(云南財經(jīng)大學(xué)城市與環(huán)境學(xué)院 昆明 650000)

近年來，高空間分辨率遙感得到了廣泛的應(yīng)用，特別是IKONOS、QuiekBird的發(fā)射與應(yīng)用，使得遙感圖像的空間分辨率達到了米級分米級。對于高空間分辨率的遙感影像，其信息量更加豐富、數(shù)據(jù)量更大，為遙感應(yīng)用開創(chuàng)了許多全新的應(yīng)用領(lǐng)域，使得遙感的應(yīng)用范圍更加廣泛。由于高分辨率衛(wèi)星的軌道較低，地物陰影是高空間分辨率衛(wèi)星影像中特有的組成部分，同類地物陰影區(qū)和非陰影區(qū)影像灰度差別很大，而陰影不僅對圖像的處理帶來許多困難，而且還會使后續(xù)的圖像識別、分類精度難以保證，所以探測陰影區(qū)域，對遙感影像進行陰影檢測和去除在遙感影像陰影處中有著重要的意義。

一、相關(guān)概念

遙感影像中的陰影是指地物(高大建筑物、樹木和山脈等)遮擋太陽光線，在物體背面形成的黑暗成像區(qū)域。陰影通常被分為本影(self shadow)和投影(cast shadow)兩大類，本影是指障礙物本身一部分沒有被光線照射的地方，投影是指照射光線被障礙物遮擋的背景區(qū)域。陰影的邊緣可以分為以下四種類型:陰影形成線(shadow-marking lines)、陰影線(shadow lines)、分隔線(occluding lines)和隱藏陰影線(hidden shadow lines)。

二、研究現(xiàn)狀

目前的遙感影像陰影檢測方法根據(jù)是否需要環(huán)境條件的先驗知識，可以分為兩大類。 一類是基于模型的方法，該類方法是根據(jù)遮擋物體的幾何形狀、DSM數(shù)據(jù)和太陽照射方位、傳感器等相關(guān)參數(shù)來檢測陰影區(qū)域；另一類方法是基于陰影的性質(zhì)，根據(jù)陰影區(qū)域的共性與非陰影區(qū)域的差別提取陰影區(qū)域。最早的陰影檢測算法由Jiang和Ward根據(jù)陰影區(qū)域的亮度要比非陰影區(qū)域低的性質(zhì)提出的，王樹根提出了基于RGB色彩空間的陰影檢測方法、基于K-L變換的檢測方法[1]、基于整體變分模型的陰影檢測方法[2]；虢建宏根據(jù)遙感影像多波段的性質(zhì)，提出了一種陰影檢測方法[3]；季順平提出了一種改進的高斯背景檢測方法[4]；鮑海英根據(jù)遙感影像的彩色空間特性體提出了一種閾值檢測方法[5]；鄭文武提出了基于LSMA的陰影檢測方法[6]；卞建勇提出了一種基于紋理和小波變換的陰影檢測方法[7]；常村紅提出了一種基于混合高斯模型的自適應(yīng)閾值陰影檢測方法[8]；謝天文提出了一種基于PCA與HIS模型的高分辨率遙感影像陰影檢測[9]。

陰影去除是指將陰影區(qū)域中像素點的亮度和顏色，恢復(fù)到非陰影區(qū)域光照的效果，從而使整幅圖像具有視覺上的光照一致性，張肅和饒順斌等人提出了一種基于模糊Retinex的高空間分辨率遙感影像消除方法[10]；虢建宏提出了一種IKONOS影像陰影檢測與去除的方法[11]；楊俊提出了一種基于歸一化RGB色彩模型的陰影處理方法[12]；何凱提出了一種基于分形及紋理分析的城市遙感影像陰影去除的方法[13]；徐秋紅等提出的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[14]；郝寧波提出的基于同態(tài)濾波的高分辨率遙感影像陰影消除方法[15]；張紅穎和李鴻等人提出了一種基于混合高斯模型的陰影去除算法[16]。

由于在遙感影像上建筑物陰影只存在于圖像的部分區(qū)域，因此陰影去除包括兩方面的工作，即陰影區(qū)域的檢測以及陰影區(qū)域的去除。對現(xiàn)歸類出常用的幾類陰影檢測方法和陰影去除方法：

(一)陰影檢測方法

1、多波段陰影檢測法：這種方法是根據(jù)影像陰影區(qū)域的共性及其與非陰影區(qū)域的差別提取陰影區(qū)域。在非陰影區(qū)域，藍光波段和綠光波段有很高的相關(guān)性；而在陰影區(qū)域，綠光波段相對于藍光波段急劇減小。其方法是將綠光波段影像減去藍光波段影像，對所得影像進行基于直方閾值法提取陰影區(qū)域，利用中值濾波對提取的陰影結(jié)果進行濾波得到最終的陰影區(qū)域。

2、基于RGB彩色空間的陰影檢測法：這種方法是結(jié)合色彩基礎(chǔ)理論和高斯-拉普拉斯算子的基本原理來進行陰影檢測，由于陰影區(qū)域中的像素亮度值一般比非陰影區(qū)域小，特別是R、G分量一般都較小，而B分量的波動性現(xiàn)對略大，因此在陰影檢測中只使用R、G分量。具體的做法是根據(jù)影像給出判斷閾值，然后用高斯-拉普拉斯算子對影像的R和G分量進行卷積運算，對于滿足判斷條件的像素點則判斷為陰影區(qū)，通過反復(fù)計算即可得到陰影區(qū)域。這種方法對于陰影區(qū)域中具有強反射特性的地物，會出現(xiàn)一定的陰影檢測誤差，而且需要人為給定陰影檢測的閾值。

