白 杰

（呂梁職業(yè)技術(shù)學(xué)院，山西 孝義）

地物造成了光線的阻隔，于是就有了陰影綽綽的影子。為此，有些位置在圖像中呈現(xiàn)出較暗的圖像素值區(qū)域，稱為圖像的陰影區(qū)域。

1 測(cè)區(qū)概括

左權(quán)縣的地形高度差異顯著，同時(shí)廣泛分布的高大喬木和一些新建區(qū)的高大建筑物導(dǎo)致農(nóng)村土地使用權(quán)確認(rèn)的航空攝影圖像中存在諸多陰影區(qū)域。這種現(xiàn)象在地類識(shí)別和權(quán)屬界限的精確界定中造成了顯著挑戰(zhàn)。因此，我們需要研究并建立一種檢測(cè)方法，用于在遙感影像前處理中準(zhǔn)確辨識(shí)和剔除這類陰影區(qū)域，從而提高遙感影像在該類地形起伏較大的區(qū)域的地類識(shí)別精度和權(quán)屬界限劃定的準(zhǔn)確性[3]。準(zhǔn)確地鑒別地物以及精準(zhǔn)地劃定所有權(quán)屬邊界，對(duì)于高質(zhì)量完成全縣農(nóng)村土地確權(quán)任務(wù)來(lái)說(shuō)，具有舉足輕重的學(xué)術(shù)價(jià)值[4]。因此，本研究的結(jié)果對(duì)于遙感影像上陰影區(qū)地物的精確定性、土地權(quán)屬界限的準(zhǔn)確劃定以及植被覆蓋研究等多個(gè)領(lǐng)域，均具有深遠(yuǎn)的影響。

2 遙感影像陰影檢測(cè)方法的原理與現(xiàn)有算法

2.1 遙感影像陰影的特性

之所以會(huì)形成陰影，是由于地面物體對(duì)光源的遮擋而形成的，這種現(xiàn)象在自然界中廣泛存在，是遙感圖像的一種常見(jiàn)特征[2]。從基本原理出發(fā)，可見(jiàn)光和紅外遙感影像中的陰影可以根據(jù)其形成原因主要分為兩類：本影和投射影[8]。所謂本影和投射影，其實(shí)是可以區(qū)別對(duì)待的，所謂本影和投射影[1]是可以區(qū)別對(duì)待的，本影指的是當(dāng)一個(gè)光源照射到某個(gè)物體時(shí)，該物體上沒(méi)有被光源直接照射到的那部分。這部分區(qū)域之所以被稱為本影，是因?yàn)樗弧氨尽惫庠此坝啊鄙w住了。本影沒(méi)有被光線直接照射到光源照射到物體上的部分[5]。投影陰影的本質(zhì)是一種光學(xué)現(xiàn)象，它源于物體對(duì)光線的遮擋，從而在地面上形成物體的影子[6]。這種現(xiàn)象在攝影領(lǐng)域中也有所體現(xiàn)，當(dāng)光線照射到物體并被阻擋時(shí)，會(huì)在像片上形成相應(yīng)的圖像。這些圖像與物體的形狀、大小以及它與光源之間的距離有關(guān)；投影陰影的本質(zhì)是光線被物體遮擋光的投射影分為兩種[7]：全影和半影。全影指完全無(wú)光的區(qū)域，半影則指在這些區(qū)域內(nèi)呈現(xiàn)漸變效果的局部有光的區(qū)域。我們可以根據(jù)圖1 來(lái)歸類陰影。

圖1 陰影的分類

要處理的影像區(qū)，其實(shí)就是一個(gè)投影影像區(qū)，用來(lái)做遙感的領(lǐng)域。如圖1 是分類介紹Shadow（Shadow）。

2.2 遙感影像陰影檢測(cè)算法

提取識(shí)別形象輪廓是只要提取形象輪廓，就能探測(cè)出形象的陰影區(qū)域；但是，要想獲得影像區(qū)內(nèi)的地物信息，除了對(duì)影像區(qū)進(jìn)行探測(cè)外，還必須對(duì)影像區(qū)內(nèi)的地物進(jìn)行除影工作，才能恢復(fù)航測(cè)高分辨率影像區(qū)內(nèi)陰影的地物紋理。由此可知，人員測(cè)繪通過(guò)儀器無(wú)人機(jī)航測(cè)出遙感影像區(qū)域內(nèi)的陰影部分，為后續(xù)處理無(wú)人機(jī)航測(cè)遙感影像內(nèi)的紋理信息提供依據(jù)。

