一種基于彩色模型的遙感影像陰影檢測方法

趙顯富，胡曉雯，趙 軒

(1. 南京信息工程大學(xué)， 江蘇 南京 210044； 2. 紫瑯職業(yè)技術(shù)學(xué)院，江蘇 南通 226002； 3. 南京南信大影像技術(shù)工程有限公司，江蘇 南京 210061)

一、引 言

遙感影像中的陰影是指地物(高大建筑物、樹木和山脈等)遮擋太陽光線，在物體背面形成的黑暗成像區(qū)域[1]。高密度的城市環(huán)境中，建筑物產(chǎn)生的陰影給圖像解譯帶來了正面及負面影響[2]：一方面，陰影可以反映建筑物的高度，估算建筑物的容積率，提取建筑物的三維信息[3]；另一方面，地物特征受到陰影噪聲的模糊作用而變得不明顯，進而影響數(shù)字影像的匹配精度和速度，影響地表信息的提取[4]。因此，探測陰影區(qū)域，對遙感影像進行陰影檢測在遙感影像陰影處理中有著重要的意義。

遙感影像陰影檢測方法根據(jù)是否需要環(huán)境條件的先驗知識，可以分為兩大類：一類是基于模型的方法[5]，根據(jù)遮擋物體的幾何形狀、DSM數(shù)據(jù)和太陽照射方位、傳感器等相關(guān)參數(shù)來檢測陰影區(qū)域[6-8]；另一類方法是基于陰影的性質(zhì)，根據(jù)陰影區(qū)域的共性與非陰影區(qū)域的差別提取陰影區(qū)域[9-12]。

本文依據(jù)遙感影像陰影區(qū)域的特性，基于遙感影像的色彩模型，將RGB空間轉(zhuǎn)換成HSV空間和C1C2C3彩色空間,結(jié)合彩色空間影像的各自特點進行陰影檢測，得到陰影區(qū)域。試驗證實，該方法的檢測精度明顯優(yōu)于傳統(tǒng)的陰影檢測方法。

二、陰影檢測

1. 基于HSV彩色空間的陰影檢測

(1) 背景知識

HSV(色調(diào)、飽和度、亮度)彩色空間是人們用來從調(diào)色板或顏色輪中挑選顏色(如顏料或墨水)所用的彩色系統(tǒng)之一，反映了人眼視覺觀察彩色的方式，該彩色系統(tǒng)比RGB系統(tǒng)更接近于人們的經(jīng)驗和對彩色的感知。HSV彩色體統(tǒng)基于柱坐標系，將RGB(笛卡爾坐標系)映射至HSV(柱坐標系)的方程如下

在HSV彩色空間中，遙感影像陰影區(qū)域與非陰影區(qū)域相比有以下3個特點[13](如圖1所示)：

1) 通過分析Phong光照模型，發(fā)現(xiàn)陰影區(qū)域具有更大的色調(diào)值。

圖1 HSV彩色空間光譜圖

2) 由于大氣瑞利散射的影響使得陰影區(qū)域的散射光線主要來自波長更短的藍紫色光，因此具有高飽和度值。

3) 陰影區(qū)域太陽光線被阻擋，導(dǎo)致低亮度值。

(2) 算法原理

本文根據(jù)陰影區(qū)域的上述3個特點，對陰影區(qū)域進行檢測：將彩色影像進行RGB到HSV色彩空間變換，依據(jù)陰影區(qū)域的高色調(diào)值、低亮度值和高飽和度特性，定義M=(S-V)/(H+S+V)進行閾值選擇分割出陰影區(qū)域；在得到初步的陰影分割結(jié)果后, 統(tǒng)計各個獨立陰影區(qū)域的面積大小, 如果小于一個給定的面積閾值, 就認為其屬于非陰影區(qū)域內(nèi)部的具有較低亮度的地物。這樣得到的小區(qū)域去除結(jié)果，可能由于陰影區(qū)域內(nèi)部存在高亮度地物而留有空洞，因此還需要對分割出的陰影區(qū)域進行數(shù)學(xué)形態(tài)學(xué)的閉運算處理, 從而得到較精確的陰影區(qū)域。

