單幅航空影像中云陰影的自動(dòng)去除

高賢君，萬幼川，何培培，楊元維

(武漢大學(xué)遙感信息工程學(xué)院，武漢 430079)

單幅航空影像中云陰影的自動(dòng)去除

高賢君，萬幼川，何培培，楊元維

(武漢大學(xué)遙感信息工程學(xué)院，武漢 430079)

云陰影的存在嚴(yán)重影響了高分辨率航空遙感影像的視覺效果和影像質(zhì)量．為去除云陰影，提出了一種無需人工參與的自動(dòng)處理方法．首先采用光譜特征閾值法初步檢測云陰影，再結(jié)合形態(tài)學(xué)方法進(jìn)行后處理，提取完整的云陰影區(qū)域；陰影去除時(shí)，設(shè)計(jì)了一種利用非陰影區(qū)域信息、陰影整體區(qū)域信息、陰影像素局部窗口及像素本身信息的綜合補(bǔ)償模型，所需參數(shù)均可自動(dòng)獲取，進(jìn)而實(shí)現(xiàn)陰影的自動(dòng)去除．實(shí)驗(yàn)表明，區(qū)域級、窗口級和像素級多層次信息的引入，使模型的細(xì)節(jié)敏感度增強(qiáng)，提升了對比度，能靈活根據(jù)復(fù)雜的云陰影遮擋情況對陰影進(jìn)行合理提升，有效解決了部分補(bǔ)償方法存在的補(bǔ)償效果不均勻的問題，陰影中地物的色彩與紋理等信息均得到更真實(shí)的再現(xiàn)．

陰影去除；綜合補(bǔ)償模型；云陰影；航空影像；高分辨率

航空影像實(shí)時(shí)獲取的瞬間，若遇到一定高度的云層遮擋太陽光，會致使部分測區(qū)被云陰影覆蓋，導(dǎo)致影像中存在云陰影．由于云及其陰影具有面積大、不規(guī)則、分布集中等形狀特性，以至于云陰影區(qū)域內(nèi)的建筑、道路、植被等大量地物信息被遮擋，所損失的信息量遠(yuǎn)大于普通地物陰影的遮擋，嚴(yán)重影響了影像的視覺解譯效果及進(jìn)一步應(yīng)用．因此，研究航空影像中云陰影的自動(dòng)去除，具有十分重要的意義．

云陰影的去除主要有 3種方法．模型法：利用太陽高度角、傳感器信息、云層高度等先驗(yàn)知識重建云陰影的成像模型，推算陰影區(qū)域地物在標(biāo)準(zhǔn)光照下應(yīng)有的信息[1]，其算法復(fù)雜、實(shí)現(xiàn)難度較大．圖像增強(qiáng)陰影修復(fù)法：采用線性相關(guān)拉伸[2]、分形插值[3]、Wallis濾波[4]、局部統(tǒng)計(jì)法[5]、Retinex增強(qiáng)[6]等方法提升陰影區(qū)域的亮度，增強(qiáng)對比度，實(shí)現(xiàn)陰影去除，常常用于單幅影像的陰影去除．影像融合法：將同一區(qū)域的多源或多時(shí)相影像進(jìn)行配準(zhǔn)、融合或鑲嵌，將陰影區(qū)域替換為對應(yīng)區(qū)域無陰影的影像像元，常用于同時(shí)存在云及云陰影遮擋的中低分辨率遙感影像中[7-10]，不僅對數(shù)據(jù)要求較高，且容易受到數(shù)據(jù)源的質(zhì)量影響，影像之間色調(diào)差異等因素會影響去除效果，在處理高分辨率影像的陰影問題時(shí)受到了一定的限制.

本文著力于研究單幅影像的云陰影自動(dòng)去除處理，獨(dú)立性要求高，不依賴其他先驗(yàn)數(shù)據(jù)，因此選用光譜特征閾值法結(jié)合形態(tài)學(xué)后處理實(shí)現(xiàn)陰影區(qū)域的自動(dòng)提取，并設(shè)計(jì)了綜合由整到分的多層次信息的陰影補(bǔ)償模型，實(shí)現(xiàn)云陰影的自動(dòng)去除．