國(guó)內(nèi)外學(xué)者研究過(guò)多種陰影檢測(cè)的辦法，歸納起來(lái)分為基于模型(模型)的探測(cè)(發(fā)現(xiàn))和基于算法(算法)的探測(cè)(發(fā)現(xiàn))兩大類[9]。

一是以模型為基礎(chǔ)的檢測(cè)方法建立模型，根據(jù)已知條件和信息對(duì)陰影區(qū)域進(jìn)行測(cè)算。這些條件包括相關(guān)信息，如光源、日光照射角度和衛(wèi)星接收器等[12]。

二是基于算法的檢測(cè)方法。

3 數(shù)據(jù)來(lái)源與研究方法

3.1 研究數(shù)據(jù)來(lái)源

本文研究采用的數(shù)據(jù)是來(lái)自于晉中市農(nóng)村土地確權(quán)所使用的比例尺為1:2000 部分無(wú)人機(jī)航測(cè)遙感影像，無(wú)人機(jī)航測(cè)遙感影像資料數(shù)據(jù)所獲取時(shí)間為2015 年5月至7 月。

3.2 研究方法

研究陰影檢測(cè)算法，以IHS 色彩空間、黑體輻射、直方圖為基礎(chǔ)進(jìn)行實(shí)驗(yàn)分析。在這篇研究區(qū)域中，設(shè)計(jì)出一種適用于陰影探測(cè)的算法，并驗(yàn)證這種算法。我們可以構(gòu)建相應(yīng)的檢測(cè)算法，針對(duì)陰影區(qū)域，如顏色、亮度和灰度值等。在檢測(cè)過(guò)程中，這種基于算法的方法是很實(shí)用的[10]。主要采用以陰影特性為基礎(chǔ)的方法，以發(fā)展遙感影像的陰影探測(cè)算法為主要著眼點(diǎn)。我們基于HSV-C1C2C3 彩色模型設(shè)計(jì)了檢測(cè)陰影的算法，通過(guò)該算法對(duì)陰影區(qū)域進(jìn)行輪廓提取[11]。經(jīng)驗(yàn)證，本研究范圍內(nèi)適用本方法，見(jiàn)圖2。

圖2 根據(jù)HSV-C1C2C3 彩色模型的ShadownDetection算法

4 基于HSV-C1C2C3 色彩空間的陰影檢測(cè)算法

4.1 算法的原理

光度色彩不變量理論表明，物體表面的顏色不會(huì)發(fā)生變化，無(wú)論從哪個(gè)角度觀察，無(wú)論何種光照條件，無(wú)論物體表面的性質(zhì)如何。因此，它在相關(guān)領(lǐng)域起著至關(guān)重要的作用，如物體識(shí)別、彩色圖像搜索和彩色復(fù)原等。分析發(fā)現(xiàn)，C1C2C3 空間在實(shí)驗(yàn)結(jié)果中有利于影子探測(cè)獲得更好的結(jié)果。

本文所研究的區(qū)域采用了航測(cè)遙感影像進(jìn)行土地所有權(quán)確認(rèn)。然而，在分析過(guò)程中發(fā)現(xiàn)，部分航測(cè)影像上存在陰影區(qū)域。這些陰影區(qū)域?qū)τ跋駭?shù)據(jù)的處理產(chǎn)生了影響，使提取影像的一些重要信息受阻，丟失在陰影區(qū)域內(nèi)，其中包含了地物地貌的幾何信息、色彩信息以及地物表面的紋理信息等等，這些信息都會(huì)影響圖像數(shù)據(jù)的處理，Salvador 等[14]也曾建立了基于C3 通道陰影檢測(cè)的方法，利用色彩空間的顏色不變的特性。具體步驟影像陰影區(qū)域偵測(cè)算法包含以下幾個(gè)方面的內(nèi)容：

（1） 先將需要處理的航測(cè)原始圖像從RGB 色彩空間經(jīng)數(shù)學(xué)變換公式變換為C1C2C3 色彩空間，再由圖像處理為C1C2C3 色彩空間中的圖像，得到其中的單波段灰度圖，即C3 聲道分量圖像。

