尹展，郝玉軍，張利軍，卜鵬，徐思超

(1.有色金屬礦產(chǎn)地質(zhì)調(diào)查中心, 北京 100012； 2.湖南省有色地質(zhì)勘查研究院, 湖南 長(zhǎng)沙 410083)

1 引言

陰影是遙感影像判讀過程中非常普遍的干擾因素。從陰影形成的過程看，陰影是高出地面的物體遮擋太陽光而形成，導(dǎo)致了陰影區(qū)的低輻射強(qiáng)度，這直接干擾了地物成像，使陰影區(qū)地物信息量被不同程度減弱，在影像光譜上表現(xiàn)為DN低值。陰影區(qū)域的信息量相對(duì)較弱，或被忽略或難于判讀，影響了人們的視覺判讀效果，在計(jì)算機(jī)處理過程中還會(huì)影響操作進(jìn)程而產(chǎn)生錯(cuò)誤結(jié)果。隨著遙感影像分辨率的不斷提高，影像中記錄的細(xì)節(jié)信息更為豐富，提取陰影區(qū)域的地物信息也越來越具現(xiàn)實(shí)意義(虢建宏和田慶久，2004；郭杜杜等，2012；鄧琳等，2015)。

陰影去除主要包括陰影檢測(cè)和陰影區(qū)信息補(bǔ)償。目前陰影檢測(cè)技術(shù)可分為基于模型和基于陰影屬性兩類(Tsai，2006；方永銘等，2015)?；谀Ｐ偷姆椒ㄐ枰黝愄囟▓?chǎng)景參數(shù)，應(yīng)用條件苛刻，難于推廣；基于陰影屬性的方法由于可操作性強(qiáng)，應(yīng)用普遍。應(yīng)用較多的有灰度直方圖(于東方等，2008)、同態(tài)系統(tǒng)濾波(郝寧波和廖海斌，2010)、紋理分析(許妙忠和余志惠，2003)、多波段檢測(cè)(虢建宏等，2006)、面向?qū)ο蠹夹g(shù)(蒲智等，2008)、HSI彩色空間變換(楊俊等，2008)、陰影植被指數(shù)(shaded vegetation index，SVI)(許章華等，2013)等。這些方法各有特點(diǎn)：灰度直方圖法檢測(cè)陰影操作簡(jiǎn)單、方便快捷；同態(tài)濾波對(duì)光照度不均勻圖像效果突出；紋理分析充分利用了高分辨率影像的紋理信息；面向?qū)ο蠹夹g(shù)把陰影區(qū)域“同質(zhì)”像素作為對(duì)象進(jìn)行特征信息提取與處理，較好地解決了影像分割過程中的噪聲問題；HSI顏色空間能在不改變非陰影區(qū)域信息的情況下，有效地去除陰影的影響；SVI對(duì)近紅外波段輻射特征差異較大的地物效果較好。但仍存在一些問題，如直方圖法容易使低反射率(如水體)地物被誤認(rèn)作陰影；同態(tài)濾波會(huì)同時(shí)修改非陰影區(qū)信息；紋理分析對(duì)中低分辨率影像效果較差；面向?qū)ο蠹夹g(shù)像元分割過程中各類參數(shù)取值較難把握。其它方法如基于樣本學(xué)習(xí)的陰影去除方法研究也較多(Song et al.,2014；張永庫等，2016)。

云霧陰影相對(duì)一般建筑物陰影有其共性，即都具有較低的亮度值，且與非陰影區(qū)域的像元具有較明顯的對(duì)比度；也有不同之處，云霧陰影邊界更為光滑，這給邊緣檢測(cè)帶來一定難度(陳奮等，2005)。但云霧陰影灰度值較建筑物陰影更均勻，陰影區(qū)域信息沒有交叉影響，多重陰影干擾信息少，形態(tài)學(xué)封閉性更強(qiáng)。

