混合型強迫不變的遙感影像云霧陰影去除方法

尹展，郝玉軍，張利軍，卜鵬，徐思超

(1.有色金屬礦產地質調查中心, 北京 100012； 2.湖南省有色地質勘查研究院, 湖南 長沙 410083)

1 引言

陰影是遙感影像判讀過程中非常普遍的干擾因素。從陰影形成的過程看，陰影是高出地面的物體遮擋太陽光而形成，導致了陰影區的低輻射強度，這直接干擾了地物成像，使陰影區地物信息量被不同程度減弱，在影像光譜上表現為DN低值。陰影區域的信息量相對較弱，或被忽略或難于判讀，影響了人們的視覺判讀效果，在計算機處理過程中還會影響操作進程而產生錯誤結果。隨著遙感影像分辨率的不斷提高，影像中記錄的細節信息更為豐富，提取陰影區域的地物信息也越來越具現實意義(虢建宏和田慶久，2004；郭杜杜等，2012；鄧琳等，2015)。

陰影去除主要包括陰影檢測和陰影區信息補償。目前陰影檢測技術可分為基于模型和基于陰影屬性兩類(Tsai，2006；方永銘等，2015)。基于模型的方法需要各類特定場景參數，應用條件苛刻，難于推廣；基于陰影屬性的方法由于可操作性強，應用普遍。應用較多的有灰度直方圖(于東方等，2008)、同態系統濾波(郝寧波和廖海斌，2010)、紋理分析(許妙忠和余志惠，2003)、多波段檢測(虢建宏等，2006)、面向對象技術(蒲智等，2008)、HSI彩色空間變換(楊俊等，2008)、陰影植被指數(shaded vegetation index，SVI)(許章華等，2013)等。這些方法各有特點：灰度直方圖法檢測陰影操作簡單、方便快捷；同態濾波對光照度不均勻圖像效果突出；紋理分析充分利用了高分辨率影像的紋理信息；面向對象技術把陰影區域“同質”像素作為對象進行特征信息提取與處理，較好地解決了影像分割過程中的噪聲問題；HSI顏色空間能在不改變非陰影區域信息的情況下，有效地去除陰影的影響；SVI對近紅外波段輻射特征差異較大的地物效果較好。但仍存在一些問題，如直方圖法容易使低反射率(如水體)地物被誤認作陰影；同態濾波會同時修改非陰影區信息；紋理分析對中低分辨率影像效果較差；面向對象技術像元分割過程中各類參數取值較難把握。其它方法如基于樣本學習的陰影去除方法研究也較多(Song et al.,2014；張永庫等，2016)。

云霧陰影相對一般建筑物陰影有其共性，即都具有較低的亮度值，且與非陰影區域的像元具有較明顯的對比度；也有不同之處，云霧陰影邊界更為光滑，這給邊緣檢測帶來一定難度(陳奮等，2005)。但云霧陰影灰度值較建筑物陰影更均勻，陰影區域信息沒有交叉影響，多重陰影干擾信息少，形態學封閉性更強。

2 方法介紹

尹展(2020)在去除遙感影像薄云霧時提出了一種“HSI彩色空間變換+強迫不變”混合型強迫不變技術，該方法既充分利用HSI彩色空間變換特性，提高了計算機圖像處理效率，同時以改進的強迫不變方法為混合像元分解核心技術，完成了影像薄云霧的去除。由于云霧懸浮空中，遮擋太陽光，使得地物光譜信息受到干擾和減弱，云霧陰影去除的核心是對陰影的檢測和對陰影像元的分解，求得云霧對相應地物的干擾值，得以分解相應地物像元，最后再進行光譜補償。改進的強迫不變方法在分解混合像元中有較好的應用效果(尹展等，2019)，因此，本次采用改進的混合型強迫不變技術進行云霧陰影去除與應用。主要步驟如下：

(1)陰影檢測。采用“波段選擇+HSI彩色空間變換”進行陰影檢測。波段選擇保證所選波段包含信息量最豐富，地物信息特征值明顯，可區別性最大；HSI彩色空間變換能較好地簡化圖像分析與亮度分離，又不過多損失影像信息；最后根據陰影亮度值低這一特征選擇I分量完成閾值分割。

(2)陰影去除。采用強迫不變進行陰影去除。強迫不變方法的核心是基于混合像元分解，通過分析目的物與整體像元相互關系，通過計算擬合曲線獲取平滑值(強迫值)，假定該值使得目的物與整體像元間不存在關聯性，進而平滑目的物完成分離。計算公式為

(1)

式(1)中Pnew=新像素值；Poriginal=原始像素值；Ptarget=平滑值；Pshadow=相應陰影像素值。

3 方法實驗

3.1 研究區概況

研究區位于湖南省江華瑤族自治縣，范圍在E111°25′25″～112°12′35″、N24°38′35″～25°19′43″之間，亞熱帶濕潤季風氣候區，多山地丘陵，地形切割較深，云霧天氣較多。

在高中物理解題能力上，解題思維至關重要.物理題因知識點細碎、多元，同一物理題可能有不同的解法.平時在解題中，除了審題外，還要從題目中獲取有價值的解題信息，根據這些解題條件來尋找解題突破口，指向解題目標.當然，解題思維在表現上具有多樣性，如發散思維、逆向思維、整體思維等.現結合高中物理解題實際，就解題思維的培養路徑進行歸納.