（2） 通過(guò)上一步得到的C3 通道分量信息，可以在軟件算法中的濾波器中使得影像邊緣受到平滑分量的影像，濾波器一般采用的模板為3×3 的模板。

（3） 經(jīng)過(guò)上一步平滑得到的影像分量，可以根據(jù)其影像中的像素點(diǎn)之間的距離，來(lái)計(jì)算其影像陰影區(qū)域周圍的方差均值，以此通過(guò)獲取的方差均值來(lái)得到閾值的確定值，由此根據(jù)所確定的閾值確定陰影區(qū)域的輪廓的大小。

（4） 獲取陰影檢測(cè)的結(jié)果。

這樣的算法能夠?qū)σ恍┖?jiǎn)單的陰影地帶進(jìn)行有效的檢測(cè)；由于航測(cè)影像中的地物具有多樣性，因此，在進(jìn)行上述C3 通道提取識(shí)別陰影時(shí)，C3 通道中的低飽、低度數(shù)地物，如陰影中的水體、道路等，其探測(cè)結(jié)果往往與陰影區(qū)域相同，因而在對(duì)地物進(jìn)行探測(cè)時(shí)，容易被誤測(cè)為陰影區(qū)域，這就是此法的不足之處。

為了提高算法的準(zhǔn)確性，Country 改進(jìn)了算法，在算法中加入了索貝爾算子，檢測(cè)圖像陰影區(qū)域的輪廓邊緣。陰影邊緣的邊緣測(cè)試不能僅憑經(jīng)驗(yàn)值，邊緣測(cè)試時(shí)需要特別處理陰影區(qū)域，但仍有需要提高的局限性。王蜜蜂和曾慶改進(jìn)后，采用了一種可以平滑處理的選擇性面膜[13]。這一改進(jìn)使得陰影探測(cè)的精確度有了一定的提高，但仍有一些限制條件需要解決。不過(guò)算法比較復(fù)雜。

根據(jù)色彩不變量的陰影檢測(cè)算法的缺點(diǎn)，分析了左權(quán)縣土地確權(quán)使用的高分辨率影像中的典型陰影區(qū)域。我們提出了遙感影像陰影區(qū)檢測(cè)采用HSV-C1C2C3 彩色模型的算法。該遙感陰影探測(cè)算法是通過(guò)對(duì)HSV 空間探測(cè)區(qū)域和C1C2C3 空間探測(cè)區(qū)域進(jìn)行運(yùn)算，在HSV-C1C2C3 彩色模型的基礎(chǔ)上實(shí)現(xiàn)的[16]。如果兩個(gè)彩區(qū)都檢測(cè)到一個(gè)區(qū)是陰影區(qū)，那么這個(gè)區(qū)就會(huì)以陰影區(qū)為標(biāo)志；否則，這個(gè)區(qū)域就不算陰影區(qū)了。如果陰影區(qū)域初步確定，要做進(jìn)一步的處理，可以先去小區(qū)，對(duì)照一下操作就可以了[15]。將該區(qū)域視為亮度較低的非陰影區(qū)，如果某一小區(qū)的陰影區(qū)小于預(yù)設(shè)閾值[14]，那么這部分是可以排除的，最后在陰影區(qū)域消除明度空洞，利用閉合運(yùn)算的數(shù)學(xué)形式，最終得出陰影區(qū)域。以下為具體算法流程：

（1） 從RGB 空間中研究區(qū)域的圖像轉(zhuǎn)換為HSV 空間，從該空間中提取具有極佳調(diào)節(jié)作用的成分H、飽和度成分S、亮度成分V。

（2） 對(duì)色調(diào)分量h、飽和度分量s、亮度分量v與分量r、分量g、分量b 進(jìn)行比值運(yùn)算，得到比值圖像，這樣做是為了增強(qiáng)陰影區(qū)域的高色調(diào)值、低亮度值、高飽和度等，通過(guò)對(duì)色相元件進(jìn)行對(duì)比運(yùn)算，可以提高色相元件的色相和飽和度。

（3） 確定比率影像所要分割的閾值，利用比率的閾值求得陰影的初步區(qū)域，分割其研究影像所得的閾值。

（4） 將研究區(qū)域的圖像由RGB 空間轉(zhuǎn)換為C1C2C3 色彩空間，再在C1C2C3 色彩空間中求出一張圖像，在該圖像的三個(gè)分量通道中求出其中的分量C3。