2. 基于C1C2C3彩色空間的陰影檢測

(1) 背景知識

從色彩基本理論可知，任何一種顏色都是由RGB 3種顏色按照不同的比例組成的, 彩色航空影像陰影區(qū)域的像素也是如此。陰影也有顏色，但是陰影區(qū)域的像素值比其他區(qū)域的值小得多，試驗證明，利用RGB彩色空間單色波段進行陰影檢測精度低，因此本文引入了C1C2C3彩色空間進行陰影檢測。將RGB空間轉(zhuǎn)換到C1C2C3空間的定義如下

(2) 算法原理

通過分析Phong光照模型[14]發(fā)現(xiàn)，陰影區(qū)域在RGB空間的像素值都有所下降，且ΔIR>ΔIG>ΔIB，R和G比重下降較大，但是藍光很特別, 因為利用太陽光作為光源時, 在拍攝過程中藍光受到環(huán)境散射影響很大, 所以陰影區(qū)域的藍光值下降得最少，這相當于增加了陰影區(qū)域的藍色分量[15]。本文先對彩色影像進行RGB到C1C2C3彩色空間的變換，由于在陰影區(qū)域藍光通道灰度下降得最少，因此在C1C2C3彩色空間的C3分量中，陰影區(qū)域主要占據(jù)的是高像素值，通過對C3分量圖采用閾值分割的方法得到初步陰影區(qū)域。但原始影像中的偏藍色地物在C3分量中就具有很高的像素值，必須將這些區(qū)域從陰影區(qū)域中去除。為此，需要將C3分量圖和B分量圖相結(jié)合，采用雙閾值來進行陰影檢測。只有在C3分量中高于某個閾值，并在B分量中低于某個閾值的區(qū)域，才被檢測成為陰影區(qū)域。

3. 基于彩色模型的遙感影像陰影檢測

基于HSV彩色空間的陰影檢測, 其根據(jù)是陰影區(qū)域影像的色調(diào)、飽和度、亮度的屬性；而基于C1C2C3彩色空間的陰影檢測，其依據(jù)是陰影區(qū)域區(qū)別于非陰影區(qū)域的顏色值。本文結(jié)合這兩種方法檢測陰影，降低了閾值選擇的主觀性，也提高了陰影檢測的精度。對HSV彩色空間和C1C2C3彩色空間檢測出的陰影區(qū)域進行與運算, 如果某區(qū)域在兩種檢測方法中都被檢測為陰影區(qū)域, 則將該區(qū)域標記出來,否則不認為是陰影區(qū)域。

三、試驗結(jié)果與分析

1. 試驗結(jié)果

利用本文提出的方法，進行了多次實際陰影檢測試驗，由于篇幅限制，下面列出了其中3幅圖像的檢測結(jié)果。圖2(a)、圖3(a)和圖4(a)是3幅帶有陰影的原圖像，分別記為Fig1、Fig2和Fig3，為了便于觀察檢測效果，將檢測到的非陰影區(qū)域用白色表示，檢測到的陰影區(qū)域用黑色表示，同時和傳統(tǒng)的直方圖閾值法以及形態(tài)學(xué)檢測法進行了對比分析。圖2(b)、圖3(b)和圖4(b)是直方圖閾值法的檢測結(jié)果，圖2(c)、圖3(c)和圖4(c)是形態(tài)學(xué)檢測法的檢測結(jié)果，圖2(d)、圖3(d)和圖4(d)是基于彩色模型的陰影檢測結(jié)果。

圖2 Fig1檢測結(jié)果

圖3 Fig2檢測結(jié)果

圖4 Fig3檢測結(jié)果

2. 統(tǒng)計分析

對所進行的試驗進行統(tǒng)計分析，采用Shufelt[16]提出的評價方法對檢測得到的陰影區(qū)域進行估計評價。提出兩個評價指標，分別為陰影檢測準確率Cf和陰影檢測總體精度Af

