遙感影像中陰影檢測應用

白 杰

（呂梁職業技術學院，山西 孝義）

地物造成了光線的阻隔，于是就有了陰影綽綽的影子。為此，有些位置在圖像中呈現出較暗的圖像素值區域，稱為圖像的陰影區域。

1 測區概括

左權縣的地形高度差異顯著，同時廣泛分布的高大喬木和一些新建區的高大建筑物導致農村土地使用權確認的航空攝影圖像中存在諸多陰影區域。這種現象在地類識別和權屬界限的精確界定中造成了顯著挑戰。因此，我們需要研究并建立一種檢測方法，用于在遙感影像前處理中準確辨識和剔除這類陰影區域，從而提高遙感影像在該類地形起伏較大的區域的地類識別精度和權屬界限劃定的準確性[3]。準確地鑒別地物以及精準地劃定所有權屬邊界，對于高質量完成全縣農村土地確權任務來說，具有舉足輕重的學術價值[4]。因此，本研究的結果對于遙感影像上陰影區地物的精確定性、土地權屬界限的準確劃定以及植被覆蓋研究等多個領域，均具有深遠的影響。

2 遙感影像陰影檢測方法的原理與現有算法

2.1 遙感影像陰影的特性

之所以會形成陰影，是由于地面物體對光源的遮擋而形成的，這種現象在自然界中廣泛存在，是遙感圖像的一種常見特征[2]。從基本原理出發，可見光和紅外遙感影像中的陰影可以根據其形成原因主要分為兩類：本影和投射影[8]。所謂本影和投射影，其實是可以區別對待的，所謂本影和投射影[1]是可以區別對待的，本影指的是當一個光源照射到某個物體時，該物體上沒有被光源直接照射到的那部分。這部分區域之所以被稱為本影，是因為它被“本”光源所“影”蓋住了。本影沒有被光線直接照射到光源照射到物體上的部分[5]。投影陰影的本質是一種光學現象，它源于物體對光線的遮擋，從而在地面上形成物體的影子[6]。這種現象在攝影領域中也有所體現，當光線照射到物體并被阻擋時，會在像片上形成相應的圖像。這些圖像與物體的形狀、大小以及它與光源之間的距離有關；投影陰影的本質是光線被物體遮擋光的投射影分為兩種[7]：全影和半影。全影指完全無光的區域，半影則指在這些區域內呈現漸變效果的局部有光的區域。我們可以根據圖1 來歸類陰影。

圖1 陰影的分類

要處理的影像區，其實就是一個投影影像區，用來做遙感的領域。如圖1 是分類介紹Shadow（Shadow）。

2.2 遙感影像陰影檢測算法

提取識別形象輪廓是只要提取形象輪廓，就能探測出形象的陰影區域；但是，要想獲得影像區內的地物信息，除了對影像區進行探測外，還必須對影像區內的地物進行除影工作，才能恢復航測高分辨率影像區內陰影的地物紋理。由此可知，人員測繪通過儀器無人機航測出遙感影像區域內的陰影部分，為后續處理無人機航測遙感影像內的紋理信息提供依據。

國內外學者研究過多種陰影檢測的辦法，歸納起來分為基于模型(模型)的探測(發現)和基于算法(算法)的探測(發現)兩大類[9]。

一是以模型為基礎的檢測方法建立模型，根據已知條件和信息對陰影區域進行測算。這些條件包括相關信息，如光源、日光照射角度和衛星接收器等[12]。

二是基于算法的檢測方法。

3 數據來源與研究方法

3.1 研究數據來源

本文研究采用的數據是來自于晉中市農村土地確權所使用的比例尺為1:2000 部分無人機航測遙感影像，無人機航測遙感影像資料數據所獲取時間為2015 年5月至7 月。

3.2 研究方法

研究陰影檢測算法，以IHS 色彩空間、黑體輻射、直方圖為基礎進行實驗分析。在這篇研究區域中，設計出一種適用于陰影探測的算法，并驗證這種算法。我們可以構建相應的檢測算法，針對陰影區域，如顏色、亮度和灰度值等。在檢測過程中，這種基于算法的方法是很實用的[10]。主要采用以陰影特性為基礎的方法，以發展遙感影像的陰影探測算法為主要著眼點。我們基于HSV-C1C2C3 彩色模型設計了檢測陰影的算法，通過該算法對陰影區域進行輪廓提取[11]。經驗證，本研究范圍內適用本方法，見圖2。

圖2 根據HSV-C1C2C3 彩色模型的ShadownDetection算法

4 基于HSV-C1C2C3 色彩空間的陰影檢測算法

4.1 算法的原理

光度色彩不變量理論表明，物體表面的顏色不會發生變化，無論從哪個角度觀察，無論何種光照條件，無論物體表面的性質如何。因此，它在相關領域起著至關重要的作用，如物體識別、彩色圖像搜索和彩色復原等。分析發現，C1C2C3 空間在實驗結果中有利于影子探測獲得更好的結果。

