卫星影像反立体改正算法比较探究

朱昕宇， 孙明伟， 王树根， 余 磊， 郭 清

(武汉大学 遥感信息工程学院， 武汉 430079)



卫星影像反立体改正算法比较探究

朱昕宇*， 孙明伟， 王树根， 余 磊， 郭 清

(武汉大学 遥感信息工程学院， 武汉 430079)

太阳同步卫星成像时的光照方向与人类视觉习惯相反，导致影像中出现地形反转的感知现象，即反立体现象.现有的一些方法能够改正这种严重误导影像解译的现象，但针对算法的系统性比较研究较为缺乏.以SPOT-5与WorldView-2卫星影像为例，从反立体改正程度、空间细节的保持、光谱特性的保持方面选取几种代表性算法进行比较，进而归纳出各个算法的特点及适用情况，为实际应用打下基础.

反立体； 卫星影像； 空间细节； 光谱特性

由于可见光遥感卫星影像能够直观地呈现地球表面概况，并且具有时相多、成像范围广的特点，在土地规划、能源管理等领域有广泛的应用.多数可见光遥感卫星与太阳同步，于当地时间的上午成像，此时光线来自影像右下方、阴影落在左上方[1-2]；人类大脑认为自然界存在唯一光源，且光源来自上方、阴影落在下方[3].卫星成像时的光照方向与人类视觉感知习惯相反，导致人在深度感知上出现错误，将山谷解译为山脊，反之亦然.这种地形反转的现象即为可见光遥感影像的反立体现象，也称为虚假地形感知现象[4].以谷歌地球发布的藏南北部地区喜马拉雅山部分影像(图1)为例，影像中南北向河流在山脊流淌，明显与人类认知习惯不符.将影像与相应数字高程模型(Digital Elevation Model， DEM)或地形图比较时，即可发现反立体现象.

虽然通过文字标注或参考地形信息的方式可以提示反立体现象的存在，但直接对影像进行改正能够提供更直观的目视效果，进而提升遥感影像地图的产品质量.现有改正方法大致可分为以下几类：基于观察者视角的改正方法，如旋转法[5]；基于地表特征的改正方法，主要包括灰度反转法[5]、亮度分量旋转法[1]、SRM(Shaded Relief Model)替代法[2]、小波变换融合法[6]、SRM叠加法[7]及SRM乘法融合法[8]；基于光照方向的改正方法，以纯地形纠正法[8]为代表；人工改正方法，如使用图像处理软件的人工改正[9]等.

图1 谷歌地球喜马拉雅山部分影像Fig.1 Image of part of the Himalayas from Google Earth

现阶段存在一些反立体改正方法，但目前缺乏针对已有算法的系统性比较研究，为实际应用造成了障碍.因此，全面了解各个算法的特点与适用情况具有重要意义.本文以SPOT-5与WorldView-2影像为数据源，对几种代表性的反立体改正方法进行测试，从反立体改正程度、原始影像空间细节及光谱特性的保持3个方面进行比较，进而归纳出各个算法的特点及适用情况，为影像解译及进一步分析打下基础.

1 反立体改正方法

鉴于旋转法、灰度反转法与人工处理法的局限性，本文选择以下5种算法进行对比与分析：SRM替代法、亮度分量反转法、SRM乘法融合法、纯地形纠正法、SRM叠加法.

1.1 SRM替代法

Saraf等人[2]最早将SRM引入反立体改正过程，提出一种基于SRM的改正算法.SRM表示地形在特定太阳高度及方位下的阴影分布情况，在一定程度上可以为反立体改正提供参考.该方法首先将原始影像进行HIS变换，得到原始影像的亮度分量I0；然后将西北向光照下的SRM代替I0，其中SRM的太阳高度角与原始影像一致，太阳方位角在原始高度角的基础上加180°获得；最后将SRM与原始影像的饱和度及色调分量进行HIS逆变换，获得反立体改正后影像.

1.2 亮度分量反转法

亮度分量反转法[1]通过反转影像HIS变换后的亮度分量来获得正确立体视觉效果的影像.算法首先将原始影像的亮度分量I0做灰度反转处理，得到反转后亮度I1.由于直接反转亮度往往会造成亮度增加，将I1与I0进行直方图匹配，得到新的亮度分量I2，再将其与原始影像的饱和度及色调分量进行HIS逆变换.处理后影像往往会产生较为严重的色彩偏差，需要进行色彩增强处理，本文中采用Photoshop软件的颜色匹配功能进行处理.

