結合YCbCr和主成分分析的遙感陰影檢測方法

謝文韜，王書涵，雷宇斌，龍城仕，劉華光，劉正才*

（1. 湘潭大學土木工程學院，湖南 湘潭 411100；2. 湖南科技大學地理空間信息技術國家地方聯(lián)合工程實驗室，湖南 湘潭 411201；3. 湖南省第一測繪院，湖南 長沙 410004）

隨著高分辨率遙感影像的發(fā)展，影像陰影處理對影像后續(xù)處理的影響越來越重要。陰影可用于對地物進行三維重建、建筑高度反演等，但會遮擋地物，導致部分地物的亮度降低，從而影響遙感影像的總體質(zhì)量[1]。因此，準確檢測遙感影像中的陰影區(qū)域，具有非常重要的意義[2]。高分辨率遙感影像陰影區(qū)域檢測方法主要包括基于模型和基于陰影性質(zhì)[3]兩類，基于模型的方法要求高、條件苛刻，難以實現(xiàn)，因此目前偏向于采用基于陰影性質(zhì)的方法進行陰影檢測。Tsai V J D[4]利用比值法，基于各種顏色空間進行陰影檢測；楊猛[5]等利用直方圖閾值法分割C1C2C3顏色空間中的C3 分量，從而提取陰影區(qū)域；楊俊[6]等基于HIS空間陰影區(qū)域飽和度高、亮度低的特點，利用雙閾值的檢測方法提取陰影；葛樂[7]等利用陰影概率約束方法在主成分分析（PCA）變換和HIS 空間變換后提取陰影；Leone A[8]等提出了自適應背景差分的陰影檢測方法；于東方[9]提出了一種基于灰度直方圖的建筑陰影自動檢測方法。上述算法均能較準確地提取陰影，但也存在一些問題：①陰影、水體、藍色地物特征較相似，易出現(xiàn)混檢；②形態(tài)學運算將植被陰影等細小的陰影去除了，雖然更加清晰美觀，但影響了真實陰影檢測。本文在分析已有算法的基礎上[10-15]，根據(jù)Tsai V J D[4]的結論，結合YCbCr比值算法的優(yōu)勢，提出了一種轉(zhuǎn)換到YCbCr空間并結合PCA 變換的陰影提取方法。

1 方法描述

1.1 PCA變換下的陰影特征

PCA變換是一種通過線性變換將具有相關性的多維數(shù)據(jù)集中到非相關的少數(shù)幾維上的降維方法。本文采用高分二號（GF-2）融合遙感影像進行PCA 變換，變換后第一主成分包含了融合影像90%以上的信息，且陰影區(qū)域在第一主成分具有位于負值最小端或正值最大端的特征[16]，根據(jù)該特征可粗略提取陰影。為了更好地突出影像陰影區(qū)域，對第一主成分分量進行歸一化處理。隨機查看陰影部分像素值，若為正值，則對影像像素值負值取零，正值不變，再利用式（1）進行歸一化；若為負值，則正值取零，負值不變，再利用式（2）進行歸一化。

式中， PC1nor+、 PC1nor-為歸一化的第一主成分分量，取值范圍為0～1；PC1+、PC1-分別為影像相應像素值；max(PC1+)、min(PC1-)分別為第一主成分分量中的最大值和最小值。

某實驗區(qū)GF-2 號遙感影像融合影像（圖1a）經(jīng)過PCA、第一主成分分量歸一化后，在該影像上畫一條經(jīng)過各種典型地物的折線（圖1b），折線提取地物的像素值見圖1c，可以看出，陰影的像素值最高，且陰影區(qū)域數(shù)據(jù)沒有丟失，建筑物、植被等像素值較小或歸零了。

圖1 PCA第一主成分歸一化分析圖

1.2 YCbCr空間變換的陰影特征

YCbCr空間常用于影片中的影像連續(xù)處理或數(shù)字攝影系統(tǒng)中。本文采用經(jīng)過伽馬修正編碼處理的YCbCr空間，其中Y分量為亮度分量，即灰階值；Cb、Cr分量為藍色和紅色的濃度偏移量[17]。