2 方法介紹

尹展(2020)在去除遙感影像薄云霧時(shí)提出了一種“HSI彩色空間變換+強(qiáng)迫不變”混合型強(qiáng)迫不變技術(shù)，該方法既充分利用HSI彩色空間變換特性，提高了計(jì)算機(jī)圖像處理效率，同時(shí)以改進(jìn)的強(qiáng)迫不變方法為混合像元分解核心技術(shù)，完成了影像薄云霧的去除。由于云霧懸浮空中，遮擋太陽光，使得地物光譜信息受到干擾和減弱，云霧陰影去除的核心是對(duì)陰影的檢測(cè)和對(duì)陰影像元的分解，求得云霧對(duì)相應(yīng)地物的干擾值，得以分解相應(yīng)地物像元，最后再進(jìn)行光譜補(bǔ)償。改進(jìn)的強(qiáng)迫不變方法在分解混合像元中有較好的應(yīng)用效果(尹展等，2019)，因此，本次采用改進(jìn)的混合型強(qiáng)迫不變技術(shù)進(jìn)行云霧陰影去除與應(yīng)用。主要步驟如下：

(1)陰影檢測(cè)。采用“波段選擇+HSI彩色空間變換”進(jìn)行陰影檢測(cè)。波段選擇保證所選波段包含信息量最豐富，地物信息特征值明顯，可區(qū)別性最大；HSI彩色空間變換能較好地簡(jiǎn)化圖像分析與亮度分離，又不過多損失影像信息；最后根據(jù)陰影亮度值低這一特征選擇I分量完成閾值分割。

(2)陰影去除。采用強(qiáng)迫不變進(jìn)行陰影去除。強(qiáng)迫不變方法的核心是基于混合像元分解，通過分析目的物與整體像元相互關(guān)系，通過計(jì)算擬合曲線獲取平滑值(強(qiáng)迫值)，假定該值使得目的物與整體像元間不存在關(guān)聯(lián)性，進(jìn)而平滑目的物完成分離。計(jì)算公式為

(1)

式(1)中Pnew=新像素值；Poriginal=原始像素值；Ptarget=平滑值；Pshadow=相應(yīng)陰影像素值。

3 方法實(shí)驗(yàn)

3.1 研究區(qū)概況

研究區(qū)位于湖南省江華瑤族自治縣，范圍在E111°25′25″～112°12′35″、N24°38′35″～25°19′43″之間，亞熱帶濕潤(rùn)季風(fēng)氣候區(qū)，多山地丘陵，地形切割較深，云霧天氣較多。

在高中物理解題能力上，解題思維至關(guān)重要.物理題因知識(shí)點(diǎn)細(xì)碎、多元，同一物理題可能有不同的解法.平時(shí)在解題中，除了審題外，還要從題目中獲取有價(jià)值的解題信息，根據(jù)這些解題條件來尋找解題突破口，指向解題目標(biāo).當(dāng)然，解題思維在表現(xiàn)上具有多樣性，如發(fā)散思維、逆向思維、整體思維等.現(xiàn)結(jié)合高中物理解題實(shí)際，就解題思維的培養(yǎng)路徑進(jìn)行歸納.

3.2 數(shù)據(jù)源及其預(yù)處理

數(shù)據(jù)源選用Landsat-8 OLI數(shù)據(jù)，行列號(hào)為43/123，數(shù)據(jù)拍攝時(shí)間為2020年5月9日，Landsat-8 OLI多光譜空間分辨率30 m，全色分辨率15 m，由于南方山區(qū)大氣環(huán)境對(duì)衛(wèi)星成像干擾較大，須對(duì)其進(jìn)行暗像元大氣校正(俞樂等，2011)。

3.3 陰影檢測(cè)

3.3.1 波段組合

(1)典型地物光譜特征曲線分析：因光照強(qiáng)弱不同和地物反射函數(shù)不同，不同地物具有不同的光譜特征。選取陰影、云霧、裸地、植被四種主要典型地物光譜特征繪制曲線圖(圖1)，可見各類地物在B5波段最易區(qū)分、B6波段較易區(qū)分；云霧亮度值高，在各個(gè)波段均易區(qū)分；陰影和植被在B1、B2、B3、B4波段易混淆。