1.3 SRM乘法融合法

SRM乘法融合法[8]假设地表为理想的朗伯体，即地物表面在各个方向反射等量的光照.算法的核心为将西北光照方向下的SRM与原始影像相乘.由于SRM本质上为特定光照方向下的太阳入射角余弦，SRM乘法融合法相当于将西北光照下的太阳入射角与原始影像DN值相乘.通过引入代表阴影分布的SRM，改变影像中光照与阴影的分布情况，进而改正影像中的反立体现象.

1.4 纯地形纠正法

地形纠正，也称为地形归一化或地形光照改正，是指通过建立一系列模型来改正由地形起伏引起的地表光照不均的现象.纯地形纠正法[8]引入地形纠正中的cosine模型，将影像的光照方向由原始东南向改为垂直入射，再由垂直入射改为西北向入射.算法主要涉及的公式如下：

(1)

其中，LT1为原始影像辐射值；LT2为反立体改正后影像辐射值；i1为东南光照下的太阳入射角；i2为西北向光照下的太阳入射角.

1.5 SRM叠加法

Gil等人[7]提出，可以通过在原始影像上叠加西北向光照下SRM来改正反立体现象.通过对西北光照下的SRM赋以一定的透明度并叠加至原始影像，即可获得正确立体解译的影像.其中，SRM的太阳方位角为315°；对于平坦地面，太阳高度角为45°，否则为60°；对于全色、多光谱、融合后影像而言，SRM的透明度应分别设置为50%、70%与55%.

2 实验结果

采用SPOT-5与WorldView-2卫星影像对算法进行测试与评估.影像均选自广东省山区，部分参数如表1所示.从表中可知，影像获取时太阳方位角处于135°与180°之间，即太阳位于东南偏南方向，在光照方向上符合反立体形成的条件.实验所用DEM为广东省1∶10000基础测绘成果.将经过外业控制点精确定向后的影像利用DEM进行正射纠正处理，得到与DEM匹配的正射影像.将影像分别利用上述5种方法进行反立体改正，结果参见图2、图3.

表1 实验数据参数

3 比较与分析

在上述实验结果的基础上，从反立体改正程度、空间细节的保持、光谱特性的保持3个方面比较与分析每种算法的改正结果；然后从原理出发，进一步对算法的性能进行衡量.

3.1 算法性能比较

3.1.1 反立体改正程度 由图2、图3可知，几种方法对于反立体现象均有不同程度的改正.就反立体改正程度而言，SRM替代法、SRM乘法融合法与纯地形纠正法性能较优，改正前后影像中出现明显的立体反转，且改正后影像的立体效果有所提升；其次为亮度分量反转法与SRM叠加法，改正后影像中存在原始光照与阴影位置关系的变化，但影像立体感较弱.

图2 SPOT-5影像改正结果Fig.2 Experimental results of SPOT-5 image

图3 WorldView-2改正结果Fig.3 Experimental results of WorldView-2 image

对反立体改正程度的定量衡量采用影像与西北向光照下SRM的相关系数指标[8，10].若相关系数为正，表明影像中不存在反立体现象，反之则相反.图4为不同方法的计算结果，在一定程度上验证了上述目视判断：原始影像与西北向SRM的相关系数为负，影像中存在反立体效应；SRM替代法影像相关系数最高，立体效果最为明显；SRM乘法融合法、纯地形纠正法与SRM叠加法其次；亮度分量反转法对反立体的改正程度较弱.

3.1.2 空间细节的保持 由于缺乏衡量影像间空间细节相关程度的定量指标，本文采用目视判读的方法比较算法性能.为了便于观察及说明，以SPOT-5影像为例，选择四种地物类型进行细节对比，分别为植被、裸地、水体及村落，如图5所示.由图可知，就空间细节信息的保持而言，亮度分量反转法、SRM乘法融合法、纯地形纠正法性能较优，能够在改正反立体的同时最大程度保留原始影像的细节信息；SRM叠加法性能其次，损失了影像中部分细节；SRM替代法效果较差，4种地物的空间细节信息均遭到损失，其中水体及村落尤为严重，甚至达到难以辨认的程度.