3.2 數據源及其預處理

數據源選用Landsat-8 OLI數據，行列號為43/123，數據拍攝時間為2020年5月9日，Landsat-8 OLI多光譜空間分辨率30 m，全色分辨率15 m，由于南方山區大氣環境對衛星成像干擾較大，須對其進行暗像元大氣校正(俞樂等，2011)。

3.3 陰影檢測

3.3.1 波段組合

(1)典型地物光譜特征曲線分析：因光照強弱不同和地物反射函數不同，不同地物具有不同的光譜特征。選取陰影、云霧、裸地、植被四種主要典型地物光譜特征繪制曲線圖(圖1)，可見各類地物在B5波段最易區分、B6波段較易區分；云霧亮度值高，在各個波段均易區分；陰影和植被在B1、B2、B3、B4波段易混淆。

圖1 典型地物光譜特征曲線圖

(2)各波段光譜特征值統計：各波段光譜特征值統計反映了遙感影像所包含信息量大小，標準差越大，信息量越豐富，對各波段最小值、最大值、均值和標準差統計顯示(表1)，B5、B6波段信息量最為豐富，其次B7>B4>B3>B2>B1。

表1 各波段影像光譜特征統計

(3)波段相關性分析：波段之間相關性分析以兩波段的相關系數來表示，根據前人研究成果，采用波段相關系數較小的波段進行合成，其圖像質量相對較高(顏鳳芹等，2014)。研究區各波段相關系數顯示(表2)，B5與各波段相關系數均較小，B6與各波段相關系數均相對較小，B1與各波段相關系數均較大。

表2 各波段之間相關系數矩陣

(4)OIF 指數分析：OIF 指數分析通過計算波段間相關性和標準差來確定波段組合的信息量，OIF 指數值越大，波段組合包含的信息量越大，組合效果越好(許泉立和易俊華，2014)。采用Matlab軟件編程計算出1-7波段組合OIF指數(表3)。表3顯示，B145、B245、B345、B456、B135指數排位靠前。

表3 各波段組合 OIF 指數及其排序

(5)目視判讀分析：從以上分析可以看出，B6、B5波段可以優先確定，再結合目視習慣和目視判讀效果，選用B6、B5和B4 為最佳波段組合，且B6、B5和B4分別被賦予紅、綠、藍通道。圖2顯示，B654波段組合顏色鮮明，陰影突顯，地物可分性強。為突出陰影原始信息，影像均沒有進行拉伸。

圖2 波段組合效果對比

將影像的B6(R)、B5(G)、B4(B)進行HSI彩色空間變換，變換公式為式(2)

(2)

(3)

式(2)中H為色調；S為飽和度；I為亮度。

3.3.3 閾值分割

由于云霧遮擋，入射光被大幅衰減，使得云霧陰影區亮度值變低，與周圍非陰影區像元對比明顯，利用好這一特征是分解陰影像元的關鍵。HSI模型是由色調(H)、飽和度(S)和亮度(I)三個分量組成的空間立體模型，其中亮度(I)反映純色屬性的明亮程度，取值范圍為[0，1]。因此，選用I分量進行閾值分割，[0.015686，0.096708]范圍之內的數據提取為陰影單波段(圖3a)，標記為陰影因子。為方便計算影像各波段與陰影因子之間關系，將陰影因子換算至[0，255]。

3.3.4 對比分析

為分析“波段選擇+HSI彩色空間變換”陰影檢測效果，選用了灰度直方圖法、陰影植被指數法(SVI)以及面向對象技術三種較具代表性的陰影檢測技術進行效果對比。

由于陰影區域普遍灰度級較低，利用灰度直方圖進行閾值分割方便快捷，是較常用的一種方法。進行灰度直方圖前，仍需對各類地物光譜特征進行分析，不同的波段分割效果截然不同。前文已對實驗區內典型地物光譜特征進行分析，B5波段各類地物差異性較大，這里選用B5波段進行灰度直方圖閾值分割，分割效果見圖3b。

圖3 各類陰影檢測方法效果對比圖(藍色—陰影范圍)

陰影植被指數(shaded vegetation index,SVI)能有效檢測出明亮區、陰影區、水體區之間的差異，且無需參數、處理方便，其計算公式為式(3)，提取效果見圖3c。

(3)

