姚花琴， 楊樹文， 劉正軍， 楊興旺， 李軼鯤

(1.蘭州交通大學測繪與地理信息學院，蘭州 730070；2.中國測繪科學研究院，北京 100830)

基于QuickBird影像的城市高大地物陰影檢測方法

姚花琴1， 楊樹文1， 劉正軍2， 楊興旺1， 李軼鯤1

(1.蘭州交通大學測繪與地理信息學院，蘭州 730070；2.中國測繪科學研究院，北京 100830)

針對利用高分辨率遙感影像檢測陰影時受水體和偏藍色地物影像的影響問題，提出了一種主成分變換和多波段運算相結合的陰影檢測方法。首先，統(tǒng)計、分析了QuickBird影像中陰影、水體及建筑物等典型地物的光譜特征；然后，基于主成分變換和多波段運算相結合的方法識別陰影區(qū)域和非陰影區(qū)域，并利用多峰直方圖閾值算法對陰影進行自動檢測；最后，利用形態(tài)學濾波算法對檢測結果進行后處理。實驗結果表明，該方法對QuickBird影像中的陰影提取具有較高的精度、效率和普適性。

QuickBird影像；主成分變換；陰影檢測；形態(tài)學濾波

0 引言

高分辨率遙感影像陰影的檢測是對其去除和利用的前提。因此，如何有效、高精度地檢測陰影信息具有重要意義[1]。陰影的檢測方法主要分為基于模型和基于陰影性質2種。基于模型的方法因其需要有關場景、目標和光照情況的先驗知識，因此具有較大的局限性，相關研究較少；基于陰影性質的方法是利用陰影區(qū)域的光譜和幾何特征來檢測陰影[2]，該方法適用范圍廣，相關研究較多。針對彩色航空影像，Tsai[3]提出利用HSI(色相(hue)、飽和度(saturation)、亮度 (intensity))、HSV(色相(hue)、飽和度(saturation)、色明度(value))、YIQ(亮度成分(luminance)、色彩從橙色到青色(In-phase)、色彩從紫色到黃綠色(Quadrature-phase))和YCbCr(亮度成分(luminance)、藍色色度(Cb)、紅色色度(Cr))等彩色模型檢測陰影，認為將RGB影像轉換到YIQ空間，利用比值法檢測陰影區(qū)域的效果最佳。此外，虢建宏[4]等提出了一種多波段陰影檢測的方法和基于能量信息補償去除陰影的理論模型；Ma[5]等基于HSV色彩空間的陰影特性，提出了一種歸一化飽和度差值指數(shù)(normalization saturation difference vegetation index,NSDVI)用于檢測陰影，并利用直方圖匹配的方法對陰影區(qū)域進行補償；王玥[6]等根據(jù)高分辨率影像中陰影的性質，提出了一種基于主成分分析的陰影檢測方法；劉輝[1]等基于主成分變換和HSI模型，提出了用陰影指數(shù)法(shadow index，SI) 檢測陰影。

上述方法在特定的應用條件下均取得了較好的檢測效果，但仍存在以下問題：①影像的不確定性使得檢測方法有較大的局限性；②影像上水體和陰影的灰度值很相近，二者的區(qū)分有一定的難度；③難以有效地消除偏藍色地物(真彩色合成圖像中呈藍色或淡藍色的地物)的影響。為此，本文在前人研究的基礎上[7-13]，基于QuickBird高分辨率遙感影像數(shù)據(jù)，提出一種主成分變換與多波段運算相結合的陰影檢測方法。通過大量的實驗驗證，該方法能較好地區(qū)分水體和陰影，消除偏藍色地物的影響，提高了建筑物陰影檢測的精度。

1 研究方法

在基于高分辨率遙感影像陰影檢測的眾多研究中，如何有效地消除水體、偏藍色地物等因素對陰影檢測精度的影響是遙感影像應用的一個難題。因此，如何增強陰影和水體光譜值的差異是本文研究的重點。

1.1 典型地物的光譜特征分析

QuickBird設有全色影像(分辨率0.61～0.72 m)和多光譜影像(分辨率2.44～2.88 m)。其中，多光譜影像具有紅、綠、藍和近紅外4個波段。本文對多光譜影像中陰影、建筑物、道路和水體等信息的光譜特征進行了統(tǒng)計，其結果如表1所示。