1 云陰影區(qū)域的自動(dòng)提取

由于云陰影區(qū)域內(nèi)的地物種類多，且云層的厚度和高度的變化導(dǎo)致覆蓋區(qū)域受不同程度的影響，使云陰影的性質(zhì)比普通地物陰影更為復(fù)雜，陰影檢測難度更大．單純依靠陰影檢測算法總會存在漏檢與誤檢的現(xiàn)象，借助形態(tài)學(xué)方法進(jìn)行后處理可很好地彌補(bǔ)算法的不足．因此，本文選用光譜特征閾值法初步檢測陰影，再進(jìn)行形態(tài)學(xué)自動(dòng)后處理，實(shí)現(xiàn)云陰影區(qū)域的快速、準(zhǔn)確提取．

1.1 基于光譜特征閾值法的陰影初檢測

云陰影的特性與普通陰影不同．由于云層與其陰影區(qū)域之間存在較大的空間距離，陰影區(qū)域仍可獲取部分散射光進(jìn)行輔助光照，使其中地物的色彩、亮度受到一定的損失，但紋理仍保留較好，地物所具有的陰影特性并未成為主導(dǎo)特性．大面積云陰影遮擋的地物紋理、光譜特性復(fù)雜多樣，普通陰影遮擋范圍內(nèi)的地物特性相對單一．采用光譜特征法檢測時(shí)，普通陰影檢測常用的色調(diào)H、藍(lán)色分量B等光譜特征用于云陰影檢測時(shí)，通用性降低，漏檢與誤檢現(xiàn)象更多.

通過大量實(shí)驗(yàn)對常用的陰影特征進(jìn)行實(shí)驗(yàn)分析發(fā)現(xiàn)，云陰影在綠色分量 G與亮度分量 L的特征圖中，陰影區(qū)域的特征分量值相對非陰影區(qū)域急劇減小，差異更明顯，而 B的區(qū)分性相對較弱，H十分不穩(wěn)定．以圖 1為例，列出一幅云陰影影像在常用的陰影光譜特征通道下的特征分量，基本印證了上述結(jié)論．因此選用綠色分量G與亮度分量L采用如式(1)所示進(jìn)行組合，相互補(bǔ)充，檢測效果及通用性更好．

獲取特征自動(dòng)閾值時(shí)，常用的一維 Otsu自動(dòng)閾值[11]偏小，易引起誤判；而帶限定條件的 Otsu閾值法引入了限定條件對影像像素進(jìn)行事先篩選，只有滿足條件的像素才能參與特征直方圖的統(tǒng)計(jì)，再在此直方圖的基礎(chǔ)上獲取最大類間方差對應(yīng)的特征值為閾值[12]．選定合適限定條件可進(jìn)行改進(jìn)相應(yīng)特征閾值，取得更準(zhǔn)確的檢測結(jié)果．經(jīng)實(shí)驗(yàn)探索，引入關(guān)于分量P=(H+1)/(L+1)的限定條件{P＞TP,o}改善 T_G，對于亮度L的閾值采用{L＜TL,o}進(jìn)行改善，效果較好(TP,o和 TL,o分別為 P和 L的一維 Otsu自動(dòng)閾值)．圖 1(f)和圖 1(g)分別給出了一維 Otsu閾值和改進(jìn)閾值所獲取的自動(dòng)檢測結(jié)果，改進(jìn)后的結(jié)果大大減少了誤檢率．

云陰影中地物光譜特性復(fù)雜，直接檢測會存在漏檢；同時(shí)影像中普遍存在面積很小的普通地物陰影，利用光譜特征法檢測云陰影時(shí)很難排除普通陰影的干擾；且綠色分量的應(yīng)用使得部分植被也可能被誤檢．因此利用陰影特性的方法直接檢測會存在較多的誤檢和漏檢，利用形態(tài)學(xué)方法進(jìn)行小區(qū)域去除和大區(qū)域內(nèi)的空洞填充可解決此類問題．

1.2 檢測結(jié)果自動(dòng)后處理

后處理時(shí)選用不具有先驗(yàn)方向性的十字叉形3×3結(jié)構(gòu)元素，合理利用OpenCV封裝的形態(tài)學(xué)處理函數(shù) ，包 括 cvDilate 膨 脹、cvErode 腐蝕、MorphologyEx實(shí)現(xiàn)開閉運(yùn)算、cvFindContours獲取內(nèi)外輪廓及 cvContourArea獲取區(qū)域面積函數(shù)等方法，編程實(shí)現(xiàn)極小區(qū)域去除、空洞填充、非陰影區(qū)域及邊界區(qū)域獲取等子功能為一體的自動(dòng)后處理工作，一方面提升陰影檢測結(jié)果，另一方面為補(bǔ)償模型提供所需信息．

