基于QuickBird影像的城市高大地物陰影檢測(cè)方法

姚花琴， 楊樹文， 劉正軍， 楊興旺， 李軼鯤

(1.蘭州交通大學(xué)測(cè)繪與地理信息學(xué)院，蘭州 730070；2.中國(guó)測(cè)繪科學(xué)研究院，北京 100830)

基于QuickBird影像的城市高大地物陰影檢測(cè)方法

姚花琴1， 楊樹文1， 劉正軍2， 楊興旺1， 李軼鯤1

(1.蘭州交通大學(xué)測(cè)繪與地理信息學(xué)院，蘭州 730070；2.中國(guó)測(cè)繪科學(xué)研究院，北京 100830)

針對(duì)利用高分辨率遙感影像檢測(cè)陰影時(shí)受水體和偏藍(lán)色地物影像的影響問題，提出了一種主成分變換和多波段運(yùn)算相結(jié)合的陰影檢測(cè)方法。首先，統(tǒng)計(jì)、分析了QuickBird影像中陰影、水體及建筑物等典型地物的光譜特征；然后，基于主成分變換和多波段運(yùn)算相結(jié)合的方法識(shí)別陰影區(qū)域和非陰影區(qū)域，并利用多峰直方圖閾值算法對(duì)陰影進(jìn)行自動(dòng)檢測(cè)；最后，利用形態(tài)學(xué)濾波算法對(duì)檢測(cè)結(jié)果進(jìn)行后處理。實(shí)驗(yàn)結(jié)果表明，該方法對(duì)QuickBird影像中的陰影提取具有較高的精度、效率和普適性。

QuickBird影像；主成分變換；陰影檢測(cè)；形態(tài)學(xué)濾波

0 引言

高分辨率遙感影像陰影的檢測(cè)是對(duì)其去除和利用的前提。因此，如何有效、高精度地檢測(cè)陰影信息具有重要意義[1]。陰影的檢測(cè)方法主要分為基于模型和基于陰影性質(zhì)2種。基于模型的方法因其需要有關(guān)場(chǎng)景、目標(biāo)和光照情況的先驗(yàn)知識(shí)，因此具有較大的局限性，相關(guān)研究較少；基于陰影性質(zhì)的方法是利用陰影區(qū)域的光譜和幾何特征來檢測(cè)陰影[2]，該方法適用范圍廣，相關(guān)研究較多。針對(duì)彩色航空影像，Tsai[3]提出利用HSI(色相(hue)、飽和度(saturation)、亮度 (intensity))、HSV(色相(hue)、飽和度(saturation)、色明度(value))、YIQ(亮度成分(luminance)、色彩從橙色到青色(In-phase)、色彩從紫色到黃綠色(Quadrature-phase))和YCbCr(亮度成分(luminance)、藍(lán)色色度(Cb)、紅色色度(Cr))等彩色模型檢測(cè)陰影，認(rèn)為將RGB影像轉(zhuǎn)換到Y(jié)IQ空間，利用比值法檢測(cè)陰影區(qū)域的效果最佳。此外，虢建宏[4]等提出了一種多波段陰影檢測(cè)的方法和基于能量信息補(bǔ)償去除陰影的理論模型；Ma[5]等基于HSV色彩空間的陰影特性，提出了一種歸一化飽和度差值指數(shù)(normalization saturation difference vegetation index,NSDVI)用于檢測(cè)陰影，并利用直方圖匹配的方法對(duì)陰影區(qū)域進(jìn)行補(bǔ)償；王玥[6]等根據(jù)高分辨率影像中陰影的性質(zhì)，提出了一種基于主成分分析的陰影檢測(cè)方法；劉輝[1]等基于主成分變換和HSI模型，提出了用陰影指數(shù)法(shadow index，SI) 檢測(cè)陰影。

上述方法在特定的應(yīng)用條件下均取得了較好的檢測(cè)效果，但仍存在以下問題：①影像的不確定性使得檢測(cè)方法有較大的局限性；②影像上水體和陰影的灰度值很相近，二者的區(qū)分有一定的難度；③難以有效地消除偏藍(lán)色地物(真彩色合成圖像中呈藍(lán)色或淡藍(lán)色的地物)的影響。為此，本文在前人研究的基礎(chǔ)上[7-13]，基于QuickBird高分辨率遙感影像數(shù)據(jù)，提出一種主成分變換與多波段運(yùn)算相結(jié)合的陰影檢測(cè)方法。通過大量的實(shí)驗(yàn)驗(yàn)證，該方法能較好地區(qū)分水體和陰影，消除偏藍(lán)色地物的影響，提高了建筑物陰影檢測(cè)的精度。

