劉 洋，張國軍

(中國科學(xué)院大學(xué)微電子學(xué)院，北京 100000)

1 引言

為獲取高空拍攝圖像的某些特征，需進(jìn)一步增強(qiáng)遙感圖像質(zhì)量。遙感技術(shù)最初廣泛應(yīng)用在軍事中，后來成為一種普遍民用技術(shù)。特別是近年來，衛(wèi)星向地面平臺發(fā)送海量遙感影像信息，但大部分影像信息中摻雜了各類干擾因素，獲取的遙感圖像質(zhì)量較差、對比度低、陰影問題明顯，對實(shí)際應(yīng)用造成嚴(yán)重影響。陰影是由于光照不足產(chǎn)生的，會導(dǎo)致圖像真實(shí)信息丟失，對圖像匹配、特征提取等工作帶來負(fù)面影響。消除遙感圖像中的陰影部分是通過各種方法，增強(qiáng)圖像細(xì)節(jié)信息，且平衡圖像亮度。處理后的圖像既能夠便于計(jì)算機(jī)處理，還能為后續(xù)操作奠定基礎(chǔ)，因此陰影去除值得深入研究。

為此，文獻(xiàn)[1]提出基于低尺度細(xì)節(jié)恢復(fù)的圖像陰影消除方法。利用光照敏感多尺度圖像分解方式，在不損失光照值前提下提取圖像紋理特征；基于此，獲取多尺度圖像圖層模板，利用模板與真實(shí)圖像相匹配，引入邊界復(fù)原子網(wǎng)過渡陰影的邊界，得到紋理豐富的圖像。文獻(xiàn)[2]利用改進(jìn)對數(shù)變換聯(lián)合局部增強(qiáng)的圖像陰影自動補(bǔ)償方法。設(shè)計(jì)了改進(jìn)的對數(shù)變換增強(qiáng)算法，建立變換模型，提升陰影區(qū)域亮度；結(jié)合局部補(bǔ)償模型，做加權(quán)處理，改善對比度；利用陰影邊界同類特征點(diǎn)實(shí)現(xiàn)陰影參數(shù)補(bǔ)償。但是上述兩種方法保留的細(xì)節(jié)與邊緣信息不夠完整，影響了陰影消除的最終效果。

基于此，本文提出基于NSCT算法及Retinex理論的遙感圖像陰影消除方法。NSCT具備多尺度、多分辨率等特征，有效優(yōu)化圖像的細(xì)節(jié)保留效果。在Retinex理論中，目標(biāo)可以被觀測到的所有顏色信息取決于目標(biāo)自身反射特征[3]與周圍光強(qiáng)。因此Retinex的思路就是去除光照影響，保留目標(biāo)原有屬性，進(jìn)而消除陰影部分。為驗(yàn)證所提方法的有效性，設(shè)計(jì)了一次仿真。實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的應(yīng)用性能的優(yōu)勢。

2 基于彩色模型的遙感圖像陰影區(qū)域檢測

2.1 陰影類型與屬性分析

陰影在遙感圖像中普遍存在。按照陰影的形成原因，可將其劃分為本影與透射陰影[4]兩種。其中前者為物體自身沒有被光源照射到的部位；后者為物體由于光源阻擋生成的背景部分。

在遙感圖像中，陰影是由于太陽光照射導(dǎo)致的，本影并不明顯，因此遙感圖像中的陰影是指透射陰影。其具有如下屬性：

1)具有低頻特性：傅里葉變換使圖像從空間域變換到頻率域[5]中，陰影部位的亮度偏低，光線較弱，因此，陰影內(nèi)的圖像梯度偏低，因此具有低頻特性。

2)亮度值低、飽和度較高：因?yàn)榇髿饩哂猩⑸涮柟獾墓δ?，因?yàn)閳D像陰影部位的光線為藍(lán)紫色光，此類光線具有波長較短特征，所以陰影部分的顏色飽和度較高。