小區(qū)域去除是為了剔除被誤檢的地物：由于云陰影具有面積大、分布集中的獨(dú)特形狀特性，可通過陰影區(qū)域面積限定條件對陰影初檢測結(jié)果中的所有區(qū)域進(jìn)行篩選，實(shí)現(xiàn)去除．空洞填充是為了彌補(bǔ)陰影區(qū)域內(nèi)部分地物被漏檢而出現(xiàn)空洞現(xiàn)象而設(shè)計(jì)的：由于云陰影區(qū)域內(nèi)地物的自身特性和陰影特性均勻顯現(xiàn)，導(dǎo)致檢測時(shí)易出現(xiàn)云陰影中部分陰影特性不足的區(qū)域被漏檢，但僅通過檢測算法的改進(jìn)難以解決此問題，通過形態(tài)學(xué)方法逐個(gè)獲取云陰影區(qū)域的內(nèi)輪廓所包圍的區(qū)域(即空洞)，填充為陰影像素，可將部分漏檢區(qū)域重新補(bǔ)充檢入．綜合小區(qū)域去除與空洞填充后的自動(dòng)形態(tài)學(xué)后處理工作可彌補(bǔ)算法缺陷所導(dǎo)致的問題，提高檢測精度．圖 1(h)為后處理結(jié)果，大大提升了檢測結(jié)果的區(qū)域完整性．

非陰影區(qū)域及邊界區(qū)域的獲取是為相應(yīng)陰影區(qū)域的補(bǔ)償提供所需補(bǔ)償信息：對陰影區(qū)域進(jìn)行編號，通過設(shè)置固定邊界寬度 wB和獲取非陰影區(qū)域?qū)挾葁NSD，將陰影區(qū)域 imgSD 向陰影內(nèi)部方向腐蝕1/3,wB次獲取imgBin、向非陰影區(qū)域方向膨脹2/3,wB次獲取 imgBout，再在 imgBout基礎(chǔ)上進(jìn)行 wNSD次的膨脹獲取 imgNSD，imgBout與 imgBin的差值結(jié)果為邊界區(qū)域，imgNSD與 imgBout的差值結(jié)果為非陰影區(qū)域．根據(jù)原始陰影區(qū)域的編號對相應(yīng)的邊界及非陰影區(qū)域同樣編號實(shí)現(xiàn)三者的對應(yīng)．

圖1 云陰影的光譜特征及檢測結(jié)果Fig.1 Spectral characteristics graph of cloud shadow and relative detected results

2 云陰影自動(dòng)去除

云陰影區(qū)域地物被遮擋程度受云層厚度和高度的影響．云層越低，可接受的散射光越少，陰影影響越嚴(yán)重；云層的厚度影響著直射光的穿透量，下方陰影會隨云層由厚至薄呈現(xiàn)出由深至淺的現(xiàn)象．在面對這種影響程度不一致的云陰影時(shí)，采用常用的圖像修復(fù)法直接去除陰影時(shí)，會出現(xiàn)補(bǔ)償效果參差不齊、不均勻的現(xiàn)象．本文受局部統(tǒng)計(jì)法補(bǔ)償模型的啟發(fā)，改進(jìn)并設(shè)計(jì)了一種綜合補(bǔ)償模型，利用多層次的信息改善效果不均勻的問題．

2.1 陰影補(bǔ)償模型

2.1.1 局部統(tǒng)計(jì)法模型

對比度直接影響陰影去除效果．Lee[13]提出了一種對比度增強(qiáng)的方法，利用待處理像素的局部鄰近區(qū)域的均值,ijm 、方差,ijν 和理想的均值dm 、方差dν 將原始值,ijx 進(jìn)行提升，獲取理想的,ijx′，即

此思想用于陰影補(bǔ)償時(shí)，可將陰影區(qū)域周圍的非陰影區(qū)域所具有的特征均值與方差作為理想真值，陰影區(qū)域的特征均值和方差為局部信息，可變換為式(3)

，對陰影區(qū)域的亮度特征進(jìn)行提升，即可實(shí)現(xiàn)利用局部統(tǒng)計(jì)信息的陰影補(bǔ)償，是一種常用的補(bǔ)償模型[14]．