式中，MFP代表非陰影被檢測為陰影的像素數(shù)；MFN代表陰影被檢測為非陰影的像素數(shù)；MTP為被正確檢測的陰影像素數(shù)。

根據(jù)上述的陰影檢測評價指標，本文將處理后的影像分別按照準確率與精度進行統(tǒng)計，結(jié)果見表1。

表1 陰影檢測后圖像統(tǒng)計數(shù)據(jù) %

四、結(jié)束語

本文依據(jù)陰影區(qū)域高色調(diào)值、高飽和度值、低亮度值、藍光值下降少的特性，將RGB空間轉(zhuǎn)換到HSV空間和C1C2C3彩色空間,并結(jié)合數(shù)學(xué)形態(tài)學(xué)和雙閾值檢測，提出了一種基于遙感影像色彩模型的陰影檢測算法。通過試驗證明了方法的有效性，并與其他兩種檢測方法比較分析，結(jié)果表明直方圖閾值法和形態(tài)學(xué)檢測法易將影像中與陰影區(qū)域色調(diào)、顏色或亮度值相近的建筑物、道路等錯誤識別為陰影；且通過統(tǒng)計分析發(fā)現(xiàn)，彩色模型檢測法檢測陰影的準確度和精度都明顯高于傳統(tǒng)的陰影檢測方法，檢測效果好。但是通過試驗可以看出，文中提出的方法在某些場景中，也會出現(xiàn)少許誤分、漏分現(xiàn)象，如何在此方面進行改進或者是與傳統(tǒng)方法更好地整合，揚長避短，將會成為下一步的研究方向。

參考文獻：

[1] 季順平，袁修孝.一種基于陰影檢測的建筑物變化檢測方法[J].遙感學(xué)報，2007，11(3):323-329.

[2] 鮑海英，李艷，尹永宜.城市航空影像的陰影檢測和陰影消除方法研究[J].遙感信息，2010(1):44-47.

[3] 王樹根，王軍利，王愛萍.基于整體變分模型的影像陰影檢測算法研究[J].武漢大學(xué)學(xué)報:信息科學(xué)版，2006，31(8):663-666.

[4] 鄭文武，鄧運員.基于LSMA的TM影像云和陰影的檢測與去除方法[J].測繪科學(xué)，2010，35(3):62-65.

[5] FINLAYSON G D，HORDLEY S D, DREW M S.Removing Shadows from Images Using Retinex[C]∥Proceeding of the 10th Color Image Conference. Scottsclale:CIC, 2002：823-836.

[6] IRVIV R B, MCKEOWN D M.Methods for Exploiting the Relationship between Buildings and Their Shadows in Aerial Imagery[J].∥IEEE Transaction on Systems:Man and Cybernetics，1989,19(16):1564-1575.

[7] GILES P T.Remote Sensing and Cast Shadows in Mountainous Terrain[J].Photogramm Etric Engineering and Remote Sensing，2001，67(7):833-840.

[8] GONG P,MEI XL,BIGING G S,et al. Improvement of an Oak Canopy Model Extracted from Digital Photogrammetry[J].Photogramm etric Engineering & Remote Sensing,2002, 63(9): 919-924.

[9] 王軍利，王樹根.一種基于RGB彩色空間的影像陰影檢測方法[J].信息技術(shù),2002,26(12): 7-8.

[10] 楊益軍,趙榮椿,汪文秉.航空圖像中陰影區(qū)域的檢測[J].信號處理,2002,18(3):228-232.

[11] 許妙忠，余志惠.高分辨率衛(wèi)星影像中陰影的自動提取與處理[J].測繪信息與工程，2003，28(1):20-22.

[12] 王樹根,王軍利,郭麗艷.基于K-L變換的航空影像陰影檢測[J].測繪信息與工程,2004, 29(2):21-23.

[13] TSAI V J D. A Comparative Study on Shadow Compensation of Color Aerial Images in Invariant Color Models[J].IEEE Transactions on Geoscience and Remote Sensing，2006，44(6):1661-1671.

[14] 虢建宏，田慶久，吳昀昭．遙感影像陰影多波段檢測與去除理論模型研究[J]．遙感學(xué)報，2006，10(2):151-159.

[15] PHONG B T. Illumination For Computer Generated Pictures [J]. Communications of the ACM，1975，18(6):311-317.

[16] SHUFELT J A．Performance Evaluation and Analysis of Monocular Building Extraction from Aerial Imagery[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1999,21(4):311-326.