3、基于K—L變換(主成分分析)陰影檢測法：這種方法是將彩色影像的三個顏色分量的圖像看作是多光譜影像的三個波段，然后進行K—L變換，利用其分類特性進行彩色影像的陰影區(qū)域檢測。

4、基于共生矩陣的紋理指數(shù)的陰影提?。焊鶕?jù)圖像的共生矩陣，計算出相應(yīng)的紋理指數(shù)，這種方法主要利用其能量指數(shù)來提取影像中的陰影，然后對提取的陰影進行優(yōu)化得到最終的陰影區(qū)域。

5、基于HIS彩色空間的陰影檢測：RGB空間是我們最常見的彩色空間模型,但是由于R,G和B各成分相互依賴,因此僅僅根據(jù)這三種組合很難得到滿意的結(jié)果,而HIS空間更加傾向于表達人們的視覺感知力。HIS彩色空間的優(yōu)點是亮度反映的是顏色的基本特征,它與色度、飽和度是分離的。亮度值直接受到光線明暗的影響,而且由于影像中的陰影是受建筑物的阻擋導(dǎo)致光線變暗而產(chǎn)生的,因此根據(jù)亮度進行閾值選擇檢測出陰影具有一定的依據(jù)。在這個過程中,首先將RGB影像轉(zhuǎn)化為HIS影像,HIS空間由色度、飽和度和亮度三部分組成,灰度、飽和度反映的是顏色的基本特征,而亮度代表光照信息,然后根據(jù)亮度進行閾值選擇分割出陰影區(qū)域并標(biāo)記出來。

6、基于彩色模型的遙感影像陰影檢測：基于HSV彩色空間的陰影檢測，其根據(jù)是陰影區(qū)域影像的色調(diào)、飽和度、亮度的屬性;而基于C1C2C3彩色空間的陰影檢測，依據(jù)是陰影區(qū)域區(qū)別于非陰影區(qū)域的顏色值的特性“本章提出的基于彩色模型的遙感影像陰影檢測算法結(jié)合這兩種方法檢測陰影，降低了閾值選擇的主觀性和片面性，提高了陰影檢測的精度”即對HSV彩色空間檢測區(qū)域及C1C2C3彩色空間的檢測區(qū)域進行與運算“如果某區(qū)域在兩種檢測方法中都被檢測為陰影區(qū)域，則將該區(qū)域標(biāo)記出來，否則不認(rèn)為是陰影區(qū)域”在得到初步的陰影分割結(jié)果后，統(tǒng)計各個獨立陰影區(qū)域的面積大小，“如果小于一個給定的面積閾值，就認(rèn)為其屬于非陰影區(qū)域內(nèi)部的具有較低亮度的地物”這樣得到的小區(qū)域去除結(jié)果，還可能由于陰影區(qū)域內(nèi)部存在高亮度地物而留有空洞，因此，還需要對分割出的陰影區(qū)域進行數(shù)學(xué)形態(tài)學(xué)的閉運算處理，從而得到較精確的陰影區(qū)域。

(二)陰影消除方法

1、陰影區(qū)域信息補償法：這種算法是將影像從RGB顏色空間轉(zhuǎn)換到包含亮度信息的HIS顏色空問；對亮度值I進行數(shù)學(xué)形態(tài)學(xué)的開閉運算，得到影像亮度的低頻部分；對亮度的低頻部分作閾值處理和帶條件的腐蝕運算，將陰影區(qū)域和非陰影區(qū)域分離；在RGB顏色空間里，通過亮度信息對原始影像區(qū)域中的R、G、B分量分別進行調(diào)整，以達到陰影補償?shù)哪康摹?/p>

2、基于色彩空間分析的陰影增強：將原始彩色影像從RGB空間轉(zhuǎn)換到HIS空間，對陰影區(qū)域的亮度和飽和度進行補償，再將經(jīng)過亮度和飽和度補償處理的影像從HSI空間轉(zhuǎn)換到RGB空間。

3、圖像處理的方法主要是直方圖變換以及同態(tài)濾波的方法對陰影進行處理，這種方式在對陰影區(qū)處理的同時，也使非陰影區(qū)的信息有所損失。

三、簡要評述

對高空間分辨率遙感影像上陰影區(qū)域的處理的主要目的就是要充分利用陰影區(qū)域的有關(guān)信息，盡可能的消除陰影對影像處理結(jié)果的不利影響，進一步的提高后續(xù)的圖像識別和分類精度。要達到這個目的，就要能夠快速準(zhǔn)確地檢測出影像上的陰影區(qū)域范圍，并對其陰影進行處理。通過前文介紹，可知學(xué)者們對這個問題的研究已基本上考慮到了各個方面。但是目前去陰影的方法并沒有更簡單直接的普遍方法，只是通過不同的陰影性質(zhì)，運用不同的去陰影方法。因此，對于如何有效的對高分辨率遙感影像去除陰影的研究還有待進一步深入。