1 研究方法

在基于高分辨率遙感影像陰影檢測(cè)的眾多研究中，如何有效地消除水體、偏藍(lán)色地物等因素對(duì)陰影檢測(cè)精度的影響是遙感影像應(yīng)用的一個(gè)難題。因此，如何增強(qiáng)陰影和水體光譜值的差異是本文研究的重點(diǎn)。

1.1 典型地物的光譜特征分析

QuickBird設(shè)有全色影像(分辨率0.61～0.72 m)和多光譜影像(分辨率2.44～2.88 m)。其中，多光譜影像具有紅、綠、藍(lán)和近紅外4個(gè)波段。本文對(duì)多光譜影像中陰影、建筑物、道路和水體等信息的光譜特征進(jìn)行了統(tǒng)計(jì)，其結(jié)果如表1所示。

表1 陰影及典型地物的光譜特征Tab.1 Spectral characteristics of shadow and surface features

①括號(hào)中數(shù)字代表采樣像元數(shù)目，余同。

分析表1發(fā)現(xiàn)，陰影在紅波段亮度值最低，在綠波段與藍(lán)波段的亮度值之差明顯低于水體在綠波段和藍(lán)波段的亮度值之差。

1.2 陰影檢測(cè)模型的構(gòu)建

1.2.1 模型設(shè)計(jì)

在陰影檢測(cè)模型的構(gòu)建過程中，為了盡量降低光譜運(yùn)算的局限性、遙感影像的不確定性和閾值自動(dòng)提取等問題的影響，本研究采用了同向集成計(jì)算和影像分塊處理方法，具體為：

1)多光譜同向集成計(jì)算。在影像特征信息提取過程中，簡(jiǎn)單的光譜運(yùn)算容易受影像質(zhì)量、地物復(fù)雜度等影響而難以保證信息提取的精度。為此，本文在研究過程中采用了多光譜、多特征集成計(jì)算的方法：首先，依據(jù)主成分變換在相關(guān)性獨(dú)立和第一主成分信息高度集中的典型特征，對(duì)QuickBird多光譜圖像進(jìn)行主成分變換并獲取第一主成分；然后，依據(jù)陰影在綠波段與藍(lán)波段的亮度值之差明顯低于水體在綠波段和藍(lán)波段亮度值之差這一特點(diǎn)，采用差值運(yùn)算來進(jìn)一步增大陰影與其他地物間的差異；最后，根據(jù)比值運(yùn)算有利于改善圖像質(zhì)量，突出目標(biāo)信息，增大灰度值均值差異，縮小方差等特征，對(duì)前2步計(jì)算的結(jié)果圖像進(jìn)行比值運(yùn)算，進(jìn)一步增大了陰影和其他地物間的灰度值差異，消除了水體和偏藍(lán)色地物的影響，并有利于用閾值自動(dòng)選取算法較為準(zhǔn)確地獲取陰影分割值。

2)影像分塊運(yùn)算。在前期的研究中發(fā)現(xiàn)，目標(biāo)在影像中所占比例的多少會(huì)影響閾值自動(dòng)選取算法的精度，因此，在本文研究中采用了影像分塊處理。另外，影像分塊處理也可以在一定程度上弱化影像不確定性的影響，從而進(jìn)一步保證了多光譜、多特征同向集成計(jì)算的精度，提高了陰影檢測(cè)的精度。

1.2.2 算法流程

本文的檢測(cè)算法步驟如圖1所示。

圖1 陰影檢測(cè)算法技術(shù)流程Fig.1 Technology flowchart of shadow detection algorithm

第1步，對(duì)實(shí)驗(yàn)區(qū)影像做主成分變換，得到第一主成分(PC1)；

第2步，對(duì)綠波段和藍(lán)波段做差值運(yùn)算(G-B)，差值結(jié)果記為B1；

第3步，對(duì)第一主成分(PC1)和差值結(jié)果(B1)做比值運(yùn)算(PC1/B1)，比值結(jié)果記為B2；

第4步，對(duì)B2采用直方圖閾值法分割陰影區(qū)域和非陰影區(qū)域，得到最初的陰影區(qū)域；對(duì)陰影區(qū)域二值圖像進(jìn)行形態(tài)學(xué)閉運(yùn)算(先膨脹后腐蝕)剔除孤立點(diǎn)，填充空洞，使陰影區(qū)域更為連續(xù)、完整。

2 實(shí)驗(yàn)驗(yàn)證與分析

本文通過2個(gè)實(shí)驗(yàn)區(qū)的實(shí)驗(yàn)對(duì)前人算法和本文算法進(jìn)行了實(shí)驗(yàn)對(duì)比與分析。為了便于觀察檢測(cè)效果，對(duì)檢測(cè)到的陰影區(qū)域用白色表示，非陰影區(qū)域用黑色表示。