（5） 比例圖像和C3 分量圖用閾值對(duì)比例運(yùn)算所得進(jìn)行分析和疊加，再進(jìn)行閉合運(yùn)算的數(shù)學(xué)形式，就可以得到最終的陰影偵測(cè)圖。

4.2 實(shí)驗(yàn)結(jié)果與分析

左權(quán)縣國(guó)土確權(quán)使用的高分辨率航測(cè)圖像中的陰影，根據(jù)該文提出的上述陰影探測(cè)算法，采用基于MATLAB 平臺(tái)開(kāi)發(fā)的軟件進(jìn)行測(cè)試探測(cè)。這是左權(quán)縣從確權(quán)遙感資料中精選出的部分影像資料，具有典型性意義。在實(shí)驗(yàn)區(qū)1 號(hào)和2 號(hào)區(qū)分別選取具有典型陰影特征的兩個(gè)不同區(qū)域的圖像作為研究區(qū)域。我們比較了直方圖閾值檢測(cè)算法和其他陰影檢測(cè)算法，便于對(duì)不同陰影檢測(cè)方法的效果進(jìn)行對(duì)比分析。按下圖所示，1 號(hào)實(shí)驗(yàn)區(qū)表示為圖3，2 號(hào)實(shí)驗(yàn)區(qū)表示為圖4。

圖3 實(shí)驗(yàn)區(qū)1

圖4 實(shí)驗(yàn)區(qū)2

對(duì)前面提到的兩組遙感影像實(shí)驗(yàn)資料，可以同時(shí)利用直方圖閾值探測(cè)算法和HSV-C1C2C3 探測(cè)算法對(duì)圖像中的陰影區(qū)域進(jìn)行探測(cè)，如圖3 和圖4 等。目視解譯，這樣就可以定性地評(píng)價(jià)陰影探測(cè)方法所建立的優(yōu)勢(shì)和劣勢(shì)。通過(guò)對(duì)兩組探測(cè)結(jié)果圖譜的遙感影像資料進(jìn)行觀測(cè)，可以發(fā)現(xiàn)，明顯的陰影區(qū)域可通過(guò)對(duì)兩種方式進(jìn)行有效探測(cè)。

通過(guò)對(duì)作者提出的黑體輻射檢測(cè)算法、IHS 色彩空間檢測(cè)算法[17]、柱狀圖閾值檢測(cè)算法以及HSV-C1C2C3檢測(cè)算法的對(duì)比分析，我們發(fā)現(xiàn)本文所展示的基于HSV-C1C2C3 色彩空間檢測(cè)算法能夠?qū)﹃幱皡^(qū)域進(jìn)行檢測(cè)，并且比較完整。另外，探測(cè)到的陰影區(qū)域與原影像中的陰影區(qū)域輪廓也有異曲同工之妙。從這幾個(gè)結(jié)果可以看出，這個(gè)算法的效果還是比較不錯(cuò)的。本文提出的HSV-C1C2C3 檢測(cè)算法與其他算法相比，在陰影檢測(cè)方面的優(yōu)勢(shì)非常明顯，所以可以說(shuō)HSV-C1C2C3 檢測(cè)算法是一種適用于測(cè)試的算法。

我們還通過(guò)定量化的方法，對(duì)上述兩組實(shí)驗(yàn)區(qū)域的影子檢測(cè)結(jié)果、統(tǒng)計(jì)分析結(jié)果進(jìn)行了精確評(píng)估，使數(shù)據(jù)結(jié)果更加直觀。為了達(dá)到本次實(shí)驗(yàn)的目的，我們決定將兩個(gè)特定的數(shù)值作為實(shí)驗(yàn)的評(píng)價(jià)指標(biāo)，分別代表精確度和準(zhǔn)確度。以下是兩個(gè)數(shù)學(xué)公式（1）和（2）：