但此模型利用的是陰影區(qū)域及非陰影區(qū)域的整體信息，以獨(dú)立區(qū)域?yàn)閱卧?，單元?nèi)的補(bǔ)償參數(shù)恒定，對大面積的云陰影區(qū)域進(jìn)行處理時(shí)，補(bǔ)償模型實(shí)際上是一種單一的線性補(bǔ)償關(guān)系，難以根據(jù)陰影的影響程度實(shí)現(xiàn)合理的提升，因此補(bǔ)償效果存在部分區(qū)域補(bǔ)償不足、部分補(bǔ)償過度等提升效果不均勻的現(xiàn)象，其對比度差，偏離了真實(shí)效果．

2.1.2 綜合補(bǔ)償模型

要實(shí)現(xiàn)陰影的均勻補(bǔ)償，必須針對云陰影的特性，設(shè)計(jì)能有效改善云陰影的陰影補(bǔ)償模型．本文由局部統(tǒng)計(jì)模型出發(fā)，提出了兼顧整體與局部差異的非線性綜合補(bǔ)償模型：在整體云陰影區(qū)域信息和陰影像素信息的基礎(chǔ)上，引入陰影像素相關(guān)的局部窗口區(qū)域信息，設(shè)計(jì)了如式(4)所示的補(bǔ)償模型，實(shí)現(xiàn)整體區(qū)域、局部像素窗口、單個(gè)像素 3種不同層面的信息的有效綜合，共同補(bǔ)償陰影區(qū)域內(nèi)的地物信息．

對陰影區(qū)域內(nèi)(圖 2)的某像素(,)i j進(jìn)行補(bǔ)償，所需信息除像素本身的亮度 (,)L i j以外，有以像素為中心的窗口區(qū)域 W 的均值W(,)m i j與均方差W(,)i jσ 、陰影區(qū)域 SD的均值SDm 與均方差SDσ 、非陰影區(qū)域的均值NSDm 與均方差NSDσ ，多層信息綜合補(bǔ)償實(shí)現(xiàn)亮度提升．陰影邊界區(qū)域的寬度 wb可取 6左右的固定值．非陰影區(qū)域的寬度 wNSD可由陰影區(qū)域最小外接矩形最短邊長的1/5決定．相應(yīng)區(qū)域均可根據(jù)陰影檢測結(jié)果自動(dòng)獲取，以保證多層信息的自動(dòng)獲?。?/p>

圖2 補(bǔ)償模型的相關(guān)區(qū)域Fig.2 Areas related to the compensation model

以補(bǔ)償像素為中心的局部方形窗口信息的引入，一方面由于其為一種逐像素變化的信息使陰影像素之間的差別更為突出，增強(qiáng)了對比度；另一方面由于融入的對象是鄰近像素的信息，起到部分平滑作用，使鄰近像素補(bǔ)償效果更為均勻．新的補(bǔ)償模型引入局部窗口值，改變了區(qū)域內(nèi)原始值與補(bǔ)償值之間的恒定線性關(guān)系，使補(bǔ)償關(guān)系動(dòng)態(tài)變化，這種綜合補(bǔ)償使影響程度不同的區(qū)域可得到更合適的亮度提升，有效改善了補(bǔ)償不足或補(bǔ)償過度的問題，補(bǔ)償效果更為均勻，可基本達(dá)到與影像非陰影區(qū)域的同樣光照下的視覺效果，使陰影去除后的影像可用于影像配準(zhǔn)、地物提取等其他應(yīng)用工序中．