本文所研究的區域采用了航測遙感影像進行土地所有權確認。然而，在分析過程中發現，部分航測影像上存在陰影區域。這些陰影區域對影像數據的處理產生了影響，使提取影像的一些重要信息受阻，丟失在陰影區域內，其中包含了地物地貌的幾何信息、色彩信息以及地物表面的紋理信息等等，這些信息都會影響圖像數據的處理，Salvador 等[14]也曾建立了基于C3 通道陰影檢測的方法，利用色彩空間的顏色不變的特性。具體步驟影像陰影區域偵測算法包含以下幾個方面的內容：

（1） 先將需要處理的航測原始圖像從RGB 色彩空間經數學變換公式變換為C1C2C3 色彩空間，再由圖像處理為C1C2C3 色彩空間中的圖像，得到其中的單波段灰度圖，即C3 聲道分量圖像。

（2） 通過上一步得到的C3 通道分量信息，可以在軟件算法中的濾波器中使得影像邊緣受到平滑分量的影像，濾波器一般采用的模板為3×3 的模板。

（3） 經過上一步平滑得到的影像分量，可以根據其影像中的像素點之間的距離，來計算其影像陰影區域周圍的方差均值，以此通過獲取的方差均值來得到閾值的確定值，由此根據所確定的閾值確定陰影區域的輪廓的大小。

（4） 獲取陰影檢測的結果。

這樣的算法能夠對一些簡單的陰影地帶進行有效的檢測；由于航測影像中的地物具有多樣性，因此，在進行上述C3 通道提取識別陰影時，C3 通道中的低飽、低度數地物，如陰影中的水體、道路等，其探測結果往往與陰影區域相同，因而在對地物進行探測時，容易被誤測為陰影區域，這就是此法的不足之處。

為了提高算法的準確性，Country 改進了算法，在算法中加入了索貝爾算子，檢測圖像陰影區域的輪廓邊緣。陰影邊緣的邊緣測試不能僅憑經驗值，邊緣測試時需要特別處理陰影區域，但仍有需要提高的局限性。王蜜蜂和曾慶改進后，采用了一種可以平滑處理的選擇性面膜[13]。這一改進使得陰影探測的精確度有了一定的提高，但仍有一些限制條件需要解決。不過算法比較復雜。

根據色彩不變量的陰影檢測算法的缺點，分析了左權縣土地確權使用的高分辨率影像中的典型陰影區域。我們提出了遙感影像陰影區檢測采用HSV-C1C2C3 彩色模型的算法。該遙感陰影探測算法是通過對HSV 空間探測區域和C1C2C3 空間探測區域進行運算，在HSV-C1C2C3 彩色模型的基礎上實現的[16]。如果兩個彩區都檢測到一個區是陰影區，那么這個區就會以陰影區為標志；否則，這個區域就不算陰影區了。如果陰影區域初步確定，要做進一步的處理，可以先去小區，對照一下操作就可以了[15]。將該區域視為亮度較低的非陰影區，如果某一小區的陰影區小于預設閾值[14]，那么這部分是可以排除的，最后在陰影區域消除明度空洞，利用閉合運算的數學形式，最終得出陰影區域。以下為具體算法流程：

（1） 從RGB 空間中研究區域的圖像轉換為HSV 空間，從該空間中提取具有極佳調節作用的成分H、飽和度成分S、亮度成分V。

（2） 對色調分量h、飽和度分量s、亮度分量v與分量r、分量g、分量b 進行比值運算，得到比值圖像，這樣做是為了增強陰影區域的高色調值、低亮度值、高飽和度等，通過對色相元件進行對比運算，可以提高色相元件的色相和飽和度。

（3） 確定比率影像所要分割的閾值，利用比率的閾值求得陰影的初步區域，分割其研究影像所得的閾值。

（4） 將研究區域的圖像由RGB 空間轉換為C1C2C3 色彩空間，再在C1C2C3 色彩空間中求出一張圖像，在該圖像的三個分量通道中求出其中的分量C3。

（5） 比例圖像和C3 分量圖用閾值對比例運算所得進行分析和疊加，再進行閉合運算的數學形式，就可以得到最終的陰影偵測圖。

4.2 實驗結果與分析

左權縣國土確權使用的高分辨率航測圖像中的陰影，根據該文提出的上述陰影探測算法，采用基于MATLAB 平臺開發的軟件進行測試探測。這是左權縣從確權遙感資料中精選出的部分影像資料，具有典型性意義。在實驗區1 號和2 號區分別選取具有典型陰影特征的兩個不同區域的圖像作為研究區域。我們比較了直方圖閾值檢測算法和其他陰影檢測算法，便于對不同陰影檢測方法的效果進行對比分析。按下圖所示，1 號實驗區表示為圖3，2 號實驗區表示為圖4。