图4 影像与西北向SRM相关系数Fig.4 Correlation coefficient between image and SRM in the NW direction

图5 不同算法细节对比图(以SPOT-5数据为例)Fig.5 Details of the experimental results (taking SPOT-5 data as an example)

3.1.3 光谱特性的保持 对算法光谱特性保持的比较从整体及局部两方面进行.就整体而言，与原始影像相比，几种算法改正后影像均存在一定程度的偏色，如图2、图3所示.其中，SRM乘法融合法性能最优，改正前后影像整体色调基本一致，但亮度略有下降；其次为SRM叠加法，改正后影像的整体色调略有偏差，饱和度和对比度有所减少；纯地形纠正法影像在向阳面偏色程度较大；SRM替代法及亮度分量反转法的效果较差，地物光谱信息发生了严重扭曲.

对于局部地物光谱特性保持能力的比较仍依据图5进行说明.针对不同地物的比较进一步验证了上述判断：SRM乘法融合法对地物光谱信息的保持能力较强，改正后各地物的整体偏色较小，但亮度略有降低；SRM叠加法改正影像中的地物色调基本保持不变，但饱和度有所降低；纯地形纠正法对于裸地、水体及村落的光谱特性有一定保持能力，但对原始影像背阳面植被的改正效果较差；四种地物在SRM替代法与亮度分量反转法改正后影像中均发生了严重偏色.

3.2 分析与讨论

SRM替代法将西北向光照下的地形阴影模型代替原始影像HIS变换后的亮度分量进行反立体改正.其中，SRM代表特定地形在特定光照条件下的光照及阴影分布，仅考虑反射光，代表部分地形信息；而原始影像的亮度分量不仅包含由地形引起的亮度信息，还包括由地物引起的亮度信息，如地物的纹理、结构等.将仅代表部分地形的亮度代替原始影像的亮度，会不可避免地造成大部分空间信息及一部分光谱信息的损失.

亮度分量反转法直接反转原始影像的亮度分量，从原理上保持了影像的空间细节信息.但是，亮度反转操作会造成地物光谱特性的严重扭曲，即使引入直方图匹配进行颜色调整，也无法弥补色彩信息的损失.原始影像中亮度较高的裸地、村落等地物，经亮度反转后失去了原始光谱结构，在改正后影像中偏暗；原始影像中亮度较低的植被、水体等地物，经反转后亮度增加，导致反立体改正后影像偏色.

SRM乘法融合法将西北向光照下SRM与原始影像灰度值相乘.由于SRM为西北向光照下太阳入射角的余弦值，其范围在0～1之间，与原始影像灰度值相乘会造成改正后影像整体变暗.虽然改正后影像能够保留大部分空间信息及光谱特性，但算法在改变光照方向的同时减少了光照强度，改正后影像能够满足目视需求却不能应用于后续定量处理.

纯地形纠正法以地形纠正后影像为中介，将光照方向由东南向改为垂直入射，再改为西北向入射.由于地形纠正可以较大程度地保留影像的空间细节和光谱特性，此方法能够从原理上保留原始影像的大部分信息.但是，地形纠正中采用的cosine模型在影像亮度较低时往往会造成地形过度改正[11-12]，导致原始影像背阳面地物的光谱信息发生严重扭曲.此外，cosine模型对于由附近高大地物遮挡而产生的阴影无效，进而限制了纯地形纠正法的适用范围.

SRM叠加法将半透明的西北向SRM与原始影像叠加，是一种在改正反立体现象的同时尽量保留原始影像其它信息的折衷方法.影像半透明化与叠加的过程中，反立体现象能够在一定程度上得到改正，但影像的细节及光谱信息会遭到损失.此外，SRM透明度的选取至关重要，较高的透明度对反立体的改正效果不明显，较低的透明度则会牺牲原始影像的空间信息与光谱特性.

4 结论

本文通过对比SRM替代法、亮度分量反转法、SRM乘法融合法、纯地形纠正法、SRM叠加法，总结每种方法的特点及适用范围如下．

1)SRM替代法原理简单，改正后影像立体效果明显.但是，原始影像的空间细节与光谱特性均会产生严重损失，且算法需要与影像同分辨率的DEM，对数据要求较高.因此，算法适用于仅对反立体改正程度有较高要求、且相应数据充足的情况；

2) 亮度分量反转法简单易行，能够从原理上保持原始影像的空间细节，对数据要求低.但是，算法会造成地物光谱特性的扭曲，且改正后影像的立体效果较弱.因此，算法在仅对空间细节要求较高，且相应数据不足的情况下适用.

3)SRM乘法融合法整体效果最优，能够在改正反立体的同时兼顾原始影像的空间细节及光谱特性，且算法易于实现.但是，改正后影像亮度降低，且算法对数据要求较高.因此，当相应数据充足，且对改正后影像的目视效果要求较高时，可选择此算法进行反立体改正.