3)陰影部分顏色具有穩(wěn)定特征：一些顏色特征在陰影區(qū)域中比較穩(wěn)定，不會隨成像條件的改變而發(fā)生改變。

4)陰影部分的紅、綠光波會急劇減少，使藍(lán)紅光與藍(lán)綠光的相關(guān)性減小。

2.2 陰影區(qū)域檢測

1)HSV彩色空間

HSV[6]可體現(xiàn)出人類視覺觀察色彩方式。HSV彩色空間是在柱坐標(biāo)系基礎(chǔ)上將RGB(Red Green Blue，紅綠藍(lán))映射到HSV中，利用下述方程表示：

(1)

式中

(2)

2)C1C2C3彩色空間

在一些彩色空間內(nèi)，陰影部分的色彩特性不會隨著光照的改變而改變，因此本文利用一種彩色特征不變的C1C2C3空間實(shí)現(xiàn)圖像空間轉(zhuǎn)換

(3)

3)檢測過程

HSV-C1C2C3彩色空間陰影檢測方法即為對兩個空間的檢測區(qū)域進(jìn)行計(jì)算，若某一部分在兩種空間中均被認(rèn)定為陰影區(qū)域，則該部分就是陰影區(qū)域，反之將其作為亮度較低區(qū)域。

基于以上內(nèi)容，陰影檢測步驟如下：

步驟一：獲取色調(diào)分量H、飽和度S以及亮度V；

步驟二：通過光譜比方式，設(shè)定M=(S-V)/(H+S+V)，獲得比值圖像，加強(qiáng)陰影部分色調(diào)、亮度與飽和度等特征；

步驟三：選取圖像分割閾值，完成圖像分割處理，獲得初步陰影部分；

步驟四：對分割后的遙感圖像做濾波處理，選出備選陰影部分；

步驟五：使遙感圖像從RGB空間引入到C1C2C3空間內(nèi)，獲取C3分量圖，同時從RGB空間內(nèi)獲得B分量；

步驟六：對上述獲得的兩個分量圖做閾值分析，確定雙閾值檢測結(jié)果；

步驟七：將步驟四與步驟六的結(jié)果做重合處理，得到最終的陰影區(qū)域。

3 遙感圖像陰影消除

3.1 基于NSCT的遙感圖像去噪

1)NSCT分解

Contourlet變換為多分辨率、多方向的多尺度分析方法，改善了小波無法高精度獲取圖像邊緣信息的不足。但是此種方法不具備平移不變性[7]，此種特征對圖像處理的效果產(chǎn)生較大影響，圖像在空間域進(jìn)行平移時，Contourlet變換系數(shù)會出現(xiàn)改變，造成去噪后的圖像邊緣會發(fā)生偽吉布斯現(xiàn)象。為使其具備平移不變性，本文利用NSCT方法對其改進(jìn)，將圖像分解為低頻與高頻兩個區(qū)域，其中高頻部分被劃分成多個頻率子帶，達(dá)到多方向分解目的；又將低頻細(xì)分為高頻與低頻區(qū)域，實(shí)現(xiàn)更加細(xì)致的輪廓分割。圖1為NSCT分解過程，經(jīng)過分解的圖像尺寸不發(fā)生改變。

圖1 NSCT分解過程

2)低頻系數(shù)調(diào)節(jié)

通過NSCT分解后，一些低頻分量中會存在負(fù)數(shù)，對圖像的清晰度產(chǎn)生嚴(yán)重影響，因此需對低頻分量進(jìn)行線性增強(qiáng)操作[8]。獲得圖像的最大像素值Xmax與最小像素值Xmin，再通過線性映射函數(shù)將灰度區(qū)間[Xmin，Xmax]映射在[0，255]中，則線性增強(qiáng)函數(shù)表示為

y=f(x)=255*(x-xmin)/(xmax-xmin)

(4)