由參考文獻[17]可知，在陰影區(qū)域中Cb分量像素值較高、Y分量像素值較低，這是植被、建筑等地物不具備的特征。根據(jù)陰影指數(shù)提取算法，為進行數(shù)據(jù)統(tǒng)一運算，需對YCbCr空間的Y分量和Cb分量進行歸一化處理，使其特征值取值在[0,1]。

式中， max(Y)、max(Cb)分別為Y、Cb分量的最大特征值。

1.3 歸一化陰影指數(shù)和水體指數(shù)

周堅華[18]等根據(jù)HIS 顏色空間的S分量和I分量在陰影區(qū)域與其他地物的差別，提出了歸一化陰影指數(shù)（NDUI），即

本文采用水體指數(shù)NDWI[19]，根據(jù)水體具有綠光波段反射率高、近紅外波段反射率低的特點提取水體，即

式中，G、NIR 分別為綠光波段和近紅外波段分量。

2 陰影檢測方法

2.1 構建陰影指數(shù)

本文通過分析陰影區(qū)域和若干典型地物在PCA 第一主成分、Y分量、Cb分量歸一化后的特征（圖2），構建陰影指數(shù)SII。

圖2 陰影和若干典型地物的歸一化值特征

由圖2可知，陰影區(qū)域和水體在PC1nor的值遠大于其他地物，而在Ynor分量的值小于其他地物，因此通過差值法即可區(qū)分陰影和水體與其他地物，且陰影在Cbnor分量的值更大。基于此，本文構建陰影指數(shù)SII，即

式中，PC1nor、Ynor和Cbnor的取值范圍均為0～1；SII的取值范圍為-1～1。

2.2 陰影提取流程

本文的陰影提取步驟為：①對GF-2號影像的8 m多光譜影像和2 m全色影像進行融合處理，得到融合影像；②對融合影像進行PCA變換，并對第一主成分進行歸一化處理，得到PC1nor；③將融合影像進行色彩空間變換，得到YCbCr空間影像；④對YCbCr空間的Y、Cb分量影像進行歸一化處理；⑤構造SII指數(shù)，得到陰影檢測影像；⑥判斷是否有水體，若沒有，則直接進行OTSU閾值分割得到陰影區(qū)域，若有，則利用NDWI對融合影像進行水體檢測以及小斑塊去除后處理，消除噪聲得到水體，再利用邏輯差運算得到陰影區(qū)域。

3 實驗結果與分析

為驗證本文方法的準確性，基于GF-2 號融合影像選取無水體和有水體兩個實驗區(qū)，將本文方法與NDUI、C1C2C3[20]、SI 方法[21]進行對比分析，結果見圖3、4，陰影區(qū)域用白色表示，背景用黑色表示，可以看出，與人工標定的結果相比，利用本文方法、NDUI、C1C2C3 和SI 方法均能提取大部分陰影；但NDUI、C1C2C3 和SI 方法提取的細節(jié)陰影效果明顯不如本文方法，且不能有效區(qū)分水體和陰影，而本文方法能很好地去除水體的影響。為了更好地顯示陰影檢測結果圖像，本文未進行細小陰影處理，但卻能更加真實地反映陰影的實際情況。

圖3 實驗區(qū)一陰影檢測結果

圖4 實驗區(qū)二陰影檢測結果

本文采用像元提取數(shù)、正確提取數(shù)進行定量評價[20]，結果見表1，可以看出，本文方法的像元提取數(shù)更接近人工標定像元個數(shù)，正確提取數(shù)均高于90%；而NDUI、C1C2C3 和SI 方法的正確提取數(shù)均小于90%，本文方法檢測效果明顯優(yōu)于其他方法。由于保留了植被等地物的細小陰影，正確率會有所下降。

表1 陰影檢測結果客觀評價指標

式中，T為人工提取像元個數(shù)；TP為陰影區(qū)檢測為陰影區(qū)的像元個數(shù)；FC為提取精度。

4 結 語

本文對GF-2 號融合影像的地物陰影提取進行了研究，提出了YCbCr空間和PCA 相結合的陰影檢測方法。實驗結果表明，本文方法能很好地去除水體、植被對陰影的影響，提取的陰影區(qū)域比較完整；但對細小的陰影提取效果還有待加強。