4) 纯地形纠正法能够从原理上保持影像的空间细节及光谱特性，但算法中引入的cosine校正模型易引起过度地形改正，导致改正后影像偏色严重，且算法对于由遮挡而产生的阴影无效.此外，较高的数据要求问题仍无法避免.因此，算法适用于相应数据充足，对空间细节有一定要求、色彩信息要求不高，且地形较平坦的情况.

5)SRM叠加法能够保留影像的部分空间细节及光谱特性，但影像叠加的原理使得算法无法在改正反立体的同时兼顾其它信息，且对数据要求较高.因此，算法适用于对反立体改正程度、空间细节及光谱特性有一定要求，且相应数据充足的情况.

此外，由于反立体改正后影像主要用于辅助目视解译，且几种改正算法均会造成原始影像空间细节与光谱特性的损失， 反立体改正后影像不适用于后续定量处理，如土地覆盖分类、数字高程模型提取等.

[1]SarafAK，SinhaST，GhoshP，etal.Anewtechniquetoremovefalsetopographicperceptionphenomenonanditsimpactsinimageinterpretation[J].InternationalJournalofRemoteSensing， 2007， 28(5): 811-821．

[2]SarafAK，GhoshP，SarmaB，etal.Cover:Developmentofanewimagecorrectiontechniquetoremovefalsetopographicperceptionphenomena[J].InternationalJournalofRemoteSensing， 2005， 26(8): 1523-1529．

[3]RamachandranVS.Perceptionofshapefromshading[J].Nature， 1988， 331(6152): 163-166．

[4]Bernabé-PovedaMA， ÇöltekinA.Prevalenceoftheterrainreversaleffectinsatelliteimagery[J].InternationalJournalofDigitalEarth， 2015, 8(8): 640-655.

[5]SarafAK，DasJD，AgarwalB，etal.Falsetopographyperceptionphenomenaanditscorrection[J].InternationalJournalofRemoteSensing， 1996， 17(18): 3725-3733．

[6]WuB，LiH，GaoY.InvestigationandremediationoffalsetopographicperceptionphenomenaobservedonChang’E-1lunarimagery[J].PlanetaryandSpaceScience， 2013， 75: 158-166．

[7]GilML，ArzaM，OrtizJ，etal.DEMshadingmethodforthecorrectionofpseudoscopiceffectonmulti-platformsatelliteimagery[J].GIScience&RemoteSensing， 2014， 51(6): 630-643．

[8] 章皖秋， 袁 华， 徐天蜀. 遥感影像正立体化研究[J]. 北京林业大学学报， 2010 (3): 41-46．

[9]PattersonT，KelsoNV.HalSheltonrevisited:Designingandproducingnatural-colormapswithsatellitelandcoverdata[J].CartographicPerspectives， 2004 (47): 28-55．

[10] 陈建珍， 何 超， 岳彩荣. 基于反DEM和HSV变换的遥感图像反立体校正[J]. 东北林业大学学报， 2011， 39(3): 125-126．

[11]MeyerP，IttenKI，KellenbergerT，etal.RadiometriccorrectionsoftopographicallyinducedeffectsonLandsatTMdatainanalpineenvironment[J].ISPRSJournalofPhotogrammetryandRemoteSensing， 1993， 48(4): 17-28．

[12]SmithJA，LinTL，RansonKL.TheLambertianassumptionandLandsatdata[J].PhotogrammetricEngineeringandRemoteSensing， 1980， 46(9): 1183-1189．

Comparison of terrain reversal effect correction methods in satellite imagery

ZHU Xinyu， SUN Mingwei， WANG Shugen， YU Lei， GUO Qing

(School of Remote Sensing and Information Engineering, Wuhan University， Wuhan 430079)

Most sun-synchronous satellites acquire images with a SE illumination source， which goes against human visual habits. Hence， when observing such images， the terrain reversal effect occurs particularly in large-relief regions. Many methods have been developed to solve the problem which is seriously misleading imagery interpretation. However， no systematic comparisons have been made. Experiments were conducted on SPOT-5 and WorldView-2 satellite images， and comparisons of several typical algorithms were made through three aspects: correction extent， preservation of spatial details， and preservation of spectral characteristics. The feature and application situation of each approach were further concluded for practical application．

terrain reversal effect; satellite imagery; spatial details; spectral characteristics

2015-04-19.

国家973计划项目(2012CB719904);国家自然科学基金项目(41301519).

1000-1190(2015)05-0805-06

TP751.1

A

*E-mail: zhuxinyu@whu.edu.cn.