王博， 張永軍， 陳奇

(武漢大學(xué)遙感信息工程學(xué)院，武漢 430079)

0 引言

隨著信息技術(shù)的迅猛發(fā)展，遙感技術(shù)已廣泛應(yīng)用于資源調(diào)查、城市規(guī)劃、環(huán)境監(jiān)測(cè)以及防災(zāi)減災(zāi)等各個(gè)領(lǐng)域，對(duì)遙感影像質(zhì)量也提出了越來(lái)越高的要求。然而，傳感器分辨率的大幅度提高，遙感圖像上的云影、建筑物陰影以及自然地貌陰影對(duì)影像質(zhì)量的影響問(wèn)題也變得更加突出，增加了影像匹配、信息提取、模式識(shí)別及正射影像制作等一系列生產(chǎn)工藝的難度。

對(duì)陰影區(qū)域的處理，學(xué)者們做了大量的研究。Funka-Lea等[1]從產(chǎn)生原因上對(duì)陰影進(jìn)行了深入分析； Huang等[2]從光照模型出發(fā)，提出了從影像色調(diào)分量上的閾值分割思路，為陰影的有效檢測(cè)提供了可借鑒的構(gòu)想； Tsai[3]從影像的色調(diào)和亮度信息出發(fā)，提出了在HIS，HSV和YCbCr等不變色彩空間進(jìn)行陰影檢測(cè)的方法。此外，小波變換[4]和Retinex模型[5-7]等相繼被引入陰影區(qū)域增強(qiáng)的研究中，均取得了一些突破性進(jìn)展。

然而，隨著影像分辨率的提高，如何在高分辨率航空遙感圖像上準(zhǔn)確且自動(dòng)檢測(cè)出陰影區(qū)域，并在保證影像不出現(xiàn)較大失真的情況下補(bǔ)償陰影區(qū)域，已成為攝影測(cè)量與遙感的一個(gè)瓶頸問(wèn)題[8-10]。本文在HIS彩色空間內(nèi)篩選出3個(gè)通道的判斷閾值，進(jìn)行陰影像元的檢測(cè)，能夠有效抑制誤判； 利用尺度空間下的高斯濾波器組提取陰影區(qū)域的幾何細(xì)節(jié)，可以在陰影區(qū)域進(jìn)行陰影補(bǔ)償?shù)耐瑫r(shí)，增強(qiáng)影像的幾何紋理細(xì)節(jié)，提高影像處理的保真度。實(shí)驗(yàn)證明，該方法能夠在保留陰影區(qū)域紋理特征的前提下，得到合理的陰影補(bǔ)償效果，保證影像后續(xù)處理的準(zhǔn)確度和可靠性。

1 陰影區(qū)域的影像特征

遙感影像的亮度或色彩，都是光照函數(shù)和地物反射函數(shù)的復(fù)合函數(shù)，在影像處理中需要考慮遙感信號(hào)傳輸過(guò)程中的畸變誤差。經(jīng)典的影像處理模型可以表達(dá)為

f(x,y)=g(x,y)+n(x,y)g(x,y)

,

(1)