在實(shí)驗(yàn)一中，截取的目標(biāo)QuickBird多光譜影像數(shù)據(jù)如圖2(a)所示，圖中含有偏藍(lán)色地物(紅色矩形框中)和較多建筑物陰影?；赑C1/B方法提取的陰影如圖2(b)所示; 基于本文算法提取的結(jié)果如圖2(c)所示。對(duì)比圖2(b)和圖2(c)可以看出，本文算法可以有效地檢測(cè)出陰影區(qū)域。

(a) 實(shí)驗(yàn)一區(qū)原始圖像(b)PC1/B算法檢測(cè)結(jié)果

(c) 本文算法檢測(cè)結(jié)果(d) 對(duì)圖(c)進(jìn)行形態(tài)學(xué)閉運(yùn)算結(jié)果

圖2 實(shí)驗(yàn)一區(qū)陰影檢測(cè)結(jié)果

Fig.2 Shadow detection results of experimental area one

在實(shí)驗(yàn)二中，截取的目標(biāo)QuickBird多光譜影像如圖3(a)所示。圖中含有水體、建筑物陰影等?；赑C1/B方法提取的陰影結(jié)果如圖3(b)所示；基于本文算法提取的結(jié)果如圖3(c)所示。對(duì)比圖3-1(b)和圖3-2(c)可以看出，PC1/B檢測(cè)算法不能有效地區(qū)分部分水體和陰影，致使水體(圖3-1(a)(b)紅色矩形框中)被誤提為陰影區(qū)域。本文算法能有效地解決這一問題。通過形態(tài)學(xué)閉運(yùn)算處理可使提取出的陰影區(qū)域更為連續(xù),如圖2(d)和圖3-2(d)所示。

(a) 實(shí)驗(yàn)二區(qū)原始圖像 (b)PC1/B算法檢測(cè)結(jié)果

圖3-1 實(shí)驗(yàn)二區(qū)陰影檢測(cè)結(jié)果

Fig.3-1 Shadow detection results of experimental area two

(c) 本文算法檢測(cè)結(jié)果(d) 對(duì)圖(c)進(jìn)行形態(tài)學(xué)閉運(yùn)算結(jié)果

圖3-2 實(shí)驗(yàn)二區(qū)陰影檢測(cè)結(jié)果

Fig.3-2 Shadow detection results of experimental area two

3 結(jié)論

本文提出的基于QuickBird影像陰影檢測(cè)方法能夠有效地區(qū)分水體和陰影，且避免了偏藍(lán)色地物等對(duì)檢測(cè)精度的影響，實(shí)現(xiàn)了陰影信息的高精度提取。

本研究的不足之處在于：陰影檢測(cè)模型是針對(duì)城市高大地物(建筑物、高大樹木)構(gòu)建的，因此對(duì)細(xì)小陰影區(qū)域的處理還需進(jìn)一步研究，改進(jìn)檢測(cè)模型，以提高檢測(cè)的精度；在此檢測(cè)模型的基礎(chǔ)上，若結(jié)合影像成像的物理模型進(jìn)行計(jì)算，將能進(jìn)一步提高檢測(cè)精度。

[1] 劉輝,謝天文.基于PCA與HIS模型的高分辨率遙感影像陰影檢測(cè)研究[J].遙感技術(shù)與應(yīng)用,2013,28(1):78-84. Liu H,Xie T W.Study on shadow detection in high resolution remote sensing image of PCA and HIS model[J].Remote Sensing Technology and Application,2013,28(1):78-84.

[2] 楊俊,趙忠明,楊健.一種高分辨率遙感影像陰影去除方法[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版,2008,33(1):17-20. Yang J,Zhao Z M,Yang J.A shadow removal method for high resolution remote sensing image[J].Geomatics and Information Science of Wuhan University,2008,33(1):17-20.

[3] 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):1671-1771.

[4] 虢建宏,田慶久,吳昀昭.遙感影像陰影多波段檢測(cè)與去除理論模型研究[J].遙感學(xué)報(bào),2006,10(2):151-159. Guo J H,Tian Q J,Wu Y Z.Study on multispectral detecting shadow areas and a theoretical model of removing shadows from remote sensing images[J].Journal of Remote Sensing,2006,10(2):151-159.

[5] Ma H J,Qin Q M,Shen X Y.Shadow segmentation and compensation in high resolution satellite images[C]//IEEE International Geoscience and Remote Sensing Symposium.Boston,MA:IEEE,2008,2:II-1036-II-1039.