圖1 典型地物光譜特征曲線圖

(2)各波段光譜特征值統(tǒng)計(jì)：各波段光譜特征值統(tǒng)計(jì)反映了遙感影像所包含信息量大小，標(biāo)準(zhǔn)差越大，信息量越豐富，對(duì)各波段最小值、最大值、均值和標(biāo)準(zhǔn)差統(tǒng)計(jì)顯示(表1)，B5、B6波段信息量最為豐富，其次B7>B4>B3>B2>B1。

表1 各波段影像光譜特征統(tǒng)計(jì)

(3)波段相關(guān)性分析：波段之間相關(guān)性分析以兩波段的相關(guān)系數(shù)來表示，根據(jù)前人研究成果，采用波段相關(guān)系數(shù)較小的波段進(jìn)行合成，其圖像質(zhì)量相對(duì)較高(顏鳳芹等，2014)。研究區(qū)各波段相關(guān)系數(shù)顯示(表2)，B5與各波段相關(guān)系數(shù)均較小，B6與各波段相關(guān)系數(shù)均相對(duì)較小，B1與各波段相關(guān)系數(shù)均較大。

表2 各波段之間相關(guān)系數(shù)矩陣

(4)OIF 指數(shù)分析：OIF 指數(shù)分析通過計(jì)算波段間相關(guān)性和標(biāo)準(zhǔn)差來確定波段組合的信息量，OIF 指數(shù)值越大，波段組合包含的信息量越大，組合效果越好(許泉立和易俊華，2014)。采用Matlab軟件編程計(jì)算出1-7波段組合OIF指數(shù)(表3)。表3顯示，B145、B245、B345、B456、B135指數(shù)排位靠前。

表3 各波段組合 OIF 指數(shù)及其排序

(5)目視判讀分析：從以上分析可以看出，B6、B5波段可以優(yōu)先確定，再結(jié)合目視習(xí)慣和目視判讀效果，選用B6、B5和B4 為最佳波段組合，且B6、B5和B4分別被賦予紅、綠、藍(lán)通道。圖2顯示，B654波段組合顏色鮮明，陰影突顯，地物可分性強(qiáng)。為突出陰影原始信息，影像均沒有進(jìn)行拉伸。

圖2 波段組合效果對(duì)比

將影像的B6(R)、B5(G)、B4(B)進(jìn)行HSI彩色空間變換，變換公式為式(2)

(2)

(3)

式(2)中H為色調(diào)；S為飽和度；I為亮度。

3.3.3 閾值分割

由于云霧遮擋，入射光被大幅衰減，使得云霧陰影區(qū)亮度值變低，與周圍非陰影區(qū)像元對(duì)比明顯，利用好這一特征是分解陰影像元的關(guān)鍵。HSI模型是由色調(diào)(H)、飽和度(S)和亮度(I)三個(gè)分量組成的空間立體模型，其中亮度(I)反映純色屬性的明亮程度，取值范圍為[0，1]。因此，選用I分量進(jìn)行閾值分割，[0.015686，0.096708]范圍之內(nèi)的數(shù)據(jù)提取為陰影單波段(圖3a)，標(biāo)記為陰影因子。為方便計(jì)算影像各波段與陰影因子之間關(guān)系，將陰影因子換算至[0，255]。

3.3.4 對(duì)比分析

為分析“波段選擇+HSI彩色空間變換”陰影檢測(cè)效果，選用了灰度直方圖法、陰影植被指數(shù)法(SVI)以及面向?qū)ο蠹夹g(shù)三種較具代表性的陰影檢測(cè)技術(shù)進(jìn)行效果對(duì)比。