圖3 實驗區1

圖4 實驗區2

對前面提到的兩組遙感影像實驗資料，可以同時利用直方圖閾值探測算法和HSV-C1C2C3 探測算法對圖像中的陰影區域進行探測，如圖3 和圖4 等。目視解譯，這樣就可以定性地評價陰影探測方法所建立的優勢和劣勢。通過對兩組探測結果圖譜的遙感影像資料進行觀測，可以發現，明顯的陰影區域可通過對兩種方式進行有效探測。

通過對作者提出的黑體輻射檢測算法、IHS 色彩空間檢測算法[17]、柱狀圖閾值檢測算法以及HSV-C1C2C3檢測算法的對比分析，我們發現本文所展示的基于HSV-C1C2C3 色彩空間檢測算法能夠對陰影區域進行檢測，并且比較完整。另外，探測到的陰影區域與原影像中的陰影區域輪廓也有異曲同工之妙。從這幾個結果可以看出，這個算法的效果還是比較不錯的。本文提出的HSV-C1C2C3 檢測算法與其他算法相比，在陰影檢測方面的優勢非常明顯，所以可以說HSV-C1C2C3 檢測算法是一種適用于測試的算法。

我們還通過定量化的方法，對上述兩組實驗區域的影子檢測結果、統計分析結果進行了精確評估，使數據結果更加直觀。為了達到本次實驗的目的，我們決定將兩個特定的數值作為實驗的評價指標，分別代表精確度和準確度。以下是兩個數學公式（1）和（2）：

在上面的數學公式（1）和（2）中，TP 表示正確的陰影像質值的個數，而FP 表示的是非陰影區域的像素值被錯誤地檢測為陰影區域的像素值的個數FN 表示像素值被錯誤地檢測為陰影區域的像素值的個數，而不是像素值的像素值，TP 表示的是正確的陰影像素值TP 表示的是正確的陰影像素值，根據上述所列出來的函數公式，無人機航測影像中TP+FN 的和代表著影的總像素值，文章中TP+FN+FPD 的和表示陰影的總像素值分別由各算法計算得出。由此也可以進一步推導出兩種情況：代表影子偵測算法準確率的A 和代表影子偵測算法精確度的B，這兩種情況分別是：代表影子偵測算法準確率的A 和代表影子偵測算法精確度的B[18]。

根據以上理論，我們對參與實驗的兩組影像資料進行了利用實驗的評價指標處理，并對有關樣本進行了篩選和統計分析。具體結果見表1，可見影帶檢測數據的準確性。

表1 影像陰影檢測的數據精度

通過對表1 的分析，可以得到一個檢測精度在62%左右的直方圖閾值檢測算法和67%左右的精度。由此可見，HSV-C1C2C3 檢測算法在精度和精度上都有不錯的表現，達到了91%的水平。本文介紹的HSV-C1C2C3檢測算法，在具體的評價指標上，相對于直方圖閾值檢測算法等，具有顯著的優越性。由此可見，本文所介紹的算法不僅操作簡單，而且顯示出了很高的檢測精度和可信度。

5 陰影檢測界面

為了實現本文提出的遙感影像陰影探測算法，提高此算法的執行效率，并對此算法的可行性和有效性進行大量的遙感數據驗證，設計了可視化的陰影探測系統，該系統基于MATLAB 的用戶界面（簡稱GUI）平臺軟件運行。

陰影檢測模塊包括基于HSV-C1C2C3 檢測算法的直方圖閾值檢測和兩種方法。我們在HSV-C1C2C3 色彩空間的基礎上提出了陰影檢測的方法。本文設計的系統中包含另一種數學形式的檢測算法，即HSV-C1C2C3檢測算法（HSV-C1C3DetectionProgram）。模塊中的檢測算法我們是通過對比后選定的。孰優孰劣，一眼就能看出兩種算法效果在檢測模塊中的優劣。參考圖5 中陰影探測模塊。

圖5 陰影的檢測模塊

6 結論

本研究的目的是為進一步研究高分辨率遙感影像中的中地物增強處理方法奠定基礎，在高分辨率真彩色航空遙感影像中探測陰影區域的信息。我們提出了基于HSV-C1C2C3 彩色模型進行色彩空間轉換的高分辨遙感影像的陰影檢測算法。通過對其分量的比值運算，通過閉合運算的數學形態確定閾值，最終實現對陰影的探測；通過圖像可以證明，本文提出的陰影探測算法是基于HSV-C1C2C3 彩色模型，具有更好的圖像陰影探測效果，為去除陰影埋下了伏筆。