在上面的數(shù)學(xué)公式（1）和（2）中，TP 表示正確的陰影像質(zhì)值的個(gè)數(shù)，而FP 表示的是非陰影區(qū)域的像素值被錯(cuò)誤地檢測(cè)為陰影區(qū)域的像素值的個(gè)數(shù)FN 表示像素值被錯(cuò)誤地檢測(cè)為陰影區(qū)域的像素值的個(gè)數(shù)，而不是像素值的像素值，TP 表示的是正確的陰影像素值TP 表示的是正確的陰影像素值，根據(jù)上述所列出來(lái)的函數(shù)公式，無(wú)人機(jī)航測(cè)影像中TP+FN 的和代表著影的總像素值，文章中TP+FN+FPD 的和表示陰影的總像素值分別由各算法計(jì)算得出。由此也可以進(jìn)一步推導(dǎo)出兩種情況：代表影子偵測(cè)算法準(zhǔn)確率的A 和代表影子偵測(cè)算法精確度的B，這兩種情況分別是：代表影子偵測(cè)算法準(zhǔn)確率的A 和代表影子偵測(cè)算法精確度的B[18]。

根據(jù)以上理論，我們對(duì)參與實(shí)驗(yàn)的兩組影像資料進(jìn)行了利用實(shí)驗(yàn)的評(píng)價(jià)指標(biāo)處理，并對(duì)有關(guān)樣本進(jìn)行了篩選和統(tǒng)計(jì)分析。具體結(jié)果見(jiàn)表1，可見(jiàn)影帶檢測(cè)數(shù)據(jù)的準(zhǔn)確性。

表1 影像陰影檢測(cè)的數(shù)據(jù)精度

通過(guò)對(duì)表1 的分析，可以得到一個(gè)檢測(cè)精度在62%左右的直方圖閾值檢測(cè)算法和67%左右的精度。由此可見(jiàn)，HSV-C1C2C3 檢測(cè)算法在精度和精度上都有不錯(cuò)的表現(xiàn)，達(dá)到了91%的水平。本文介紹的HSV-C1C2C3檢測(cè)算法，在具體的評(píng)價(jià)指標(biāo)上，相對(duì)于直方圖閾值檢測(cè)算法等，具有顯著的優(yōu)越性。由此可見(jiàn)，本文所介紹的算法不僅操作簡(jiǎn)單，而且顯示出了很高的檢測(cè)精度和可信度。

5 陰影檢測(cè)界面

為了實(shí)現(xiàn)本文提出的遙感影像陰影探測(cè)算法，提高此算法的執(zhí)行效率，并對(duì)此算法的可行性和有效性進(jìn)行大量的遙感數(shù)據(jù)驗(yàn)證，設(shè)計(jì)了可視化的陰影探測(cè)系統(tǒng)，該系統(tǒng)基于MATLAB 的用戶界面（簡(jiǎn)稱GUI）平臺(tái)軟件運(yùn)行。

陰影檢測(cè)模塊包括基于HSV-C1C2C3 檢測(cè)算法的直方圖閾值檢測(cè)和兩種方法。我們?cè)贖SV-C1C2C3 色彩空間的基礎(chǔ)上提出了陰影檢測(cè)的方法。本文設(shè)計(jì)的系統(tǒng)中包含另一種數(shù)學(xué)形式的檢測(cè)算法，即HSV-C1C2C3檢測(cè)算法（HSV-C1C3DetectionProgram）。模塊中的檢測(cè)算法我們是通過(guò)對(duì)比后選定的。孰優(yōu)孰劣，一眼就能看出兩種算法效果在檢測(cè)模塊中的優(yōu)劣。參考圖5 中陰影探測(cè)模塊。

圖5 陰影的檢測(cè)模塊

6 結(jié)論

本研究的目的是為進(jìn)一步研究高分辨率遙感影像中的中地物增強(qiáng)處理方法奠定基礎(chǔ)，在高分辨率真彩色航空遙感影像中探測(cè)陰影區(qū)域的信息。我們提出了基于HSV-C1C2C3 彩色模型進(jìn)行色彩空間轉(zhuǎn)換的高分辨遙感影像的陰影檢測(cè)算法。通過(guò)對(duì)其分量的比值運(yùn)算，通過(guò)閉合運(yùn)算的數(shù)學(xué)形態(tài)確定閾值，最終實(shí)現(xiàn)對(duì)陰影的探測(cè)；通過(guò)圖像可以證明，本文提出的陰影探測(cè)算法是基于HSV-C1C2C3 彩色模型，具有更好的圖像陰影探測(cè)效果，為去除陰影埋下了伏筆。