謝亞坤，馮德俊，李 強(qiáng)，王垠入，瑚敏君

(西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院測(cè)繪遙感信息系，四川 成都 611756)

遙感影像中陰影檢測(cè)對(duì)影像判讀、目標(biāo)提取、變化檢測(cè)等具有重要意義。目前，高分辨率遙感影像中現(xiàn)有的陰影檢測(cè)方法主要分為基于模型和基于影像光譜特性的檢測(cè)方法[1]。基于模型的陰影檢測(cè)方法需要獲得較多的先驗(yàn)知識(shí)，如遮擋物體的幾何形態(tài)、太陽(yáng)方位、DSM數(shù)據(jù)及傳感器相關(guān)參數(shù)來計(jì)算陰影區(qū)域。Nakajima[2]、郭海濤等[3]基于模型的檢測(cè)方法實(shí)現(xiàn)了陰影信息的提取。但該方法因先驗(yàn)知識(shí)不易獲取，理論性較強(qiáng)，在實(shí)際應(yīng)用中具有較大的局限性?；谟跋窆庾V特性相比于基于模型的檢測(cè)方法較為容易且適用范圍更廣。Tsai等[4]采用RGB到HIS空間的色彩變換來提取陰影；Polidorio等[5]利用陰影區(qū)域光譜特性與幾何特性進(jìn)行陰影檢測(cè)；Suzuki等[6]利用陰影區(qū)域在RGB和HIS色彩空間中的亮度及飽和度特性進(jìn)行陰影檢測(cè)；劉輝等[7]基于PCA(principal components analysis)和HIS變換，提出了一種陰影指數(shù)，采用閾值分割分離陰影。以上方法都是針對(duì)單個(gè)像元進(jìn)行陰影提取，提取陰影斑塊破碎且精度較低[8]。隨著高分辨率遙感影像的廣泛應(yīng)用，面向?qū)ο蠹夹g(shù)逐漸得到應(yīng)用[9]。Liu等[10]使用面向?qū)ο蟮姆椒ㄟM(jìn)行陰影檢測(cè)；帥滔等[11]利用HSV色彩空間中各特征分量并結(jié)合面向?qū)ο蟮姆椒ㄟM(jìn)行陰影檢測(cè)；王理政等[12]結(jié)合主成分變換和HIS空間提出了一種面向?qū)ο蟮年幱皺z測(cè)方法。這些方法針對(duì)特定影像雖然取得了較好的效果，但依然存在誤提、漏提現(xiàn)象，如水體、較暗地物等被誤提為陰影及陰影中較亮地物產(chǎn)生的孔洞現(xiàn)象，并且沒有根據(jù)陰影提取目的對(duì)陰影進(jìn)行分類提取，如建筑物高度計(jì)算、陰影補(bǔ)償?shù)萚13]。

本文在總結(jié)前人研究和自身試驗(yàn)的基礎(chǔ)上，以影像光譜特征為基礎(chǔ)，提出一種特征分量的構(gòu)建與建筑物陰影形狀特征相結(jié)合的多尺度分割的面向?qū)ο箨幱疤崛》椒?，可精確地提取出建筑物陰影范圍。

1 建筑物陰影檢測(cè)建模

從建筑物陰影光譜及形狀特征分析陰影區(qū)域具有如下特性：①陰影區(qū)域由于被遮擋，影像中各波段顯示較低的DN(digital number)值；②陰影區(qū)域與植被及較暗地物具有光譜接近的特性；③建筑物陰影形狀一般較為規(guī)則且相對(duì)于其他地物陰影面積較大[14]。

1.1 陰影提取特征分量構(gòu)建

本文擬構(gòu)建4個(gè)特征分量以達(dá)到消除干擾及準(zhǔn)確提取陰影信息的目的。特征分量依次為：主成分第一分量PC1、綠光波段(G)、過綠指數(shù)EXG(excess green)、HIS色彩空間經(jīng)增強(qiáng)后的H分量。

