顧及水域的QuickBird影像陰影檢測方法研究

謝亞坤，張 珩，馮德俊，李 強，王垠入

(1.西南交通大學 地球科學與環(huán)境工程學院, 四川 成都 611756; 2.西昌學院 土木與水利工程學院，四川 西昌 615000)

近年來，高分辨率遙感影像以其直觀準確、高分辨率、更新迅速等優(yōu)點使得其應用越發(fā)的廣泛?？臻g分辨率的大幅度提高，使得影像中的地物信息更加清晰、豐富，然而由于陰影的存在，嚴重影響圖像判讀、目標提取、變化檢測等的正確性。因此，影像中陰影的檢測是對陰影去除及利用的關(guān)鍵。

高分影像中陰影的檢測方法主要分為兩種：一種是基于模型的檢測方法，該方法需要獲得較多的先驗知識，如產(chǎn)生陰影物體的幾何形態(tài)、太陽方位、DSM數(shù)據(jù)以及傳感器相關(guān)參數(shù)等知識來進行陰影提取，具有較大的局限性[1-2]；另一種是基于陰影性質(zhì)的方法，通過區(qū)別陰影區(qū)域與非陰影區(qū)域在亮度、色彩、紋理等方面的差異進行陰影檢測[3]。文獻[4]通過建立HIS模型由閾值分割實現(xiàn)陰影的檢測。文獻[5]通過藍綠波段特性構(gòu)造比值，并結(jié)合能量信息補償方法分離陰影與非陰影區(qū)域。文獻[6]根據(jù)C1C2C3色彩空間不變特性中的C3分離出陰影與黑色區(qū)，并結(jié)合方差做紋理濾波提取陰影實現(xiàn)陰影邊界的提取。文獻[7]根據(jù)陰影區(qū)域HIS特性結(jié)合數(shù)學形態(tài)學實現(xiàn)陰影區(qū)域的檢測。文獻[8]利用YIQ構(gòu)造比值運算并結(jié)合Otsu閾值法實現(xiàn)陰影區(qū)域的提取。文獻[9]通過構(gòu)建譜間關(guān)系并建立水體實現(xiàn)陰影區(qū)域的提取。通過對以上的陰影檢測算法分析研究，發(fā)現(xiàn)相關(guān)算法對特定的影像效果較好，但仍存在一些不足之處。

為較好的檢測陰影及消除水體對陰影檢測的影響，本文根據(jù)波段比模型原理，結(jié)合影像特征分析其多波段灰度值差異，構(gòu)建陰影檢測方法。通過大量的實驗表明，該方法針對于QuickBird具有普適性，且計算過程簡單，具有很高的提取精度和提取效率。

1 陰影特性分析

Quickbird設(shè)有全色和多光譜影像，全色地面分辨率為0.61 m，多光譜地面分辨率為2.44 m，包括藍、綠、紅和近紅外4個波段[10]。對研究區(qū)Quickbird多光譜影像中典型地物的灰度值(Digital Number，DN)進行統(tǒng)計分析，統(tǒng)計結(jié)果如表1所示。

表1 陰影及相關(guān)典型地物灰度值

對Quickbird多光譜影像及典型地物灰度值統(tǒng)計分析如圖1所示。研究表明，不同地物的灰度值具有如下特征：

1)在藍、紅、近紅外3個波段陰影和水體的灰度值低于植被、建筑物、道路等地物，且二者相較而言陰影灰度值更小。

2)陰影及水體在紅、綠、藍3個波段灰度值與近紅外灰度值差值相較于其他地物差異更大。

3)對于相同地物綠波段灰度值皆高于其他波段，并且藍波段灰度值變化范圍最小。

圖1 陰影及相關(guān)典型地物灰度值曲線

2 陰影多波段檢測方法

2.1 波段組合

圖2(a)為Quickbird影像藍、綠、近紅外波段假彩色影像，在圖2(a)中繪制一條折線(由上至下)，提取地物灰度值剖面圖。結(jié)果如圖2(b)所示。通過對圖2(b)分析，藍、綠及近紅外波段陰影與水體的灰度值要低于其他地物，且在近紅外波段由于水體強吸收低反射的特性使得其灰度值略小于陰影。

