物對(duì)植被信息的提取會(huì)產(chǎn)生影響，在對(duì)原圖和聚類結(jié)果圖進(jìn)行對(duì)照比較發(fā)現(xiàn)，在MSRHSI 處理圖中的紫色地物基本被歸為一類，和植被區(qū)別開來。圖5 顯示了整個(gè)樣本區(qū)的處理結(jié)果，陰影區(qū)的植被和非陰影區(qū)植被也被歸到相應(yīng)的類別中。把這兩個(gè)類別合并，制作成提取植被信息的掩膜，另外，圖6 顯示，陰影區(qū)中行道樹被識(shí)別出來。

利用其掩膜可以提取彩紅外影像中的植被信息。方案流程如圖1 所示。利用圖5(d)的聚類結(jié)果或圖6 的掩膜，可以算出樣本區(qū)的植被覆蓋面積，見表2 末行數(shù)據(jù)，樣本區(qū)的面積約為1951118 平方米，其覆蓋率約為42.0%。

對(duì)原始圖作監(jiān)督分類，類似草坪的植被區(qū)易于識(shí)別，但在林區(qū)存在零碎的陰影，在這部分區(qū)域，雖然操作者可以主觀判別之，但很難選其為樣本訓(xùn)練區(qū)，這樣就造成了大量的植被信息被丟失，在陰影區(qū)中，地物存在異物同譜現(xiàn)象，人的主觀判別就存在偏差，所以，表2 中監(jiān)督分類行的陰影中的植被統(tǒng)計(jì)面積就少了很多，表中第3行數(shù)據(jù)表明利用原始影像聚類所得到結(jié)果，遠(yuǎn)遠(yuǎn)超過實(shí)際的植被面積，聚類沒能夠?qū)㈥幱爸械牟煌匚飬^(qū)分開。

圖6 由MSRHSI 聚類圖得到的植被掩膜

表2 監(jiān)督分類(原始圖)和聚類結(jié)果 單位：m2

2 總 結(jié)

在彩紅外遙感影像處理中，Retinex 可以得到很好的應(yīng)用，其算法核心是卷積算子的選擇，高斯函數(shù)具有相當(dāng)?shù)钠毡樾?，并且正態(tài)分布是自然界中最普遍的分布。另外，高斯函數(shù)的傅利葉變換仍為高斯函數(shù)，根據(jù)卷積定理，可以把算法中的卷積運(yùn)算從空間域轉(zhuǎn)換為頻率域的乘法運(yùn)算，這樣可以減少工程運(yùn)算量，實(shí)現(xiàn)工程效率與工程量相關(guān)，而與算法無關(guān)。在影像處理中，沒有通用的方法，在項(xiàng)目中，采用分層提取的思想，先提取干擾源的信息（陰影區(qū)和紫色地物），再利用算術(shù)等運(yùn)算提取所需要的信息，避免了不同地物之間的相互干擾。總之，在實(shí)際工程應(yīng)用中，要綜合各種成熟的理論技術(shù)來構(gòu)造技術(shù)復(fù)雜度低和可操作性強(qiáng)（即達(dá)到實(shí)際工程效率的需求）的處理方法模型，來解決工程中的實(shí)際問題。

[1] Land E H, McCann J J. Lightness and retinex theory [J]. Journal of the Optical Society of America, 1971, 61(1): 1-11.

[2] Edwin H Land. The retinex theory of color vision [J]. Scientific American, 1977, 237(6): 108-129.

[3] Land E. Recent advances in Retinex theory and some implications for cortical computations [J]. Proc. Nat. Acad. Sci., 1983, 80: 5163-5169.

[4] Edwin H Land. Recent advances in Retinex theory [J]. Vision Research, 1986, 26(1): 7-21.

[5] Rahman Z. Properties of a center/surround Retinex, part 1: signal processing design [R]. NASA Contractor Rep. 198194, 1995.

[6] Jobson D J, Woodell G A. Properties of a center/surround retinex, part 2: surround design [R]. NASA Tech. Memo. 110188, 1995.

[7] Daniel J Jobson, Zia-ur Rahman, Glenn A Woodell. Properties and performance of a center/surround Retinex [J]. IEEE Transactions on Image Processing, 1997, 6(3): 451-462.

[8] Daniel J Jobson, Zia-ur Rahman, Glenn A Woodell. A multi-scale retinex for bridging the gap between color images and the human observation of scenes [J]. IEEE Transactions on Image Processing, 1997, 6(7): 965-976.

[9] Wang Zi-wu, Xie Ya-long, Ma Yuan-jiao, et al. Measuring urban vegetation ratios for kunming city areas from infrared color aerial photographs[C]//IEEE International Conference on Information Acquisition, 2006, 2: 1101-1106.

[10] 王子武, 靳 錦, 解亞龍, 等. 基于TM影像自動(dòng)提取昆明城區(qū)區(qū)域變化信息的應(yīng)用[J]. 云南大學(xué)學(xué)報(bào)(自然科學(xué)版), 2006, 28(6): 492-496.