[6] 王玥,王樹根.高分辨率遙感影像陰影檢測(cè)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):137-141. Wang Y,Wang S G.Detection and compensation of shadows in high resolution remote sensing images using PCA[J].Journal of Applied Sciences,2010,28(2):137-141.

[7] Zhang Z W,Chen F.A shadow processing method of high spatial resolution remote sensing image[C]//2010 3rd International Congress on Image and Signal Processing(CISP).Yantai:IEEE,2010,2:816-820.

[8] Tolt G,Shimoni M,Ahlberg J.A shadow detection method for remote sensing images using VHR hyperspectral and LiDAR data[C]//IEEE International Geoscience and Remote Sensing Symposium(IGARSS).Vancouver,BC:IEEE,2011:4423-4426.

[9] Yu H Y,Sun J G,Liu L N,et al.MSER based shadow detection in high resolution remote sensing image[C]//2010 International Conference on Machine Learning and Cybernetics(ICMLC).Qingdao:IEEE,2010,2:780-783.

[10] Luo H,Shao Z.A shadow detection method from urban high resolution remote sensing image based on color features of shadow[C]//2012 Fourth International Symposium on Information Science and Engineering(ISISE).Wuhan:IEEE,2012:48-51.

[11] 王樹根,郭澤金,李德仁.彩色航空影像上陰影區(qū)域信息補(bǔ)償?shù)姆椒╗J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版,2003,28(5):514-516. Wang S G,Guo Z J,Li D R.Shadow compensation of color aerial images[J].Geomatics and Information Science of Wuhan University,2003,28(5):514-516.

[12] 許妙忠,余志惠.高分辨率衛(wèi)星影像中陰影的自動(dòng)提取與處理[J].測(cè)繪信息與工程,2003,28(1):20-22. Xu M Z,Yu Z H.Automated extraction of shadows in very-high resolution spatial satellite images[J].Journal of Geomatics,2003,28(1):20-22.

[13] 高賢君,萬幼川,鄭順義,等.航空遙感影像陰影的自動(dòng)檢測(cè)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 X J,Wan Y C,Zheng S Y 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.

(責(zé)任編輯：刁淑娟)

A method of shadow detection for city tall ground objects based on QuickBird images

YAO Huaqin1,YANG Shuwen1,LIU Zhengjun2,YANG Xingwang1,LI Yikun1

(1.LanzhouJiaotongUniversity,FacultyofGeomatics,Lanzhou730070,China;2.ChinaSurveying&MappingInstitute,Beijing100830,China)

The detection accuracy is likely to be influenced by water bodies and bluish surface features during the detection of shadows on high-resolution remote sensing images. To tackle this problem,this paper proposes a new shadow detection method using principal component transform and multi-band operation. Firstly,the spectral values of typical surface features such as shadows,water bodies and buildings are counted and analyzed in QuickBird images. Secondly,the non-shaded area and shaded area are identified based on principal component transform combined multi-band operation and automatically detected by multimodal histogram threshold algorithm. Finally,the detected result is processed by morphological filtering algorithm. The result shows that this method shows higher extraction accuracy,efficiency and universality for QuickBird images.

QuickBird images; principal component transform; shadow detection; morphological filtering

2014-03-27；

2014-06-12

中國(guó)測(cè)繪科學(xué)研究院科研專項(xiàng)“多源多時(shí)相高分辨率影像高大地物陰影檢測(cè)算法研究”(編號(hào)：513157)、甘肅省高等學(xué)?；究蒲袠I(yè)務(wù)費(fèi)項(xiàng)目“甘南地區(qū)滑坡泥石流信息遙感自動(dòng)提取與危險(xiǎn)性評(píng)價(jià)研究”(編號(hào)：212091)和中國(guó)博士后科學(xué)基金資助項(xiàng)目(編號(hào)：2014M552558XB)共同資助。

10.6046/gtzyyg.2015.02.08

姚花琴,楊樹文,劉正軍,等.基于QuickBird影像的城市高大地物陰影檢測(cè)方法[J].國(guó)土資源遙感,2015,27(2):51-55.(Yao H Q,Yang S W,Liu Z J,et al.A method of shadow detection for city tall ground objects based on QuickBird images[J].Remote Sensing for Land and Resources,2015,27(2):51-55.)

TP 75

A

1001-070X(2015)02-0051-05

姚花琴(1989-)，女，碩士研究生，主要從事遙感影像處理、GIS系統(tǒng)開發(fā)等方面的研究。Email：250436125@qq.com。

楊樹文(1975-)，男，博士/副教授，主要從事遙感數(shù)字圖像處理和遙感信息識(shí)別及提取方面的研究。Email：ysw040966@163.com。