式中：g(x,y)為物體真實(shí)表達(dá)函數(shù);n(x,y)為噪聲函數(shù);f(x,y)為物體像方表達(dá)函數(shù)。

對(duì)于陰影區(qū)域來(lái)說(shuō)，曝光不足會(huì)使該區(qū)域影像的信噪比降低，與非陰影區(qū)域的反差加大，但整體上仍能保持與非陰影區(qū)域的紋理連貫性。同時(shí)，在某些特定的色彩空間，影像的一些分量并不會(huì)因?yàn)楸魂幱案采w而受到明顯的影響，即保持了一種對(duì)陰影的不變性。分析phong光照模型[11]，得出陰影區(qū)域在彩色空間上具有亮度值較低、飽和度較高及色調(diào)頗為一致等特征。除此之外，大量的實(shí)踐表明： 陰影區(qū)域的形狀往往不規(guī)則，受到光照方向和環(huán)境復(fù)雜度的限制； 陰影區(qū)域的邊緣較為模糊，很難精確描述邊緣； 陰影區(qū)域與水體具有相似的影像特征，不易分辨。這些特征的研究對(duì)于陰影檢測(cè)和補(bǔ)償是十分有利的。從式(1)可以看出，陰影區(qū)域的補(bǔ)償可以通過(guò)抑制n(x,y)的方法實(shí)現(xiàn)。而對(duì)于曝光過(guò)后的圖像處理，理論上是一個(gè)不可逆的過(guò)程，往往很難將丟失的信息補(bǔ)償回來(lái)。因此，需要通過(guò)抑制噪聲，提高信噪比的途徑，增強(qiáng)陰影區(qū)域的信息。

2 陰影區(qū)域的檢測(cè)與補(bǔ)償

大量的研究表明，陰影區(qū)域在HIS彩色空間是可分類(lèi)的。例如唐亮等[12]提出的基于光學(xué)色彩不變量理論的檢測(cè)技術(shù)； 楊俊等[13]提出的基于歸一化雙閾值的檢測(cè)手段； 虢建宏等[14]在多波段遙感影像中的陰影檢測(cè)與去除研究，都取得了較好的檢測(cè)效果。然而，隨著影像分辨率的提高，雙閾值法在檢測(cè)中容易出現(xiàn)漏檢的情況，并在紋理的幾何細(xì)節(jié)處理上不具有魯棒性。對(duì)高分辨率的航空遙感影像來(lái)說(shuō)，陰影處理應(yīng)該在最大限度保留地物幾何細(xì)節(jié)的同時(shí)，盡可能地考慮更為魯棒的檢測(cè)方法。

在HIS彩色空間，影像的3個(gè)分量，即H(色度)、I(明度)和S(飽和度)分量相對(duì)獨(dú)立。其中，H分量在光學(xué)系統(tǒng)中是一種光學(xué)彩色不變量，它不隨諸如視角、物體表面法向及光照條件的變化而變化，因此在彩色物體識(shí)別、彩色圖像檢索及彩色圖像恢復(fù)等領(lǐng)域起著重要作用； I分量集中了幾乎所有的幾何細(xì)節(jié)，對(duì)于地物紋理的幾何細(xì)節(jié)處理十分便利； S分量從一定程度上反映了像方對(duì)光照的響應(yīng)，可區(qū)別出顏色較暗的屋頂與陰影區(qū)域。本文通過(guò)研究H，I和S分量，利用3個(gè)通道的聯(lián)合閾值測(cè)度進(jìn)行陰影區(qū)域與非陰影區(qū)域的分割，在一定程度上避免了單一閾值或雙閾值對(duì)復(fù)雜地物環(huán)境誤判的可能性，提高了檢測(cè)的有效性； 同時(shí)，利用高斯函數(shù)進(jìn)行多尺度的幾何細(xì)節(jié)抽取，最大程度地保留陰影區(qū)域的地物紋理信息，提高陰影區(qū)域處理的保真度。

陰影區(qū)域是一個(gè)閉合的圖像塊，可將其看成一個(gè)幾何模型，其所包含的信息就可以看成是這個(gè)幾何模型所對(duì)應(yīng)的幾何細(xì)節(jié)。因此，對(duì)于陰影區(qū)域的信息補(bǔ)償問(wèn)題，就可轉(zhuǎn)化為幾何細(xì)節(jié)增強(qiáng)的問(wèn)題。本文基于高斯濾波構(gòu)建多尺度保特征平滑算子，并由此逐步抽取陰影區(qū)域的幾何細(xì)節(jié)，通過(guò)加權(quán)方式對(duì)陰影區(qū)域進(jìn)行增強(qiáng)。

高斯濾波的用途是信號(hào)的平滑處理，并能保證接近真實(shí)的信號(hào)響應(yīng)，其函數(shù)模型為

(2)