表1 陰影及典型地物的光譜特征Tab.1 Spectral characteristics of shadow and surface features

①括號中數(shù)字代表采樣像元數(shù)目，余同。

分析表1發(fā)現(xiàn)，陰影在紅波段亮度值最低，在綠波段與藍波段的亮度值之差明顯低于水體在綠波段和藍波段的亮度值之差。

1.2 陰影檢測模型的構建

1.2.1 模型設計

在陰影檢測模型的構建過程中，為了盡量降低光譜運算的局限性、遙感影像的不確定性和閾值自動提取等問題的影響，本研究采用了同向集成計算和影像分塊處理方法，具體為：

1)多光譜同向集成計算。在影像特征信息提取過程中，簡單的光譜運算容易受影像質量、地物復雜度等影響而難以保證信息提取的精度。為此，本文在研究過程中采用了多光譜、多特征集成計算的方法：首先，依據(jù)主成分變換在相關性獨立和第一主成分信息高度集中的典型特征，對QuickBird多光譜圖像進行主成分變換并獲取第一主成分；然后，依據(jù)陰影在綠波段與藍波段的亮度值之差明顯低于水體在綠波段和藍波段亮度值之差這一特點，采用差值運算來進一步增大陰影與其他地物間的差異；最后，根據(jù)比值運算有利于改善圖像質量，突出目標信息，增大灰度值均值差異，縮小方差等特征，對前2步計算的結果圖像進行比值運算，進一步增大了陰影和其他地物間的灰度值差異，消除了水體和偏藍色地物的影響，并有利于用閾值自動選取算法較為準確地獲取陰影分割值。

2)影像分塊運算。在前期的研究中發(fā)現(xiàn)，目標在影像中所占比例的多少會影響閾值自動選取算法的精度，因此，在本文研究中采用了影像分塊處理。另外，影像分塊處理也可以在一定程度上弱化影像不確定性的影響，從而進一步保證了多光譜、多特征同向集成計算的精度，提高了陰影檢測的精度。

1.2.2 算法流程

本文的檢測算法步驟如圖1所示。

圖1 陰影檢測算法技術流程Fig.1 Technology flowchart of shadow detection algorithm

第1步，對實驗區(qū)影像做主成分變換，得到第一主成分(PC1)；

第2步，對綠波段和藍波段做差值運算(G-B)，差值結果記為B1；

第3步，對第一主成分(PC1)和差值結果(B1)做比值運算(PC1/B1)，比值結果記為B2；

第4步，對B2采用直方圖閾值法分割陰影區(qū)域和非陰影區(qū)域，得到最初的陰影區(qū)域；對陰影區(qū)域二值圖像進行形態(tài)學閉運算(先膨脹后腐蝕)剔除孤立點，填充空洞，使陰影區(qū)域更為連續(xù)、完整。

2 實驗驗證與分析

本文通過2個實驗區(qū)的實驗對前人算法和本文算法進行了實驗對比與分析。為了便于觀察檢測效果，對檢測到的陰影區(qū)域用白色表示，非陰影區(qū)域用黑色表示。

在實驗一中，截取的目標QuickBird多光譜影像數(shù)據(jù)如圖2(a)所示，圖中含有偏藍色地物(紅色矩形框中)和較多建筑物陰影?；赑C1/B方法提取的陰影如圖2(b)所示; 基于本文算法提取的結果如圖2(c)所示。對比圖2(b)和圖2(c)可以看出，本文算法可以有效地檢測出陰影區(qū)域。

(a) 實驗一區(qū)原始圖像(b)PC1/B算法檢測結果

(c) 本文算法檢測結果(d) 對圖(c)進行形態(tài)學閉運算結果

圖2 實驗一區(qū)陰影檢測結果

Fig.2 Shadow detection results of experimental area one

在實驗二中，截取的目標QuickBird多光譜影像如圖3(a)所示。圖中含有水體、建筑物陰影等。基于PC1/B方法提取的陰影結果如圖3(b)所示；基于本文算法提取的結果如圖3(c)所示。對比圖3-1(b)和圖3-2(c)可以看出，PC1/B檢測算法不能有效地區(qū)分部分水體和陰影，致使水體(圖3-1(a)(b)紅色矩形框中)被誤提為陰影區(qū)域。本文算法能有效地解決這一問題。通過形態(tài)學閉運算處理可使提取出的陰影區(qū)域更為連續(xù),如圖2(d)和圖3-2(d)所示。

(a) 實驗二區(qū)原始圖像 (b)PC1/B算法檢測結果

圖3-1 實驗二區(qū)陰影檢測結果

Fig.3-1 Shadow detection results of experimental area two

(c) 本文算法檢測結果(d) 對圖(c)進行形態(tài)學閉運算結果

圖3-2 實驗二區(qū)陰影檢測結果

Fig.3-2 Shadow detection results of experimental area two

3 結論

本文提出的基于QuickBird影像陰影檢測方法能夠有效地區(qū)分水體和陰影，且避免了偏藍色地物等對檢測精度的影響，實現(xiàn)了陰影信息的高精度提取。

本研究的不足之處在于：陰影檢測模型是針對城市高大地物(建筑物、高大樹木)構建的，因此對細小陰影區(qū)域的處理還需進一步研究，改進檢測模型，以提高檢測的精度；在此檢測模型的基礎上，若結合影像成像的物理模型進行計算，將能進一步提高檢測精度。

[1] 劉輝,謝天文.基于PCA與HIS模型的高分辨率遙感影像陰影檢測研究[J].遙感技術與應用,2013,28(1):78-84. Liu H,Xie T W.Study on shadow detection in high resolution remote sensing image of PCA and HIS model[J].Remote Sensing Technology and Application,2013,28(1):78-84.