對比實(shí)驗(yàn)證明了上述結(jié)論：如果補(bǔ)償方法的本質(zhì)是線性模型，補(bǔ)償結(jié)果依賴原始值會出現(xiàn)原始亮度較高區(qū)域補(bǔ)償過度而遮擋嚴(yán)重區(qū)域卻補(bǔ)償不足的不均勻現(xiàn)象．將陰影區(qū)域進(jìn)行網(wǎng)格劃分，統(tǒng)計(jì)補(bǔ)償結(jié)果中每個(gè)格網(wǎng)的亮度均值,Lim 與整體陰影區(qū)域的亮度均值,SDLm 的差值 LΔ ，從 LΔ 的分布和最大最小值的差值MLΔ 可看出補(bǔ)償結(jié)果的均勻程度和變化程度，極值之間的差異MLΔ 越小，且越小的 LΔ 對應(yīng)的格網(wǎng)數(shù)量所占比重越多，說明補(bǔ)償結(jié)果的整體效果越均勻．取一幅云陰影影像分別采用局部統(tǒng)計(jì)法、本文方法以及文獻(xiàn)[12]提出的改進(jìn) Wallis法進(jìn)行陰影補(bǔ)償，區(qū)間間隔為 3，統(tǒng)計(jì)格網(wǎng)對應(yīng)的 ΔL 絕對值落在對應(yīng)區(qū)間內(nèi)的總格網(wǎng)數(shù)，繪制統(tǒng)計(jì)直方圖，如圖 3所示．由圖3可見，局部統(tǒng)計(jì)法和改進(jìn)Wallis法的分布范圍較大，MLΔ 分別為 61和 58，而本文方法的MLΔ 僅為32，且大部分格網(wǎng)的都較小，差值在 11以內(nèi)的格網(wǎng)數(shù)占總數(shù)的88%，局部統(tǒng)計(jì)法和改進(jìn)Wallis法分別占70%和65%．對比結(jié)果清楚地說明了本文方法補(bǔ)償效果均勻的優(yōu)勢．

圖3 3種方法的對應(yīng)格網(wǎng)數(shù)的統(tǒng)計(jì)直方圖Fig.3 Histogram for the grid number of eachacquired by three kinds of method

2.2 邊界處理

陰影邊界的一邊是陽光直射的非陰影區(qū)域，一邊是云陰影遮擋區(qū)域，兩者之間的亮度突變，會產(chǎn)生明顯的界限；而云陰影區(qū)域與非陰影區(qū)域之間的過渡較為平滑，陰影邊界界限并不是十分明顯．后處理獲取的云陰影邊界若不準(zhǔn)確，會出現(xiàn)邊界鄰近的部分陰影被漏檢或部分非陰影被誤檢的現(xiàn)象．以往的圖像增強(qiáng)修復(fù)法處理邊界時(shí)無法消除界限差異，因此陰影補(bǔ)償時(shí)邊界區(qū)域一般需要進(jìn)行特殊處理．

本文利用綜合補(bǔ)償模型對陰影的邊界區(qū)域進(jìn)行處理時(shí)，融入邊界像素窗口的信息中同時(shí)包含了邊界周圍的陰影與非陰影信息，信息綜合后的補(bǔ)償結(jié)果可部分減少補(bǔ)償結(jié)果與邊界外像素的差異．但非陰影像素的補(bǔ)償結(jié)果的亮度相對于陰影像素的補(bǔ)償結(jié)果仍會偏高，邊界區(qū)域存在亮度差異．為減小差異，在邊界區(qū)域補(bǔ)償結(jié)果的基礎(chǔ)上，進(jìn)一步采用Wallis濾波進(jìn)行勻光處理[15]，使補(bǔ)償結(jié)果由陰影區(qū)域向非陰影區(qū)域均勻過渡，消除邊界痕跡．

2.3 云陰影去除流程

圖 4給出了采用本文方法對影像進(jìn)行云陰影去除的流程．首先對影像采用光譜閾值法進(jìn)行陰影自動(dòng)檢測，再對檢測結(jié)果進(jìn)行形態(tài)學(xué)后處理，同時(shí)獲取非陰影區(qū)域及邊界區(qū)域，利用非陰影區(qū)域的信息，對陰影及邊界區(qū)域進(jìn)行逐像素補(bǔ)償．補(bǔ)償時(shí)利用統(tǒng)計(jì)的非陰影區(qū)域信息、像素局部窗口信息、陰影區(qū)域及像素原始信息等，采用本文提出的綜合補(bǔ)償模型進(jìn)行處理．補(bǔ)償后的邊界區(qū)域則需進(jìn)一步采用 Wallis濾波進(jìn)行勻光處理，其中濾波參數(shù)采用經(jīng)驗(yàn)值與自動(dòng)獲取相結(jié)合的方法．整個(gè)補(bǔ)償過程中無需人工參與，自動(dòng)完成陰影去除．

圖4 云陰影去除流程Fig.4 Flow chart of cloud shadow removal

3 實(shí)驗(yàn)分析

對多幅存在云陰影的高分辨率航空影像分別進(jìn)行云陰影檢測與去除，將本文方法的去除效果與式(3)所示的局部統(tǒng)計(jì)法的陰影去除效果進(jìn)行對比分析．