式中: (i,j)表示像素的位置;σ來(lái)控制尺度大小。對(duì)二維離散圖像來(lái)說(shuō)，對(duì)σ的調(diào)整也就是對(duì)卷積模板大小的調(diào)整。

在陰影區(qū)域這個(gè)幾何模型中，設(shè)想其幾何細(xì)節(jié)屬于一種“噪聲”。首先建立不同尺度的高斯函數(shù)對(duì)原始影像進(jìn)行迭代處理，得到比較光滑的基礎(chǔ)影像，理論上可以保證基礎(chǔ)影像上基本的信息輪廓； 然后根據(jù)一個(gè)序列的“噪聲”集，分析增強(qiáng)的加權(quán)系數(shù)，得到陰影區(qū)域增強(qiáng)的方案； 最后按照所得到的增強(qiáng)方案，在進(jìn)行陰影區(qū)域灰度補(bǔ)償?shù)耐瑫r(shí)，加入幾何細(xì)節(jié)的恢復(fù)增強(qiáng)，從而保證陰影區(qū)域補(bǔ)償?shù)慕Y(jié)果在灰度和幾何細(xì)節(jié)上較為一致。

3 算法流程

1)彩色空間變換。根據(jù)式(3)將RGB模式變換為HIS模式，即

(3)

(4)

(5)

2)提取各彩色空間下的分量圖，進(jìn)行相應(yīng)測(cè)度閾值的估算。這里可以采用Otsu二值圖像分割的自動(dòng)閾值檢測(cè)方法估算，也可以采用直方圖單峰法來(lái)估算。

3)根據(jù)閾值將原始影像二值化，并進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理。以閉運(yùn)算填充陰影區(qū)域內(nèi)的細(xì)小空洞； 以開(kāi)運(yùn)算去除非陰影區(qū)域內(nèi)的細(xì)小陰影區(qū)域。

4)針對(duì)陰影區(qū)域的I分量亮度圖進(jìn)行幾何細(xì)節(jié)抽取。主要利用保特征平滑算子——高斯濾波器組進(jìn)行圖像處理。選擇模板大小為3×3，5×5，7×7，9×9及11×11的高斯濾波器組，分別對(duì)原始影像做高斯平滑處理，提取未被高斯濾波器通過(guò)的高頻信息，即通常情況下認(rèn)為的“影像噪聲”和“影像邊緣”。此時(shí)，提取的信息是一組在尺度上有聯(lián)系的噪聲像素值，通過(guò)與原始影像的差值可以確定這些像素值是否為影像的幾何細(xì)節(jié)。

5)分析序列影像，配置增強(qiáng)方案。以11×11模板處理后的影像為基準(zhǔn)影像，每一尺度模板(選用5種不同模板大小的高斯濾波器決定了尺度模板共有5個(gè))下生成幾何細(xì)節(jié)，即多尺度高斯濾波算子運(yùn)算得到的“噪聲與邊緣”點(diǎn)集，若點(diǎn)集中有成面狀分布且有擴(kuò)散趨勢(shì)的細(xì)節(jié)，則將其權(quán)設(shè)為大權(quán)值，其余為小權(quán)值。

6)按照加權(quán)方案，將“噪聲”點(diǎn)集疊加到原始影像的灰度圖上，得到新的灰度補(bǔ)償影像，可直接應(yīng)用于針對(duì)灰度進(jìn)行處理的攝影測(cè)量作業(yè)流程中。而對(duì)于針對(duì)RGB彩色空間的色彩信息恢復(fù)，實(shí)驗(yàn)中并未設(shè)計(jì)RGB各個(gè)通道的不同補(bǔ)償方式和融合處理方法，因此本文不做分析。

4 實(shí)驗(yàn)結(jié)果評(píng)價(jià)及分析

4.1 陰影檢測(cè)結(jié)果分析

本實(shí)驗(yàn)采用高分辨率航空遙感影像(圖1(左)，圖2(左))，影像的地面分辨率達(dá)0.1 m。陰影檢測(cè)的閾值是由Oust算法在3個(gè)通道的二值化估算閾值，其中H分量的閾值為45，I分量的為140，S分量的為15，同時(shí)滿足上述3個(gè)通道閾值的像素記為陰影篩選集。陰影檢測(cè)結(jié)果如圖1(右)和圖2(右)。

圖1 原始影像一(左)及其陰影檢測(cè)結(jié)果(右，白色區(qū)域?yàn)殛幱?