1.1.1 基于主成分分析法構(gòu)建分量PC1

主成分分析是基于圖像統(tǒng)計(jì)信息的線性變換，可以降低數(shù)據(jù)冗余，增強(qiáng)數(shù)據(jù)對(duì)比度，提高影像分割及提取精度。本文采用RGB波段進(jìn)行主成分變換，變換后的第一主成分(PC1)包含原影像90%以上的信息。選用該分量作為影像陰影檢測(cè)的特征分量，可以區(qū)分道路、房屋及裸地等較亮地物，用于陰影的粗提取。

1.1.2 綠光波段G分量

經(jīng)PC1所得出的陰影區(qū)域仍包含有水體、植被和較暗地物，嚴(yán)重影響了陰影的檢測(cè)效果。在RGB影像中水體對(duì)綠光波段具有較強(qiáng)的反射性，對(duì)紅光和藍(lán)光波段吸收性較強(qiáng)。利用綠光波段可以較好地區(qū)分陰影與水體區(qū)域，引入原始數(shù)據(jù)的綠光波段作為特征分量之一。

1.1.3 過綠指數(shù)分量

目前遙感領(lǐng)域檢測(cè)植被的方法大多數(shù)基于可見光-近紅外波段，由于原始影像中無近紅外波段，無法使用基于近紅外波段的植被指數(shù)進(jìn)行植被檢測(cè)。根據(jù)陰影與植被區(qū)域光譜特性并反復(fù)試驗(yàn)對(duì)比各種可見光植被指數(shù)，過綠指數(shù)EXG[15]在陰影與植被區(qū)域具有較強(qiáng)的差異性，選取EXG作為特征分量之一。其表達(dá)式為

EXG=2ρG-ρR-ρB

(1)

式中，ρG為綠波段像元值；ρR為紅波段像元值；ρB為藍(lán)波段像元值。

1.1.4 圖像增強(qiáng)之后的H特征分量

影像中陰影與非陰影區(qū)域在HIS空間具有高色調(diào)(H)、高飽和度(S)、低亮度(I)的基本特征，將原始影像由RGB轉(zhuǎn)換為HIS空間。陰影和較暗地物區(qū)域在色調(diào)分量具有一定的差異性，但單獨(dú)使用時(shí)穩(wěn)定性低且閾值選取困難。為增強(qiáng)差異性，采用伽馬變換[14]對(duì)該分量進(jìn)行增強(qiáng)處理，變換方程如式(2)所示，選取圖像增強(qiáng)之后的H分量作為特征分量。

習(xí)近平總書記的重要講話，明確提出了把新時(shí)代改革開放繼續(xù)推向前進(jìn)的目標(biāo)要求，是一篇馬克思主義的綱領(lǐng)性文獻(xiàn)。對(duì)改革開放最好的紀(jì)念，就是深入學(xué)習(xí)貫徹習(xí)近平總書記重要講話，弘揚(yáng)改革開放鑄就的偉大改革精神，將改革開放進(jìn)行到底。

(2)

式中，yH為對(duì)H分量進(jìn)行伽馬變換所得；xH為H分量原始波段值；a1取值為1.1。

1.2 構(gòu)建形狀特征規(guī)則

為精確提取建筑物陰影需要結(jié)合形狀特征進(jìn)一步設(shè)定規(guī)則，去除非建筑物陰影干擾。影像中的陰影主要有建筑物陰影、植被陰影及部分圍墻的長(zhǎng)條狀陰影，根據(jù)建筑物陰影特性，從面積和長(zhǎng)寬比兩個(gè)特征來進(jìn)一步提取建筑物陰影[14]。

1.2.1 面 積

由于影像中城市區(qū)域植被一般為道路及小區(qū)綠化，建筑物陰影與植被陰影相比在面積上具有較大差距，建筑物陰影一般要遠(yuǎn)大于植被陰影，可通過設(shè)立面積規(guī)則來確定去除小面積植被陰影。面積規(guī)則要通過分析圖像空間分辨率和提取目標(biāo)的大小來確定。