圖5為受小面積云影像遮擋的城市影像，分辨率較高，遮擋區(qū)域的地物隱約可見，利用本文提出的檢測方法進(jìn)行陰影檢測取得結(jié)果如圖 5(b)所示，整體的陰影區(qū)域基本被檢測出來，也有少量鄰近非陰影區(qū)域被檢入．對陰影區(qū)域采用局部統(tǒng)計(jì)法去除陰影的結(jié)果如圖 5(c)所示，陰影區(qū)域信息得到基本恢復(fù)，但是中部云層較厚區(qū)域所對應(yīng)的陰影區(qū)域仍然較暗，而邊緣較薄云層對應(yīng)陰影區(qū)域的補(bǔ)償效果較好，整體呈現(xiàn)出效果不均勻的現(xiàn)象．采用本文方法的去除結(jié)果如圖 5(d)所示，有效改善了這一問題，對比度更強(qiáng)，紋理細(xì)節(jié)更清晰，整體補(bǔ)償結(jié)果十分均勻．圖 6是城市大范圍的建筑群被大面積的厚云陰影遮擋，更多的地物信息受到了嚴(yán)重影響，圖 6(c)的局部統(tǒng)計(jì)法陰影去除結(jié)果仍然存在同樣的部分區(qū)域較暗的不均勻現(xiàn)象，而本文方法去除陰影后幾乎達(dá)到了非陰影區(qū)域的效果，完全消除了云陰影的影響，信息得到有效恢復(fù)．圖 7為鄉(xiāng)村影像，陰影遮擋的區(qū)域?yàn)榧y理信息較為一致的田地區(qū)域，地物間的差異小，局部統(tǒng)計(jì)法進(jìn)行陰影去除難以恢復(fù)差異小的細(xì)節(jié)信息，對比度較差，并且在陰影邊界區(qū)域產(chǎn)生明顯的明暗不一致的補(bǔ)償痕跡，同時(shí)部分被誤檢入的非陰影區(qū)域經(jīng)過補(bǔ)償處理后亮度也被提升，導(dǎo)致過度補(bǔ)償，采用本文方法進(jìn)行陰影去除，田地、植被間的信息包括其中的細(xì)小差異都能得到重新恢復(fù)．圖 8為多塊云陰影遮擋的城市影像，影像中有兩塊云陰影遮擋區(qū)域，陰影檢測結(jié)果中也存在部分區(qū)域被誤檢的現(xiàn)象，本文算法具有區(qū)域獨(dú)立性使得各個(gè)陰影區(qū)域均可以得到有效補(bǔ)償，且多層信息的綜合性使得去除結(jié)果不依賴處理對象的原始狀態(tài)，可保證對誤檢入的非陰影處理十分得當(dāng)．對邊界區(qū)域處理時(shí)，局部統(tǒng)計(jì)法會對邊界部分的非陰影像素嚴(yán)重補(bǔ)償過度，而本文在邊界補(bǔ)償后還進(jìn)行Wallis勻光處理，可有效減輕邊界痕跡，保證影像去除質(zhì)量．

圖5 城市影像中小面積云陰影的兩種去除結(jié)果對比Fig.5 Comparison between two results of cloud shadow removal in urban image with a small cloud shadow area

圖6 城市影像大面積云陰影的兩種去除結(jié)果對比Fig.6 Comparison between two results of cloud shadow removal in urban image with a big cloud shadow area

圖7 鄉(xiāng)村影像云陰影的兩種去除結(jié)果對比Fig.7 Comparison between two results of cloud shadow removal in rural image

圖8 多塊云陰影影像的陰影去除結(jié)果對比Fig.8 Comparison between two results of cloud shadow removal in image with several cloud shadows

取反映明暗度的亮度均值和反映圖像清晰度的平均梯度[16]對 3幅影像的陰影去除結(jié)果與陰影區(qū)域原始值和非陰影區(qū)域的目標(biāo)值進(jìn)行比較，定量評價(jià)指標(biāo)對比如表 1所示．通過補(bǔ)償，陰影區(qū)域的亮度和對比度均能得到有效提升，相對于局部統(tǒng)計(jì)法，本文方法更能達(dá)到與非陰影區(qū)域相一致或更好的效果．

通過圖表對比發(fā)現(xiàn)，本文提出的陰影去除方法不受陰影檢測結(jié)果準(zhǔn)確程度的影響，對被誤檢的地物以及影響程度不一致的云陰影，均能根據(jù)處理對象相關(guān)的多層綜合信息進(jìn)行有效均衡，解決了補(bǔ)償效果不均勻、對比度不強(qiáng)的問題，陰影去除效果更接近真實(shí)效果．