圖2 原始影像二(左)及其檢測(cè)結(jié)果(右，白色區(qū)域?yàn)殛幱?

從圖1，2的檢測(cè)結(jié)果可以看出，陰影區(qū)域的位置基本符合真實(shí)情況。但仍然存在2個(gè)問(wèn)題： ①在邊緣區(qū)域有部分不能完全吻合，這是由于陰影區(qū)像元本身的分辨率造成的。理論上來(lái)說(shuō)，陰影區(qū)像元的點(diǎn)擴(kuò)散性使得其邊緣存在不確定性，給準(zhǔn)確檢測(cè)帶來(lái)困難； ②有些陰影沒(méi)有被檢測(cè)出來(lái)。例如，圖2(左)中某些處于陰影區(qū)域的停車(chē)線未被檢測(cè)出，這是由于影像本身的灰度分辨率太高，還難以提出一個(gè)普適的閾值組合，使其可以檢測(cè)出所有類(lèi)型的陰影。對(duì)直接檢測(cè)結(jié)果進(jìn)行“膨脹”和“腐蝕”處理后，可以填補(bǔ)陰影區(qū)域內(nèi)的漏檢像素，進(jìn)一步明確檢測(cè)區(qū)域的邊緣。

應(yīng)用3通道閾值聯(lián)合的方法可以有效抑制錯(cuò)分情況，其中H分量確保陰影區(qū)域的特征不變性，這一點(diǎn)對(duì)真彩色影像可能不明顯，但是對(duì)假彩色影像就較為明顯； I分量是核心指標(biāo)，用來(lái)確定大部分陰影類(lèi)型； S分量用于區(qū)分實(shí)際照射目標(biāo)和被遮擋目標(biāo)，若實(shí)際照射目標(biāo)的I分量灰度值較低，則其S分量通常較低，但是陰影區(qū)域剛好相反，如圖3所示。圖中屋頂在H分量和I分量上無(wú)法與陰影區(qū)分，但在S分量上的特征就比較明顯，屋頂?shù)娘柡投容^低，而陰影的飽和度較高。這一點(diǎn)也可以用于區(qū)分水體與陰影。

圖3 原始影像三(左)及其S分量(右，白色區(qū)域?yàn)殛幱?

4.2 陰影補(bǔ)償結(jié)果分析

陰影補(bǔ)償?shù)年P(guān)鍵在于幾何細(xì)節(jié)的加權(quán)方案及背景色彩的填充。在基準(zhǔn)影像(11×11窗口的高斯濾波結(jié)果影像)的約束下，一方面按照周?chē)袼貋?lái)確定陰影區(qū)域的背景色彩； 另一方面根據(jù)各尺度下的幾何細(xì)節(jié)集進(jìn)行加權(quán)融合，補(bǔ)償陰影區(qū)域的紋理特征。在融合過(guò)程中，面狀細(xì)節(jié)權(quán)值最大，線狀細(xì)節(jié)權(quán)值次之，點(diǎn)狀細(xì)節(jié)權(quán)值最小，同時(shí)需要判斷點(diǎn)集的序列擴(kuò)張。

圖4與圖5為原始影像一和原始影像二在5組高斯濾波器下的幾何細(xì)節(jié)抽取結(jié)果?？梢钥闯觯跋裆详幱皡^(qū)域的紋理特點(diǎn)能夠直觀地反映在各層高斯濾波器下，在進(jìn)行補(bǔ)償時(shí)，需要針對(duì)這些幾何細(xì)節(jié)部分給予增強(qiáng)，才能保證陰影部分灰度補(bǔ)償后，幾何細(xì)節(jié)能夠同比補(bǔ)償，使得影像處理更符合視覺(jué)特性。