3)高頻系數(shù)處理

NSCT變換之后，高頻區(qū)域與圖像邊緣、細(xì)節(jié)及大多數(shù)噪聲相對應(yīng)。描述圖像細(xì)節(jié)的NSTC系數(shù)會由于尺度分解逐漸處于穩(wěn)定狀態(tài)，而表示噪聲的NSCT系數(shù)會呈現(xiàn)出指數(shù)下降趨勢。針對高于閾值的NSCT系數(shù)，將其作為有用信息保留，而低于閾值的系數(shù)，將其作為噪聲并置0。

(5)

式中，Zj，k(m，n)表示j尺度，方向k的NSCT系數(shù)。針對Tj，k(m，n)，利用Visu Shrinkage閾值法

(6)

式中，N描述NSCT分解系數(shù)總數(shù)量。

(7)

(8)

建立能量函數(shù)如下

(9)

(10)

在進(jìn)行高頻系數(shù)處理時，選取的閾值綜合考慮了不同尺度與相同尺度的噪聲特性，因此最終確定的閾值可以有效過濾噪聲，保留更多圖像自身信息，更有利于影像消除操作。

3.2 基于Retinex理論的圖像陰影消除

由光學(xué)理論可知，通常到達(dá)視網(wǎng)膜的顏色信號為入射光強(qiáng)和場景內(nèi)任意一點(diǎn)表面反射率的乘積，利用下述公式表示

I(x，y)=R(x，y)·L(x，y)

(11)

式中，R(x，y)代表某一顏色像素(x，y)點(diǎn)的反射率，L(x，y)表示對應(yīng)像素點(diǎn)處入射光強(qiáng)，I(x，y)則描述圖像像素值。

由此可知圖像像素值取決于入射光與物體反射率。在這一理論基礎(chǔ)上，Retinex對圖像I進(jìn)行分解，分為光照圖像L和反射圖像R，這兩個圖像相互獨(dú)立。通過減少光照影響來恢復(fù)由于光線改變丟失的信息，進(jìn)而增強(qiáng)圖像。具體過程如下。

3.2.1 單尺度Retunex算法

單尺度Retinex算法可表述為：

Ri(x，y)=lgIi(x，y)-log[F(x，y)*Ii(x，y)]

(12)

式中，Ii(x，y)代表輸入圖像中第i個色彩通道，*為卷積運(yùn)算符號，Ri(x，y)是Retinex的輸出結(jié)果，F(xiàn)(x，y)表示高斯函數(shù)[9]，計(jì)算公式如下

(13)

式中，σ2代表概率分布標(biāo)準(zhǔn)差，屬于高斯濾波器的參數(shù)，r為濾波器模板半徑。

3.2.2 自適應(yīng)單尺度Retinex理論

由上述可知單尺度Retinex方法必須經(jīng)過人工設(shè)置參數(shù)，圖像增強(qiáng)的效果通常與人工經(jīng)驗(yàn)有關(guān)。

由于單尺度Retinex方法只存在一個σ2個參數(shù)，只要可以自動設(shè)置σ2，即可提高該算法的自適應(yīng)性。結(jié)合以往經(jīng)驗(yàn)，通常將高斯模板半徑的值設(shè)置為r=80，但該值僅為經(jīng)驗(yàn)值，并不代表適用于全部情況。

通過高斯濾波器進(jìn)行平滑的主要作用是獲得低通濾波遙感圖像。為提高圖像均衡化程度，將整幅圖像灰度均值當(dāng)作高斯函數(shù)尺度。

由于高斯濾波器屬于線性平滑濾波器[10]，利用持續(xù)窗函數(shù)內(nèi)像素加權(quán)即可達(dá)到平滑目的。結(jié)合高斯函數(shù)特性可知，平滑程度隨參數(shù)σ2的增大而增大。因此σ2的計(jì)算問題就是判定當(dāng)前像素點(diǎn)對圖像平滑程度的問題。