由于陰影區(qū)域普遍灰度級(jí)較低，利用灰度直方圖進(jìn)行閾值分割方便快捷，是較常用的一種方法。進(jìn)行灰度直方圖前，仍需對(duì)各類地物光譜特征進(jìn)行分析，不同的波段分割效果截然不同。前文已對(duì)實(shí)驗(yàn)區(qū)內(nèi)典型地物光譜特征進(jìn)行分析，B5波段各類地物差異性較大，這里選用B5波段進(jìn)行灰度直方圖閾值分割，分割效果見圖3b。

圖3 各類陰影檢測(cè)方法效果對(duì)比圖(藍(lán)色—陰影范圍)

陰影植被指數(shù)(shaded vegetation index,SVI)能有效檢測(cè)出明亮區(qū)、陰影區(qū)、水體區(qū)之間的差異，且無需參數(shù)、處理方便，其計(jì)算公式為式(3)，提取效果見圖3c。

(3)

式(3)中，SVI=陰影植被指數(shù)，NIR=近紅外波段反射率，R=紅光波段反射率。

隨著遙感影像分辨率不斷提高，面向?qū)ο蟮挠跋穹指罴夹g(shù)越來越受到重視，該技術(shù)利用陰影區(qū)域的像元具有較強(qiáng)的同質(zhì)性這一特性設(shè)置特征函數(shù)，進(jìn)而提取陰影區(qū)域同質(zhì)目標(biāo)。影像分割是面向?qū)ο蠹夹g(shù)的重點(diǎn)，分割參數(shù)決定了提取效果，本次實(shí)驗(yàn)的主要分割參數(shù)有：分割尺度115，顏色權(quán)重0.75，形狀權(quán)重0.35，光滑權(quán)重0.40，效果見圖3d。

圖3對(duì)比顯示，四種方法均能提取出陰影區(qū)域，但有不同程度的缺陷。陰影植被指數(shù)(SVI)和單波段灰度直方圖法陰影檢測(cè)有較多錯(cuò)提圖斑，如低亮度值植被、水體和裸地被錯(cuò)提為陰影，且影像椒鹽現(xiàn)象普遍；面向?qū)ο蠹夹g(shù)基本解決了陰影檢測(cè)中的椒鹽現(xiàn)象，但所提圖斑較實(shí)際范圍變大，且存在一些錯(cuò)提，如水體錯(cuò)提為陰影；本文“波段選擇+HSI彩色空間變換”所提陰影基本與原始地物相吻合，有少量山體陰影被誤提取。綜合分析，本文方法準(zhǔn)確度較高、操作性強(qiáng)、效果較好。

3.4 陰影去除

3.4.1 計(jì)算各波段與陰影散點(diǎn)圖及擬合曲線

散點(diǎn)圖能清楚地展示各波段與陰影之間數(shù)量關(guān)系，擬合曲線用來描述各個(gè)波段對(duì)應(yīng)陰影波段的變化趨勢(shì)。在曲線平滑前，各個(gè)波段的光譜信息隨陰影波段值的變化而變化，或呈正相關(guān)，或呈負(fù)相關(guān)。圖4所示各波段與陰影的擬合曲線。

圖4 各波段光譜值與陰影散點(diǎn)圖的變化曲線

3.4.2 曲線平滑值獲取

在各波段與陰影擬合曲線的基礎(chǔ)上，通過中值濾波實(shí)現(xiàn)曲線平滑。根據(jù)前人研究顯示，陰影屬性有較強(qiáng)的同質(zhì)性(蒲智等，2008)，結(jié)合圖4擬合曲線，這里不再對(duì)平滑值進(jìn)行分段提取。采用Matlab軟件最終獲取各波段平滑值(表4)。

表4 各波段曲線平滑值

3.4.3 強(qiáng)迫不變處理

把各波段曲線平滑值代入式(1)，由于陰影與周圍地物有較強(qiáng)的光譜差異，地物交接處常會(huì)產(chǎn)出邊緣效應(yīng)，在強(qiáng)迫不變處理后，沿陰影邊界進(jìn)行一次中值濾波可降低邊緣效應(yīng)影響。處理后得到效果圖(圖5)。