需要說(shuō)明的是，5組高斯濾波器的處理結(jié)果并不是機(jī)械地疊加過(guò)程。從圖4的第4幅和第5幅圖可以看出，陰影部分已經(jīng)沒(méi)有幾何細(xì)節(jié)了，因此在加權(quán)中，可以設(shè)定小權(quán)值； 而第1幅和第2幅圖的幾何細(xì)節(jié)較多，在加權(quán)中，應(yīng)設(shè)定大權(quán)值。同理，圖5的第5幅圖的加權(quán)應(yīng)為小權(quán)值，第1幅和第2幅圖的加權(quán)應(yīng)為大權(quán)值。

圖4 原始影像一的5層幾何細(xì)節(jié)抽取結(jié)果

圖5 原始影像二的5層幾何細(xì)節(jié)抽取結(jié)果

圖6(左)與圖7(左)分別為2幅原始影像的灰度圖； 圖6(右)與圖7(右)分別為它們的補(bǔ)償結(jié)果。

圖6原始影像一的灰度圖(左)及其灰度補(bǔ)償結(jié)果(右)

Fig.6Grayfigureofimageone(left)anditsgraycompensationresult(right)

圖7 原始影像二的灰度圖(左)及其灰度補(bǔ)償結(jié)果(右)

可以看出，補(bǔ)償后的影像基本滿足了非陰影區(qū)域與陰影區(qū)域的連貫性，縮小了陰影區(qū)域?qū)z影測(cè)量與遙感處理的干擾，降低了陰影區(qū)域的噪聲。

然而不足的是，陰影區(qū)域與非陰影區(qū)域之間仍然存在一條較為明顯的過(guò)渡區(qū)域，補(bǔ)償后的陰影區(qū)域內(nèi)出現(xiàn)一些噪聲。從圖7(右)可以看到，非陰影區(qū)域也有被補(bǔ)償?shù)?。產(chǎn)生這些問(wèn)題的原因主要可以概括為以下2點(diǎn)： ①陰影檢測(cè)過(guò)程中無(wú)法精確定位陰影，導(dǎo)致陰影邊緣的處理無(wú)法做到平滑過(guò)渡； ②陰影與某些地物具有極其相似的影像特征，實(shí)踐中很難將其嚴(yán)格區(qū)分開(kāi)。這些問(wèn)題說(shuō)明陰影區(qū)域的處理仍然需要部分人工干預(yù)，目前還無(wú)法做到全自動(dòng)化處理。

5 結(jié)論

從實(shí)驗(yàn)中可以看出，陰影區(qū)域與局部特定地物(如水體、冰雪及產(chǎn)生鏡面效應(yīng)的地物)覆蓋區(qū)具有相類(lèi)似的影像特征。本文在HIS空間的陰影特征分析中指出，這類(lèi)影像特征在波段數(shù)較少的彩色空間中無(wú)法做到有效區(qū)分陰影區(qū)與局部特定物覆蓋區(qū)。與此同時(shí)，陰影區(qū)域的色彩恢復(fù)并不能簡(jiǎn)單地進(jìn)行波段疊加，需要分析RGB空間下的補(bǔ)償方案，本文并未就此問(wèn)題進(jìn)行展開(kāi)。

實(shí)驗(yàn)結(jié)果證明，本文算法雖然還無(wú)法將陰影與其近似影像特征的水體完全區(qū)分開(kāi)來(lái)，對(duì)陰影的邊緣定位也不十分準(zhǔn)確，但對(duì)于絕大多數(shù)的陰影區(qū)域都能夠有效檢測(cè)并加以補(bǔ)償，能夠針對(duì)大部分的陰影區(qū)域進(jìn)行有效處理。在HIS空間中進(jìn)行3通道閾值的陰影檢測(cè)，可以有效提高陰影檢測(cè)的準(zhǔn)確率； 同時(shí)，在陰影補(bǔ)償?shù)倪^(guò)程中，引入多尺度高斯濾波器，較好地保留了陰影區(qū)域的幾何細(xì)節(jié)。在輔助人工處理的基礎(chǔ)上，本文算法可以應(yīng)用到高分辨率航空影像的處理過(guò)程中，完成正射影像圖和高質(zhì)量影像地圖的自動(dòng)化成圖。算法的后續(xù)研究可就彩色信息恢復(fù)與陰影邊緣處理展開(kāi)。