1.2.2 長(zhǎng)寬比

長(zhǎng)寬比是指對(duì)象的最小外接橢圓的長(zhǎng)軸與短軸之比。非建筑物陰影仍存在部分長(zhǎng)條狀陰影，如圍墻、道路兩側(cè)連續(xù)植被陰影等。此類陰影面積較大，無法通過面積特征去除，可利用其長(zhǎng)寬比區(qū)分建筑物陰影和長(zhǎng)條狀陰影。其表達(dá)式為

(3)

式中，r為長(zhǎng)寬比；l1為對(duì)象最小外接橢圓的長(zhǎng)軸長(zhǎng)；l2為對(duì)象最小外接橢圓的短軸長(zhǎng)。

2 面向?qū)ο箨幱皺z測(cè)

面向?qū)ο蟮倪b感圖像分析是一種新的圖像分析理念和模式，以同質(zhì)對(duì)象作為最小分析單元，合理利用對(duì)象的多種特征來制定相應(yīng)的規(guī)則，進(jìn)而對(duì)影像進(jìn)行地物分類。面向?qū)ο蟮男畔⑻崛≈饕譃閮刹剑河跋穹指詈托畔⑻崛　?/p>

2.1 多尺度分割

本文采用多尺度分割方法，根據(jù)實(shí)際情況設(shè)定影像分割參數(shù)，建立多尺度分割構(gòu)架[2]。分割參數(shù)由以下4個(gè)方面組成：波段權(quán)重、分割尺度、形狀因子、緊致度。對(duì)于建筑物陰影提取，以光譜信息作為主導(dǎo)，而由于建筑物陰影較為規(guī)則，分割時(shí)可適當(dāng)增大形狀因子。通過影像本身光譜特性、建筑物陰影形狀特征分析及試驗(yàn)驗(yàn)證，分割尺度設(shè)置為80，形狀因子和緊致度權(quán)重分別設(shè)置為0.35和0.6。

2.2 信息提取

本文選用4種特征分量構(gòu)建規(guī)則集，用于區(qū)分陰影、水體、植被、較暗地物等地物。采用不同方法構(gòu)建所得特征分量，其DN值范圍各異，為便于比較分析，將各分量歸一化處理，統(tǒng)一閾值范圍為[0,1]，對(duì)不同地物特征值進(jìn)行采樣統(tǒng)計(jì)，結(jié)果如圖1所示。

圖1 各特征分量歸一化之后的不同地物DN值

根據(jù)以上分析構(gòu)建基于多尺度分割的面向?qū)ο蠼ㄖ镪幱靶畔⑻崛〖夹g(shù)路線(如圖2所示)及建筑物陰影提取規(guī)則集(如圖3所示)。

圖2 建筑物陰影信息提取技術(shù)路線

圖3 建筑物陰影提取規(guī)則集

3 試驗(yàn)與分析

為驗(yàn)證本文方法的準(zhǔn)確性，選取的兩個(gè)試驗(yàn)區(qū)中均包含陰影、水體、道路、較暗地物及植被等地物。利用本文檢測(cè)模型，將建筑物陰影檢測(cè)結(jié)果疊加到原影像，并用白色表示最終提取的建筑物陰影區(qū)域。將本文檢測(cè)結(jié)果與文獻(xiàn)[16]中陰影指數(shù)NDUI(normalized difference umbra index)方法和基于像素的最大似然監(jiān)督分類方法檢測(cè)結(jié)果進(jìn)行對(duì)比。

試驗(yàn)1選取江蘇省某地區(qū)空間分辨率為0.25 m的RGB遙感影像，如圖4(a)所示。本文方法檢測(cè)結(jié)果如圖4(b)所示，得到的建筑物陰影信息飽滿，邊界清楚，去除了水體、植被及較暗地物等干擾，并消除了白色汽車等高亮地物與陰影有重疊區(qū)域陰影中的孔洞現(xiàn)象?；谖墨I(xiàn)[16]中的NDUI算法結(jié)果檢測(cè)如圖4(c)所示，圖中陰影信息清晰可見，仍存在部分較暗地物，而且建筑物陰影存在較嚴(yán)重的椒鹽現(xiàn)象且建筑物陰影形態(tài)破碎，如圖4(c)中框選部分所示?；谧畲笏迫环ūO(jiān)督分類檢測(cè)結(jié)果如圖4(d)所示，雖然剔除了部分水體、植被等干擾地物的影響，但與建筑物陰影有重疊的較亮區(qū)域被誤判為非陰影，陰影提取結(jié)果也較破碎，如圖4(d)中框選部分所示。