表1 不同的云陰影去除結(jié)果的評價(jià)指標(biāo)的對比Tab.1 Comparison of different evaluation indexes of cloud shadow removal results

4 結(jié) 論

(1) 無需其他先驗(yàn)知識，僅需要影像本身信息，實(shí)現(xiàn)全自動(dòng)處理．

(2) 本文提出的綜合補(bǔ)償模型利用了由整體到細(xì)分的多層信息，一方面提高了對細(xì)節(jié)的感知力，增強(qiáng)對比度，另一方面降低了對像素原始值的依賴性，因此對檢測結(jié)果準(zhǔn)確性的容忍度較高，即使出現(xiàn)誤檢，對誤檢區(qū)域也可以進(jìn)行合理補(bǔ)償處理，防止出現(xiàn)對非陰影區(qū)域處理后導(dǎo)致的補(bǔ)償過度現(xiàn)象．

(3) 僅對亮度分量進(jìn)行處理，可以保持真實(shí)色彩．但因影像本身屬性，補(bǔ)償后的色彩有時(shí)會出現(xiàn)部分偏差．

［1］ Luo Y，Trishchenko A P，Khlopenkov K V. Developing clear-sky，cloud and cloud shadow mask for producing clear-sky composites at 250-meter spatial resolution for the seven MODIS land bands over Canada and North America[J]. Remote Sensing of Environment，2008，112(12)：4167-4185.

［2］ 王 玥，王樹根. 高分辨率遙感影像陰影檢測與補(bǔ)償?shù)闹鞒煞址治龇椒╗J]. 應(yīng)用科學(xué)學(xué)報(bào)，2010，28(2)：136-141.

Wang Yue，Wang Shugen. Detection and compensation of shadows in high resolution remote sensing images using PCA[J]. Journal of Applied Sciences：Electronics and Information Engineering，2010，28(2)：136-141(in Chinese).

［3］ 何 凱，趙紅穎，劉晶晶，等. 基于分形及紋理分析的城市遙感影像陰影去除[J]. 天津大學(xué)學(xué)報(bào)，2008，41(7)：800-804.

He Kai，Zhao Hongying，Liu Jingjing，et al. Shadow removal of city’s remote sensing images based on fractal and texture analysis[J]. Journal of Tianjin University，2008，41(7)：800-804(in Chinese).

［4］ 王衛(wèi)國. 高空間分辨率遙感影像陰影處理方法研究[D]. 西安：西安科技大學(xué)測繪科學(xué)與技術(shù)學(xué)院，2008.

Wang Weiguo. Study of Shadow Processing’s Method in High-Spatial Resolution RS Image[D]. Xi’an：College of Geomatics，Xi’an University of Science and Technology，2008(in Chinese).

［5］ 賈永紅. 數(shù)字圖像處理[M]. 武漢：武漢大學(xué)出版社，2003.

Jia Yonghong. Digital Image Processing[M]. Wuhan：Wuhan University Press，2003(in Chinese).

［6］ 唐 亮，謝維信，黃建軍，等. 城市航空影像中基于模糊 Retinex的陰影消除[J]. 電子學(xué)報(bào)，2005，33(3)：500-503.

Tang Liang，Xie Weixin，Huang Jianjun，et al. Removing shadows from urban aerial images based on fuzzy Retinex[J]. Acta Electronica Sinica，2005，33(3)：500-503(in Chinese).

［7］ Tseng D C，Tseng H T，Chien C L. Automatic cloud removal from multi-temporal SPOT images[J]. Applied Mathematics and Computation，2008，205(2)：584-600.

［8］ Wang Bin，Ono A，Muramatsu K，et al. Automated detection and removal of clouds and their shadows from Landsat TM images[J]. IEICE Transactions on Information and Systems，1999，E82-D(2)：453-460.

［9］ 梁 棟，孔 頡，胡根生，等. 基于支持向量機(jī)的遙感影像厚云及云陰影去除[J]. 測繪學(xué)報(bào)，2012，41(2)：225-231，238.

Liang Dong，Kong Jie，Hu Gensheng，et al. The removal of thick cloud and cloud shadow of remote sensing image based on support vector machine[J]. Acta Geodaetica et Cartographica Sinica，2012，41(2)：225-231，238(in Chinese).

