基于HSI彩色空間的遙感影像陰影探測方法*

何 浩，楊非凡

(新疆大學 建筑工程學院，新疆 烏魯木齊 830017)

0 引言

隨著城市化進程的不斷推進，城市中的高層建筑越來越多，在城市區(qū)域的遙感影像中，由于高大建筑物的存在，其產生的陰影成為影響遙感影像質量的重要因素之一。能否準確地檢測到陰影區(qū)域并減弱陰影的影響成為一個亟待解決的問題。陰影探測的方法主要分為兩大類，即基于陰影特性的方法和基于模型的方法。基于模型的方法是依據(jù)遮擋物體的幾何形狀，太陽照射的方位、數(shù)字地表模型數(shù)據(jù)等相關參數(shù)來計算陰影區(qū)域，但這些參數(shù)通常難以獲得?；陉幱疤匦缘姆椒ㄊ抢藐幱皡^(qū)域與非陰影區(qū)域在亮度、色彩、紋理等特征上的不同來區(qū)分陰影。

Tasi等[1-3]基于HSI彩色空間的亮度和彩度屬性，提出了一種陰影檢測方法。通過構建I分量和H分量的關系式，采用最大類間方差法[4]計算最佳閾值。趙顯富[5]依據(jù)陰影區(qū)域亮度低和飽和度高的特性，構建陰影指數(shù)提取陰影。劉輝[6]基于主成分變換和HSI模型，提出了一種陰影指數(shù)SI。陳超[7]結合監(jiān)督分離算法與郎伯模型先后提取陰影區(qū)和校正陰影區(qū)。于東方[8]利用全色影像的灰度值基勢函數(shù)結合確定閾值，首先將RGB影像轉換為全色影像，取一階差分為正值時的灰度級作為分割閾值。但上述方法都存在一定的局限性。如直接利用灰度圖像進行雙峰分裂求取閾值時，很容易將灰度值較低的地物進行錯分；直接構建陰影模型，對于不同的遙感影像的普適性也會較低。為了提高陰影檢測的自動化程度與準確度。本文提出一種基于HSI彩色空間的亮度直方圖統(tǒng)計的陰影探測方法。

該方法利用陰影與非陰影區(qū)域的亮度差異，在HSI彩色空間的亮度分量上，將地物分為陰影(亮度低)與非陰影(亮度高)兩種。在亮度分量灰度影像的亮度直方圖中取兩個波峰的最低值作為閾值，能夠準確地分離出陰影區(qū)域。傳統(tǒng)的雙峰分裂法選取兩峰值間的中間值作為分割閾值。本文方法選取的最小值基于同類地物在遙感影像中灰度級呈正態(tài)分布的原理進行選取。相比傳統(tǒng)的雙峰分裂法該方法選取的閾值偏小，可以較好地減少將暗植被誤判為陰影的現(xiàn)象。

1 陰影探測

1.1 陰影探測的原理

HSI(Hue，色度；Saturation，飽和度；Intensity亮度)彩色空間是由美國色彩學家孟塞爾于1978年提出的，該模型將亮度分量與彩色影像中攜帶的彩色信息分開。在RGB彩色空間中，陰影在R、G、B三種分量中灰度值都比較低，與水體、綠地等易吸收光的地物一致，難以產生差別，即使將其轉換到全色影像中，也會存在與上述物體之間的同譜異物性。而在HSI彩色空間中，將亮度與彩度進行分離，因此能夠較好地利用地物的亮度差異來進行陰影提取，且這種方法比直接利用全色影像的灰度值來區(qū)分陰影與非陰影更加準確。

1.2 陰影探測的算法模型

首先將RGB影像轉換為HSI彩色影像，單獨取出亮度分量。

(1)

式中：(x，y)表示影像像元的位置；i表示灰度級。

用式(1)對其灰度值進行統(tǒng)計并作出灰度直方圖，由于陰影區(qū)域與非陰影區(qū)域存在亮度差異，所以存在兩個峰值。由此，可以認為是兩種類型的地物。一種是亮度較高的地物；另一種是亮度較低的地物。通常情況下，在同一分量中同類地物的光譜值趨于正態(tài)分布。當兩類地物區(qū)別較大時，非同類地物期望值(峰值)差異越大。區(qū)別較小時，非同類地物的期望值差異越小。在亮度分量中，兩類地物(陰影與非陰影)之間的期望值具有非常明顯的差異性。可以通過多次運用式(2)得到兩個波峰的峰值對應的灰度級。

Z(i)={Z(i)>Z(i-1)∩Z(i)>Z(i+1)}

(2)

式中：Z(i)表示在灰度級為i時對應的像元總數(shù)。

用式(3)選取兩峰值之間的最小值作為閾值來作為區(qū)分陰影與非陰影的重要閾值參數(shù)。

T=min{Zmax1≤Z(T)≤Zmax2}

(3)