對于一組數(shù)據(jù)集可通過均值和方差表示其特征，其中均值表示其集中趨勢的量數(shù)，標準差則能反應其離散程度。由于不同地物在不同波段灰度值相差較大，其取值范圍亦有差異，為更好地進行比較分析，將3個波段放在相同的尺度上來考慮，通過均值和標準差對地物灰度值進行標準化處理[11]，將處理之后的值進行累加，更好地突出不同地物之間的差異。構(gòu)造式(1)對影像進行波段組合處理。

(1)

式中：BC(Bands Combination)為波段變換后的灰度值；B，G，NIR分別為藍、綠、近紅外波段灰度值；μB、σB為藍色波段灰度值均值與標準差；μG、σG為綠色波段灰度值均值與標準差；μNIR、σNIR為近紅色波段灰度值均值與標準差。

經(jīng)波段變換之后的影像如圖3(a)所示，并在圖3(a)中繪制一條折線，提取地物灰度值剖面圖，如圖3(b)所示。從圖中可以看出水體與陰影部分灰度值皆為負值，且相較而言陰影區(qū)域灰度值小于水體區(qū)域。通過波段變換之后可以更好地區(qū)分水體與陰影。

圖2 藍、綠、近紅外假彩色影像及其DN值剖面圖

圖3 波段變換后的影像以及DN值剖面圖

2.2 多波段陰影指數(shù)計算

影像經(jīng)式(1)進行波段計算，從圖3(b)可知，影像中除陰影與水體外的其他地物灰度值皆為正值，通過舍去正值可除去除陰影與水體外的地物。為方便計算再對負值取正，陰影灰度值相較于水體較大，通過構(gòu)造變換之后的灰度值與近紅外波段灰度值的比值凸顯陰影與水體。構(gòu)造多波段陰影指數(shù)(Multiband Shadow Index，MSI)，具體表達式為

(2)

式中：-BC為經(jīng)式(1)變換后地物灰度值舍去正值后進行負值取正運算得到的值；NIR為近紅外波段灰度值。

經(jīng)過MSI多波段的變化后，利用直方圖閾值分割法通過選取合適的閾值，如圖3(b)分析可得閾值范圍為2到4。陰影與水體能夠很容易的顯示出來(見圖4)。對于影像中含有水體的區(qū)域可將其列為疑似陰影區(qū)域，并進行進一步的去除水體。影像中若不含水體，變換后影像經(jīng)數(shù)學形態(tài)學處理之后可定為陰影區(qū)域。

圖4 MSI變換后影像

2.3 構(gòu)建水體指數(shù)WI

Mcfeeters.S.K 提出歸一化差分水體指數(shù)(Normalized Difference Water Index，NDWI)[12]。如式(3)。利用水體在綠波段反射率高、近紅外波段反射率低的特點，將兩個波段進行差值和比值運算以增強水體特征[13]。但是NDWI在強化水體的同時，陰影區(qū)域也得到強化凸顯出來，造成混淆[14]。對影像進行NDWI處理結(jié)果如圖5(a)所示，并在影像中畫折線繪制不同地物灰度值剖面圖，見圖5(b)。

(3)

式中：G為綠色波段灰度值；NIR為近紅色波段灰度值。

通過對影像各波段灰度值的分析，發(fā)現(xiàn)陰影區(qū)域和水體的灰度值表現(xiàn)為G>NIR，且通過式(1)的波段組合加大水體與陰影的差異，可結(jié)合式(2)中的-BC值構(gòu)造水體指數(shù)分離陰影與水體。將感興趣的地物強反射波段綠波段與近紅外波段差值放在分子位置，將處理后的-BC值放在分母位置[15]。由于-BC作為分母值不宜過小，根據(jù)圖3(b)其值在陰影與水體區(qū)域皆大于1，則選取其大于1的部分用于計算。以NDWI為參考結(jié)合差值法和比值法，構(gòu)造水體指數(shù)(Water Index，WI)，其表達式為式(4)。

圖5 NDWI變換后的影像及DN值剖面圖

(4)