試驗(yàn)2選取安徽省某地區(qū)空間分辨率為0.25 m的RGB遙感影像，如圖5(a)所示。本文方法檢測(cè)結(jié)果如圖5(b)所示，陰影提取效果較好，并且建筑物邊界清晰，無較暗地物、水體及植被的誤提?；陉幱爸笖?shù)NDUI[16]的算法檢測(cè)結(jié)果如圖5(c)所示，圖中陰影信息清晰可見，但水體等地物出現(xiàn)大面積誤提且建筑物陰影形態(tài)破碎，如圖5(c)中框選部分所示?；谧畲笏迫环ūO(jiān)督分類結(jié)果如圖5(d)所示，仍存在植被等地物陰影的誤提現(xiàn)象且建筑物陰影提取不完整，如圖5(d)框選部分所示。

圖4 試驗(yàn)1陰影檢測(cè)結(jié)果

圖5 試驗(yàn)2陰影檢測(cè)結(jié)果

通過對(duì)以上3種方法的對(duì)比分析，可以直觀看出本文的陰影檢測(cè)方法更具優(yōu)勢(shì)。為定量地對(duì)本文建筑物陰影檢測(cè)結(jié)果的精度進(jìn)行判斷，將本文方法與人工解譯結(jié)果進(jìn)行對(duì)比與統(tǒng)計(jì)，結(jié)果見表1。兩個(gè)試驗(yàn)正確提取比例分別為95.28%和96.64%，由此可知，本文方法對(duì)建筑物陰影檢測(cè)具有較高的陰影檢測(cè)精確度。

表1 陰影檢測(cè)結(jié)果精度評(píng)定

為進(jìn)一步評(píng)價(jià)單棟建筑物陰影檢測(cè)精度，從兩個(gè)試驗(yàn)中隨機(jī)選取20棟建筑物與人工標(biāo)定建筑物陰影進(jìn)行像素統(tǒng)計(jì)和精度評(píng)價(jià)。10棟高層建筑物編號(hào)1-10，10棟低層建筑物編號(hào)A-J，編號(hào)如圖4(a)、圖5(a)所示，統(tǒng)計(jì)結(jié)果見表2。從統(tǒng)計(jì)結(jié)果中可以看出，在隨機(jī)抽取的20棟建筑物中，11棟建筑物陰影提取正確比例在95%以上，6棟建筑物陰影提取精度為90%～95%，3棟低層建筑物提取精度為85%～90%。高層建筑物陰影提取正確率為95.90%，低層建筑物陰影提取正確率為92.64%，平均正確率為94.12%。

表2 抽樣建筑物陰影檢測(cè)結(jié)果精度統(tǒng)計(jì)

4 結(jié) 語(yǔ)

本文提出的集成特征分量和多尺度分割的面向?qū)ο蠼ㄖ镪幱皺z測(cè)方法，能夠有效地去除水體、植被及較暗地物的干擾，準(zhǔn)確地提取出陰影區(qū)域，并通過對(duì)建筑物陰影形狀特征的分析，結(jié)合面積和長(zhǎng)寬比進(jìn)一步去除結(jié)果中部分零散植被及長(zhǎng)條狀非建筑物陰影，準(zhǔn)確得出建筑物陰影范圍。相較于傳統(tǒng)高分辨率遙感影像陰影檢測(cè)方法，本文方法信息利用率更高，可以獲取完整的陰影信息，具有較高的精度。不足之處在于：本文方法對(duì)于低矮建筑物陰影會(huì)存在錯(cuò)分現(xiàn)象，降低整體提取精度，仍需要對(duì)低矮建筑物陰影進(jìn)行進(jìn)一步研究，以獲取更好的建筑物陰影提取效果。