3.4.4 效果分析

主觀分析，對(duì)比處理后影像圖5與原始影像(圖2b)，處理后影像中云霧陰影基本得到消除，陰影區(qū)域覆蓋植被與裸地顯現(xiàn)，陰影區(qū)影像判讀能力顯著提升，整幅影像色調(diào)無異常。

圖5 云霧陰影去除后效果圖

客觀分析，選取一行橫跨陰影區(qū)與非陰影區(qū)的像元值，計(jì)算陰影區(qū)與非陰影區(qū)處理前后變化情況。線譜圖(圖6)直觀地顯示，在選取紅線的陰影區(qū)域，云霧陰影處理后像元灰度值明顯提高，與周邊植被區(qū)像元灰度值基本一致；非陰影區(qū)域處理后像元灰度值與原始影像一致，沒有變化。這說明云霧陰影去除方法復(fù)原效果較好，能得到與原始影像較近的影像，且沒有損壞非陰影區(qū)信息量。

圖6 處理前后影像水平剖面對(duì)比圖

4 討論

陰影普遍存在，陰影屬性檢測(cè)與消除研究是遙感圖像處理領(lǐng)域的熱點(diǎn)與難點(diǎn)，目前研究成果大多針對(duì)某一類地物陰影屬性，不同地物陰影屬性重疊會(huì)使陰影屬性更為復(fù)雜。事實(shí)上，建筑陰影、樹木陰影以及山體陰影等在遙感影像上很普遍，遇到有云霧陰影的情況下會(huì)重疊，致使陰影信息檢測(cè)與去除更為困難。多重地物陰影的重疊會(huì)使得陰影屬性不再是簡(jiǎn)單的“同質(zhì)性”，而是多層次性，影響程度大的地物其陰影會(huì)占據(jù)主導(dǎo)作用，影像色調(diào)會(huì)更深；影響程度低的地物其陰影信息則弱些，影像色調(diào)變淺。如何從像元中分解這些多層次的陰影屬性，是解決多重陰影檢測(cè)與去除的關(guān)鍵，文章暫時(shí)沒有深入探討，后續(xù)會(huì)加強(qiáng)研究。

5 結(jié)論

文章針對(duì)云霧陰影，建立“波段組合+HSI彩色空間變換”陰影檢測(cè)方法，再運(yùn)用強(qiáng)迫不變技術(shù)進(jìn)行陰影去除，通過實(shí)驗(yàn)，取得如下結(jié)論和認(rèn)識(shí)：

(1)“波段組合+HSI彩色空間變換”陰影檢測(cè)方法利用了各類典型地物在各波段的光譜響應(yīng)特征，保證了所選波段所包含信息量豐富，地物信息特征值明顯，可區(qū)別性最大。對(duì)比分析實(shí)驗(yàn)表明，該方法能有效識(shí)別出陰影范圍，準(zhǔn)確度高，漏提錯(cuò)提信息少。

(2)云霧陰影具有較強(qiáng)的均質(zhì)性，強(qiáng)迫不變過程中可不用分段獲取平滑值，但陰影去除后會(huì)有邊緣效應(yīng)，應(yīng)采用中值濾波予以去除。

(3)研究成果表明，“波段組合+HSI彩色空間變換+強(qiáng)迫不變”的混合型強(qiáng)迫不變方法能有效檢測(cè)陰影范圍，還原陰影區(qū)地物信息，無須特定場(chǎng)景參數(shù)，信息保存完整。

(4)遙感影像中，陰影信息普遍存在，嚴(yán)重阻礙了影像判讀，影響了解譯效果。文中提出的技術(shù)方法能消除云霧陰影影響，提高解譯精度，為其他地物陰影檢測(cè)與去除提供了一個(gè)技術(shù)思路，具有較好的參考價(jià)值。