式中：G為綠色波段灰度值；NIR 為近紅色波段灰度值；-BC為式(1)的BC值舍去正值后進行負值取正運算生成的值。

對影像進行WI處理結(jié)果如圖6(a)所示，并在影像中畫折線繪制不同地物灰度值剖面圖，如圖6(b)。經(jīng)WI變換之后水體與其他地物灰度值差異較大，對圖6(b)分析可得選取閾值范圍為60到100之間即可較好的分離水體。此時水體區(qū)域灰度值得到增大，相對于圖5(b)，陰影與水體有了更為明顯的差異，有利于陰影與水體的分離。結(jié)果分析WI在提取陰影與水體混合區(qū)域的水體時優(yōu)于NDWI。

圖6 WI變換后的影像圖及地物DN值剖面圖

2.4 檢測方法設(shè)計

通過對影像各種地物灰度值分析，對影像進行波段運算，構(gòu)造多波段陰影指數(shù)以及水體指數(shù)，經(jīng)數(shù)學形態(tài)學與布爾運算之后可有效的去除水體并得到陰影區(qū)域，其流程如圖7所示。

3 實驗與分析

為對以上檢測方法進行驗證，分別從QuickBird多光譜影像，藍、綠、近紅外3個波段合成假彩色影像上截取兩個實驗區(qū)，并根據(jù)檢測方法通過c#編寫試驗程序，對兩個實驗區(qū)進行實驗和分析。

圖7 陰影檢測流程

其中圖8(a)的實驗區(qū)一中包含陰影、水體、建筑物、道路、植被等地物，對檢測結(jié)果進行二值化處理，并用白色表示疑似陰影區(qū)域。根據(jù)本文方法，首先對實驗區(qū)一進行MSI變換得到疑似陰影區(qū)域如圖8(b)所示，然后進行WI變換得到水體區(qū)域如圖8(c)所示，最后經(jīng)數(shù)學形態(tài)學處理后通過邏輯非運算得到去除水體后的陰影區(qū)域如圖8(d)所示。如圖8(d)所示圖中存在部分小圖斑，與原圖對比發(fā)現(xiàn)，河道圖斑是由于存在河堤和較高樹木形成，其他區(qū)域圖斑是由于較高樹木形成的陰影。

圖8 實驗區(qū)一陰影檢測結(jié)果(有水體)

實驗區(qū)二中不包含水體，但仍包含建筑、道路、植被等地物如圖9(a)所示。根據(jù)以上方法直接對影像進行MSI變換得到疑似陰影區(qū)域，并通過二值化處理用白色表示。由于影像中不包含水體則檢測出的疑似陰影區(qū)域即為陰影區(qū)域，如圖9(b)所示。

圖9 實驗區(qū)B陰影檢測結(jié)果(無水體)

為定量對陰影檢測結(jié)果的精度進行判斷，基于本文方法與人工定標方法進行對比分析[16]，結(jié)果如表2所示，對有水體和無水體的影像陰影提取精度進行分析，其陰影檢測精度分別為91.03%、92.31%。由此可得出，本文改進方法對影像中陰影具有很高的陰影檢測精度。

表2 陰影檢測結(jié)果精度評定

4 結(jié) 論

本文改進一種使用藍、綠、近紅外波段的陰影檢測新方法。實驗結(jié)果表明該方法能夠準確地提取陰影，對于影像中的水體也能夠準確地去除。該方法在對已有陰影檢測算法分析研究的基礎(chǔ)上結(jié)合Quickbird遙感影像地物灰度值特性，構(gòu)造多波段陰影指數(shù)，檢測出疑似陰影區(qū)域，并根據(jù)差值運算和比值法構(gòu)造水體指數(shù)，消除水體對陰影的影響，結(jié)合數(shù)學形態(tài)學處理與布爾運算，并通過c#編程實現(xiàn)陰影的準確提取。但由于一些細小陰影不能識別，無法被檢測且仍需要創(chuàng)建水體指數(shù)才能將水體分離，后續(xù)將對這些問題進行深入的研究，進一步提高陰影檢測的效果。