設(shè)定圖像灰度均值為M，I′(x，y)為坐標(biāo)(x，y)點(diǎn)的灰度值，row×col代表圖像的像素。那么，圖像平均灰度為

(14)

若整幅圖像完全平滑時，即全部點(diǎn)灰度值都相同時，滿足式(15)的等式條件

R=W′(a，b)

(15)

詳細(xì)過程如下：

步驟一：將式(15)兩端取對數(shù)，同時將入射與反射光分量描述為和的形式，如下

logR=logW′(a，b)=logR(a，b)+logL(a，b)

(16)

步驟二：利用高斯模板實(shí)現(xiàn)初始圖像的卷積，得到較大噪聲的圖像maxZ(a，b)，假設(shè)高斯函數(shù)f(a，b)，此時有：

minZ(a，b)=W(a，b)*f(a，b)

(17)

步驟三：在對數(shù)域內(nèi)，利用初始圖像與濾波后的圖像進(jìn)行差值運(yùn)算，得到無陰影圖像Q(a，b)為

Ret(x，y)=logI(x，y)-maxZ(a，b)

(18)

由于像素值為0時，對數(shù)不存在實(shí)際意義，因此可令全部灰度值是0的像素值為1。

4 仿真設(shè)計(jì)與研究

為證明本文方法對遙感圖形陰影消除的效果，進(jìn)行仿真。利用不同算法測試歸一化植被指數(shù)(NDVI)。該指標(biāo)值越高，說明圖像對應(yīng)區(qū)域的光照較好。不同方法的平均NDVI值具體測試結(jié)果如表1。

表1 不同方法NDVI值表

由表1能夠看出，本文陰影檢測方法的平均NDVI值明顯高于對比方法，說明本文方法下遙感圖像具有全面較好的光照，去除了陰影。

在陰影消除效果的仿真中，為更加合理地對本文方法進(jìn)行評價(jià)，將清晰度、均值和標(biāo)準(zhǔn)差當(dāng)作評價(jià)指標(biāo)，其計(jì)算公式分別為。

(19)

式中，x′(i′，j′)代表遙感圖像像素值，(M′N′)為圖像大小。該值越大表明圖像越清晰。

(20)

均值能夠體現(xiàn)出圖像亮度，實(shí)際應(yīng)用中均值為128左右，低于該值說明圖像較暗，高于該值，證明圖像越亮。

(21)

標(biāo)準(zhǔn)差描述了圖像整體對比度，該值越大，整體對比度越高。

表2 不同方法陰影去除后的圖像質(zhì)量對比表

為進(jìn)一步驗(yàn)證所提方法的有效性，利用不同方法處理遙感圖像，所得結(jié)果如圖2。

圖2 不同方法陰影消除效果對比圖

由表2和圖2可知，利用本文方法消除陰影后的圖像無論是在清晰度、均值還是標(biāo)準(zhǔn)差方面均具有絕對優(yōu)勢，獲得了較強(qiáng)的圖像增強(qiáng)效果。這是由于本文首先使用了去噪方法，最大程度保留圖像原始信息，同時本文的Retinex方法具有自適應(yīng)性，可以減少人工干預(yù)，獲得更加理想效果。

5 結(jié)論

本文提出基于NSCT算法及Retinex理論的遙感圖像陰影消除方法。利用彩色空間轉(zhuǎn)換方法檢測出陰影區(qū)域，通過NSCT算法保留圖像細(xì)節(jié)信息，最后對Retinex理論進(jìn)行改進(jìn)，獲取增強(qiáng)后的圖像，有效消除陰影區(qū)域。仿真結(jié)果表明：該方法能夠提高圖像質(zhì)量，提高清晰度。雖然提出的方法在圖像增強(qiáng)方面確定一定效果，但是NSCT方法計(jì)算量較大，時效性不足，因此在今后研究中需對其作出改進(jìn)。