式中：Zmax1表示亮度較低的地物的峰值；Zmax2表示亮度較高的地物的峰值；T表示在兩個峰值之間最小亮度值的灰度級。

1.3 陰影探測步驟

由于陰影區(qū)域的亮度值較低，在HSI影像的飽和度分量中，取亮度較高的峰值和亮度較低的峰值之間的最小值作為陰影分割閾值。

1)將RGB彩色空間中的遙感影像轉化到HSI彩色空間中，單獨取出亮度分量I；

2)取灰度級L=256，按照式(1)計算其灰度統(tǒng)計直方圖；

3)運用式(2)在灰度統(tǒng)計直方圖中找到相對較小的一個峰值和相對較大的一個峰值；

4)運用式(3)得到兩峰值之間的最小值，并將其作為分割的閾值T；

5)依據(jù)第四步得到的閾值，當f(x，y)

2 影像分割閾值選取實驗

實驗數(shù)據(jù)采用烏魯木齊市某地區(qū)2013年的GEOEYE影像見(分辨率0.5 m，影像大小為1 369×1 098)，見圖1(a)。首先將RGB影像轉換為HSI影像，提取HSI彩色空間中的亮度分量，見圖1(b)。

圖1 原始影像初步處理

對影像I分量進行統(tǒng)計的灰度值直方圖存在多個噪聲波峰、波谷，如圖2(a)所示。對自動提取波谷值造成一定的困難，需要對灰度直方圖進行平滑處理。本文通過取相鄰k個灰度級直方圖均值的方式進行平滑。實驗表明，當k值為3時，灰度值直方圖可以較好地剔除這些噪聲波峰、波谷，如圖2(b)所示。從圖中明顯可以看出，存在兩個比較大的波峰。選出兩個波峰之間的最小值作為區(qū)分陰影區(qū)域和非陰影區(qū)域的閾值，即可得到準確的陰影區(qū)域，最終確定的影像分割閾值為52。

圖2 灰度直方圖處理

3 結果分析

3.1 對比分析

為驗證本文方法的效果，選取了經(jīng)典的陰影提取方法雙峰分裂法(BSM)、歸一化陰影指數(shù)法(NDUI)等兩種方法，與本文方法進行比較。陰影檢測結果如圖3所示。圖3(a)為利用的傳統(tǒng)的雙峰分裂法(BSM)檢測的陰影圖，從圖中可以看到除陰影區(qū)域外，還有少量亮度較低的植也被誤檢為陰影；圖3(b)為使用歸一化陰影指數(shù)法(NDUI)檢測得到的陰影結果，從圖中可以看出，除陰影區(qū)域外，還包括大量植被被劃分為陰影；圖3(c)為本文方法檢測的陰影結果圖，相比前兩種方法，本文方法將植被誤檢測為陰影的像元更少。圖3(d)為目視解譯得到的陰影參考圖。

圖3 陰影探測結果

為進一步從定量化角度衡量本文方法的效果，對幾種方法檢測結果進行了統(tǒng)計，檢測精度如表1所示。

表1 陰影探測結果準確度評價

從統(tǒng)計結果可以看出，本文方法在陰影檢測正確率方面有較大的提升，明顯優(yōu)于BSM和NDUI方法。

3.2 陰影細部優(yōu)化

從圖4中可以看出，除了建筑物的大面積陰影外，還存在許多的小塊陰影。這些陰影的產生于低矮的綠化帶以及低矮的房屋，以及汽車。從圖中可以看出，包括建筑物頂部的凹凸產生的陰影(A區(qū)域)，以及低矮建筑物投射到地面上產生的陰影(B區(qū)域)都被準確地識別出來。

圖4 陰影細部優(yōu)化

3.3 陰影探測細節(jié)對比

在對遙感影像進行陰影提取過程中，地面植被類地物往往會對陰影的提取產生較大的影響。RGB彩色影像見圖5。

圖5 RGB彩色影像

陰影探測細節(jié)對比見圖6。從圖中可以看出，本文方法能有效地避免將大塊植被地物識別為陰影的情況。

圖6 陰影探測細節(jié)對比

4 結論

本文提出的基于HSI彩色空間的陰影檢測方法。充分利用亮度分量在陰影和非陰影之間的差異性。構建完整的雙峰模型，利用同類地物服從正態(tài)分布的基本原理。選擇在兩個峰值之間的最低值作為分割陰影的閾值。相比其他傳統(tǒng)的高分辨率遙感影像陰影檢測方法，該方法的檢測精度更高。

但這種方法也具有一定的局限性。一是分割的閾值具有不確定性，當影像范圍內存在大面積的高大樹木時，分割閾值會偏大。二是影像區(qū)域內存在顏色較深的地物時，如煤炭、瀝青路面等，也容易將其誤分為陰影。這些都是以后需要改進的地方。