［10］ 李炳燮，馬張寶，齊清文，等. Landsat TM遙感影像中厚云和陰影去除[J]. 遙感學(xué)報(bào)，2010，14(3)：534-545.

Ri Pyongsop，Ma Zhangbao，Qi Qingwen，et al. Cloud and shadow removal from Landsat TM data[J]. Journal of Remote Sensing，2010，14(3)：534-545(in Chinese).

［11］ Otsu N. A threshold selection method from gray level histograms[J]. IEEE Transactions on Systems，Man，and Cybernetics，1979，9(1)：62-69.

［12］ 高賢君，萬幼川，鄭順義，等. 航空遙感影像陰影的自動(dòng)檢測與補(bǔ)償[J]. 武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2012，37(11)：1299-1302.

Gao Xianjun，Wan Youchuan，Zheng Shunyi，et al. Automatic shadow detection and compensation of aerial remote sensing images[J]. Geomatics and Information Science of Wuhan University，2012，37(11)：1299-1302(in Chinese).

［13］ Lee Jong-Sen. Digital image enhancement and noise filtering by use of local statistics[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，1980，PAMI-2(2)：165-168.

［14］ 陳 奮，趙忠明，楊 健. 一種基于無抽樣小波變換的云陰影去除算法[J]. 計(jì)算機(jī)工程，2006，32(7)：185-187.

Chen Fen，Zhao Zhongming，Yang Jian. Cloud shadow removal based on undecimated wavelet transform[J]. Computer Engineering，2006，32(7)：185-187(in Chinese).

［15］ 曹彬才，朱寶山，李潤生，等. 用于單幅影像勻光的Wallis算法[J]. 測繪科學(xué)技術(shù)學(xué)報(bào)，2012，29(5)：373-377.

Cao Bincai，Zhu Baoshan，Li Runsheng，et al. Wallis algorithm for single image dodging[J]. Journal of Geomatics Science and Technology，2012，29(5)：373-377(in Chinese).

［16］ 葉 勤，徐秋紅，謝惠洪. 城市航空影像中基于顏色恒常性的陰影消除[J]. 光電子·激光，2010，21(11)：1706-1712.

Ye Qin，Xu Qiuhong，Xie Huihong. Removing shadows from urban aerial images based on color constancy[J]. Journal of Optoelectronics·Laser，2010，21(11)：1706-1712(in Chinese).

(責(zé)任編輯：金順愛)

Automatic Cloud Shadow Removal in Single Aerial Image

Gao Xianjun，Wan Youchuan，He Peipei，Yang Yuanwei
(School of Remote Sensing and Information Engineering，Wuhan University，Wuhan 430079，China)

The existence of cloud shadow has a serious influence on the visual effect and image quality of aerial imagery. In order to remove cloud shadow，an automatic method without any manual help was proposed. Firstly，according to the spectral characteristics of cloud shadow，the initial cloud shadow could be detected by spectral signature with relative automatic threshold. Then the detection result would be post-processed by mathematical morphology to extract the complete cloud shadow area. Next，cloud shadow would be removed by a newly designed synthesized compensation model which utilizes the information of different areas including the whole shadow area and noshadow area，a pixel-centered window area and the pixel itself. All the parameters in the model could be automatically acquired according to the information from aforementioned areas. Experimental results show that the use of different information from whole area，window area and single pixel improves the ability of recognizing details and differences between pixels. In consequence，the contrast is promoted remarkably. Furthermore，the model is more flexible to deal with complex information shaded by cloud shadow，which resolves the problem existing in other methods that shadow areas are compensated unreasonably. The information of objects in shadow area including color and texture is restored more similarly to the truth.

shadow removal；synthesized compensation model；cloud shadow；aerial image；high resolution

TP751

：A

：0493-2137(2014)09-0771-07

10.11784/tdxbz201305055

2013-05-23；

2013-07-30.

國家科技支撐計(jì)劃資助項(xiàng)目(2012BAJ15B04，2012BAH34B02)；國家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)資助項(xiàng)目(2013AA122104)；高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金資助項(xiàng)目(20130141130003).

高賢君（1986— ），女，博士研究生，junxgao@whu.edu.cn.

楊元維，yyw_08@163.com.

時(shí)間：2013-10-17.

http：//www.cnki.net/kcms/detail/12.1127.N.20131017.1622.003.html.