參考文獻(xiàn)(References)：

[1] Funka-Lea G,Bajscy R.Combining colour and geometry for the active,visual recognition of shadows[C]//IEEE International Conference on Computer Vision.Boston,MA,1995:203-209.

[2] Huang J J,Xie W X,Tang L.Detection of and compensation for shadows in colored urban aerial images[C]//The 5th World Congress on Intelligent Control and Automation.Hangzhou，2004:3098-3105.

[3] Tsai V J D.A comparative study on shadow compensation of color aerial images in invariant color models[J].IEEE Trans on Geoscience and Remote Sensing,2006,44(6):1661-1667.

[4] 陶純堪,陶純匡.光學(xué)信息論[M].北京:科學(xué)出版社,2004:24.

Tao C K,Tao C K.Optical Information Theory[M].Beijing:Science Press,2004:24.

[5] Jobson D J,Rahman Z,Woodell G A.Properties and performance of a center/surround retinex[J].IEEE Transactions on Image Processing,1997,6(3):451-462.

[6] Edwin H L.The retinex theory of color vision[J].Scientific American,1977,237(6):108-128.

[7] McCann J J.Capturing a black cat in shade:The past and present of retinex color appearance models[C]//Proc.SPIE 4662,Human Vision and Electronic Imaging VII.SPIE,2002:33l-340.

[8] 王軍利,王樹(shù)根.一種基于RGB彩色空間的影像陰影檢測(cè)方法[J].信息技術(shù),2002,26(12):7-8.

Wang J L,Wang S G.A shadow detection method of color image based on RGB color space[J].Information Technology,2002,26(12):7-8.

[9] Polodorio A M,Flores F C,Imai N N,et al.Automatic shadow segmentation in aerial color images[C]//Proceedings of the XVI Brazilian Symposium on Computer Graphics and Image Processing.Sao Carlos,Brazil:IEEE,2003:270-277.

[10]王樹(shù)根,郭澤金,李德仁.彩色航空影像上陰影區(qū)域信息補(bǔ)償?shù)姆椒╗J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版,2003,28(5):514-516.

Wang S G,Guo Z J,Li D R.Shadow compensation of color aerial images[J].Geomatics and Information Science of Wuhan University,2003,28(5):514-516.

[11]Xia H Y,Guo P.A shadow detection of remote sensing images based on statistical texture features[J].Journal of Remote Sensing,2011,15(4):778-791.

[12]唐亮,謝維信,黃建軍.城市彩色航空影像中的陰影檢測(cè)[J].中國(guó)體視覺(jué)與圖像分析,2003,8(3):129-134.

Tang L,Xie W X,Huang J J.Detection of shadow in urban color aerial images[J].Chinese Journal of Stereology and Image Analysis,2003,8(3):129-134.

[13]楊俊,趙忠明,楊健.一種高分辨率遙感影像陰影去除方法[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版,2008,33(1):17-20.

Yang J,Zhao Z M,Yang J.A shadow removal method for high resolution remote sensing image[J].Geomatics and Information Science of Wuhan University,2008,33(1):17-20.

[14]虢建宏,田慶久,吳昀昭.遙感影像陰影多波段檢測(cè)與去除理論模型研究[J].遙感學(xué)報(bào),2006,10(2):151-159.

Guo J H,Tian Q J,Wu J Z.Study on multispectral detecting shadow areas and a theoretical model of removing shadows from remote sensing images[J].Journal of Remote Sensing,2006,10(2):151-159.