[2] 楊俊,趙忠明,楊健.一種高分辨率遙感影像陰影去除方法[J].武漢大學學報:信息科學版,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.

[3] Tsai V J D.A comparative study on shadow compensation of color aerial images in invariant color models[J].IEEE Transactions on Geoscience and Remote Sensing,2006,44(6):1671-1771.

[4] 虢建宏,田慶久,吳昀昭.遙感影像陰影多波段檢測與去除理論模型研究[J].遙感學報,2006,10(2):151-159. Guo J H,Tian Q J,Wu Y 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.

[5] Ma H J,Qin Q M,Shen X Y.Shadow segmentation and compensation in high resolution satellite images[C]//IEEE International Geoscience and Remote Sensing Symposium.Boston,MA:IEEE,2008,2:II-1036-II-1039.

[6] 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):137-141. Wang Y,Wang S G.Detection and compensation of shadows in high resolution remote sensing images using PCA[J].Journal of Applied Sciences,2010,28(2):137-141.

[7] Zhang Z W,Chen F.A shadow processing method of high spatial resolution remote sensing image[C]//2010 3rd International Congress on Image and Signal Processing(CISP).Yantai:IEEE,2010,2:816-820.

[8] Tolt G,Shimoni M,Ahlberg J.A shadow detection method for remote sensing images using VHR hyperspectral and LiDAR data[C]//IEEE International Geoscience and Remote Sensing Symposium(IGARSS).Vancouver,BC:IEEE,2011:4423-4426.

[9] Yu H Y,Sun J G,Liu L N,et al.MSER based shadow detection in high resolution remote sensing image[C]//2010 International Conference on Machine Learning and Cybernetics(ICMLC).Qingdao:IEEE,2010,2:780-783.

[10] Luo H,Shao Z.A shadow detection method from urban high resolution remote sensing image based on color features of shadow[C]//2012 Fourth International Symposium on Information Science and Engineering(ISISE).Wuhan:IEEE,2012:48-51.

[11] 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. 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.

[12] 許妙忠,余志惠.高分辨率衛(wèi)星影像中陰影的自動提取與處理[J].測繪信息與工程,2003,28(1):20-22. Xu M Z,Yu Z H.Automated extraction of shadows in very-high resolution spatial satellite images[J].Journal of Geomatics,2003,28(1):20-22.

[13] 高賢君,萬幼川,鄭順義,等.航空遙感影像陰影的自動檢測與補償[J].武漢大學學報:信息科學版,2012,37(11):1299-1302. Gao X J,Wan Y C,Zheng S Y et al.Automatic shadow detection and compensation of aerial remote sensing images[J].Geomatics and Information Science of Wuhan University,2012,37(11):1299-1302.

(責任編輯：刁淑娟)

A method of shadow detection for city tall ground objects based on QuickBird images

YAO Huaqin1,YANG Shuwen1,LIU Zhengjun2,YANG Xingwang1,LI Yikun1

(1.LanzhouJiaotongUniversity,FacultyofGeomatics,Lanzhou730070,China;2.ChinaSurveying&MappingInstitute,Beijing100830,China)

The detection accuracy is likely to be influenced by water bodies and bluish surface features during the detection of shadows on high-resolution remote sensing images. To tackle this problem,this paper proposes a new shadow detection method using principal component transform and multi-band operation. Firstly,the spectral values of typical surface features such as shadows,water bodies and buildings are counted and analyzed in QuickBird images. Secondly,the non-shaded area and shaded area are identified based on principal component transform combined multi-band operation and automatically detected by multimodal histogram threshold algorithm. Finally,the detected result is processed by morphological filtering algorithm. The result shows that this method shows higher extraction accuracy,efficiency and universality for QuickBird images.

QuickBird images; principal component transform; shadow detection; morphological filtering

2014-03-27；

2014-06-12

中國測繪科學研究院科研專項“多源多時相高分辨率影像高大地物陰影檢測算法研究”(編號：513157)、甘肅省高等學?；究蒲袠I(yè)務費項目“甘南地區(qū)滑坡泥石流信息遙感自動提取與危險性評價研究”(編號：212091)和中國博士后科學基金資助項目(編號：2014M552558XB)共同資助。

10.6046/gtzyyg.2015.02.08

姚花琴,楊樹文,劉正軍,等.基于QuickBird影像的城市高大地物陰影檢測方法[J].國土資源遙感,2015,27(2):51-55.(Yao H Q,Yang S W,Liu Z J,et al.A method of shadow detection for city tall ground objects based on QuickBird images[J].Remote Sensing for Land and Resources,2015,27(2):51-55.)

TP 75

A

1001-070X(2015)02-0051-05

姚花琴(1989-)，女，碩士研究生，主要從事遙感影像處理、GIS系統(tǒng)開發(fā)等方面的研究。Email：250436125@qq.com。

楊樹文(1975-)，男，博士/副教授，主要從事遙感數(shù)字圖像處理和遙感信息識別及提取方面的研究。Email：ysw040966@163.com。