式(3)中，SVI=陰影植被指數，NIR=近紅外波段反射率，R=紅光波段反射率。

隨著遙感影像分辨率不斷提高，面向對象的影像分割技術越來越受到重視，該技術利用陰影區域的像元具有較強的同質性這一特性設置特征函數，進而提取陰影區域同質目標。影像分割是面向對象技術的重點，分割參數決定了提取效果，本次實驗的主要分割參數有：分割尺度115，顏色權重0.75，形狀權重0.35，光滑權重0.40，效果見圖3d。

圖3對比顯示，四種方法均能提取出陰影區域，但有不同程度的缺陷。陰影植被指數(SVI)和單波段灰度直方圖法陰影檢測有較多錯提圖斑，如低亮度值植被、水體和裸地被錯提為陰影，且影像椒鹽現象普遍；面向對象技術基本解決了陰影檢測中的椒鹽現象，但所提圖斑較實際范圍變大，且存在一些錯提，如水體錯提為陰影；本文“波段選擇+HSI彩色空間變換”所提陰影基本與原始地物相吻合，有少量山體陰影被誤提取。綜合分析，本文方法準確度較高、操作性強、效果較好。

3.4 陰影去除

3.4.1 計算各波段與陰影散點圖及擬合曲線

散點圖能清楚地展示各波段與陰影之間數量關系，擬合曲線用來描述各個波段對應陰影波段的變化趨勢。在曲線平滑前，各個波段的光譜信息隨陰影波段值的變化而變化，或呈正相關，或呈負相關。圖4所示各波段與陰影的擬合曲線。

圖4 各波段光譜值與陰影散點圖的變化曲線

3.4.2 曲線平滑值獲取

在各波段與陰影擬合曲線的基礎上，通過中值濾波實現曲線平滑。根據前人研究顯示，陰影屬性有較強的同質性(蒲智等，2008)，結合圖4擬合曲線，這里不再對平滑值進行分段提取。采用Matlab軟件最終獲取各波段平滑值(表4)。

表4 各波段曲線平滑值

3.4.3 強迫不變處理

把各波段曲線平滑值代入式(1)，由于陰影與周圍地物有較強的光譜差異，地物交接處常會產出邊緣效應，在強迫不變處理后，沿陰影邊界進行一次中值濾波可降低邊緣效應影響。處理后得到效果圖(圖5)。

3.4.4 效果分析

主觀分析，對比處理后影像圖5與原始影像(圖2b)，處理后影像中云霧陰影基本得到消除，陰影區域覆蓋植被與裸地顯現，陰影區影像判讀能力顯著提升，整幅影像色調無異常。

圖5 云霧陰影去除后效果圖

客觀分析，選取一行橫跨陰影區與非陰影區的像元值，計算陰影區與非陰影區處理前后變化情況。線譜圖(圖6)直觀地顯示，在選取紅線的陰影區域，云霧陰影處理后像元灰度值明顯提高，與周邊植被區像元灰度值基本一致；非陰影區域處理后像元灰度值與原始影像一致，沒有變化。這說明云霧陰影去除方法復原效果較好，能得到與原始影像較近的影像，且沒有損壞非陰影區信息量。

圖6 處理前后影像水平剖面對比圖

4 討論

陰影普遍存在，陰影屬性檢測與消除研究是遙感圖像處理領域的熱點與難點，目前研究成果大多針對某一類地物陰影屬性，不同地物陰影屬性重疊會使陰影屬性更為復雜。事實上，建筑陰影、樹木陰影以及山體陰影等在遙感影像上很普遍，遇到有云霧陰影的情況下會重疊，致使陰影信息檢測與去除更為困難。多重地物陰影的重疊會使得陰影屬性不再是簡單的“同質性”，而是多層次性，影響程度大的地物其陰影會占據主導作用，影像色調會更深；影響程度低的地物其陰影信息則弱些，影像色調變淺。如何從像元中分解這些多層次的陰影屬性，是解決多重陰影檢測與去除的關鍵，文章暫時沒有深入探討，后續會加強研究。

5 結論

文章針對云霧陰影，建立“波段組合+HSI彩色空間變換”陰影檢測方法，再運用強迫不變技術進行陰影去除，通過實驗，取得如下結論和認識：

(1)“波段組合+HSI彩色空間變換”陰影檢測方法利用了各類典型地物在各波段的光譜響應特征，保證了所選波段所包含信息量豐富，地物信息特征值明顯，可區別性最大。對比分析實驗表明，該方法能有效識別出陰影范圍，準確度高，漏提錯提信息少。

(2)云霧陰影具有較強的均質性，強迫不變過程中可不用分段獲取平滑值，但陰影去除后會有邊緣效應，應采用中值濾波予以去除。

(3)研究成果表明，“波段組合+HSI彩色空間變換+強迫不變”的混合型強迫不變方法能有效檢測陰影范圍，還原陰影區地物信息，無須特定場景參數，信息保存完整。

(4)遙感影像中，陰影信息普遍存在，嚴重阻礙了影像判讀，影響了解譯效果。文中提出的技術方法能消除云霧陰影影響，提高解譯精度，為其他地物陰影檢測與去除提供了一個技術思路，具有較好的參考價值。