基于高分辨率的遥感影像阴影检测与处理方法研究的文献综述

(云南财经大学城市与环境学院 昆明 650000)

近年来，高空间分辨率遥感得到了广泛的应用，特别是IKONOS、QuiekBird的发射与应用，使得遥感图像的空间分辨率达到了米级分米级。对于高空间分辨率的遥感影像，其信息量更加丰富、数据量更大，为遥感应用开创了许多全新的应用领域，使得遥感的应用范围更加广泛。由于高分辨率卫星的轨道较低，地物阴影是高空间分辨率卫星影像中特有的组成部分，同类地物阴影区和非阴影区影像灰度差别很大，而阴影不仅对图像的处理带来许多困难，而且还会使后续的图像识别、分类精度难以保证，所以探测阴影区域，对遥感影像进行阴影检测和去除在遥感影像阴影处中有着重要的意义。

一、相关概念

遥感影像中的阴影是指地物(高大建筑物、树木和山脉等)遮挡太阳光线，在物体背面形成的黑暗成像区域。阴影通常被分为本影(self shadow)和投影(cast shadow)两大类，本影是指障碍物本身一部分没有被光线照射的地方，投影是指照射光线被障碍物遮挡的背景区域。阴影的边缘可以分为以下四种类型:阴影形成线(shadow-marking lines)、阴影线(shadow lines)、分隔线(occluding lines)和隐藏阴影线(hidden shadow lines)。

二、研究现状

目前的遥感影像阴影检测方法根据是否需要环境条件的先验知识，可以分为两大类。 一类是基于模型的方法，该类方法是根据遮挡物体的几何形状、DSM数据和太阳照射方位、传感器等相关参数来检测阴影区域；另一类方法是基于阴影的性质，根据阴影区域的共性与非阴影区域的差别提取阴影区域。最早的阴影检测算法由Jiang和Ward根据阴影区域的亮度要比非阴影区域低的性质提出的，王树根提出了基于RGB色彩空间的阴影检测方法、基于K-L变换的检测方法[1]、基于整体变分模型的阴影检测方法[2]；虢建宏根据遥感影像多波段的性质，提出了一种阴影检测方法[3]；季顺平提出了一种改进的高斯背景检测方法[4]；鲍海英根据遥感影像的彩色空间特性体提出了一种阈值检测方法[5]；郑文武提出了基于LSMA的阴影检测方法[6]；卞建勇提出了一种基于纹理和小波变换的阴影检测方法[7]；常村红提出了一种基于混合高斯模型的自适应阈值阴影检测方法[8]；谢天文提出了一种基于PCA与HIS模型的高分辨率遥感影像阴影检测[9]。

阴影去除是指将阴影区域中像素点的亮度和颜色，恢复到非阴影区域光照的效果，从而使整幅图像具有视觉上的光照一致性，张肃和饶顺斌等人提出了一种基于模糊Retinex的高空间分辨率遥感影像消除方法[10]；虢建宏提出了一种IKONOS影像阴影检测与去除的方法[11]；杨俊提出了一种基于归一化RGB色彩模型的阴影处理方法[12]；何凯提出了一种基于分形及纹理分析的城市遥感影像阴影去除的方法[13]；徐秋红等提出的一种基于颜色恒常性理论的城市高分辨率遥感影像阴影消除方法[14]；郝宁波提出的基于同态滤波的高分辨率遥感影像阴影消除方法[15]；张红颖和李鸿等人提出了一种基于混合高斯模型的阴影去除算法[16]。

由于在遥感影像上建筑物阴影只存在于图像的部分区域，因此阴影去除包括两方面的工作，即阴影区域的检测以及阴影区域的去除。对现归类出常用的几类阴影检测方法和阴影去除方法：

(一)阴影检测方法

1、多波段阴影检测法：这种方法是根据影像阴影区域的共性及其与非阴影区域的差别提取阴影区域。在非阴影区域，蓝光波段和绿光波段有很高的相关性；而在阴影区域，绿光波段相对于蓝光波段急剧减小。其方法是将绿光波段影像减去蓝光波段影像，对所得影像进行基于直方阈值法提取阴影区域，利用中值滤波对提取的阴影结果进行滤波得到最终的阴影区域。

2、基于RGB彩色空间的阴影检测法：这种方法是结合色彩基础理论和高斯-拉普拉斯算子的基本原理来进行阴影检测，由于阴影区域中的像素亮度值一般比非阴影区域小，特别是R、G分量一般都较小，而B分量的波动性现对略大，因此在阴影检测中只使用R、G分量。具体的做法是根据影像给出判断阈值，然后用高斯-拉普拉斯算子对影像的R和G分量进行卷积运算，对于满足判断条件的像素点则判断为阴影区，通过反复计算即可得到阴影区域。这种方法对于阴影区域中具有强反射特性的地物，会出现一定的阴影检测误差，而且需要人为给定阴影检测的阈值。

3、基于K—L变换(主成分分析)阴影检测法：这种方法是将彩色影像的三个颜色分量的图像看作是多光谱影像的三个波段，然后进行K—L变换，利用其分类特性进行彩色影像的阴影区域检测。

4、基于共生矩阵的纹理指数的阴影提取：根据图像的共生矩阵，计算出相应的纹理指数，这种方法主要利用其能量指数来提取影像中的阴影，然后对提取的阴影进行优化得到最终的阴影区域。

5、基于HIS彩色空间的阴影检测：RGB空间是我们最常见的彩色空间模型,但是由于R,G和B各成分相互依赖,因此仅仅根据这三种组合很难得到满意的结果,而HIS空间更加倾向于表达人们的视觉感知力。HIS彩色空间的优点是亮度反映的是颜色的基本特征,它与色度、饱和度是分离的。亮度值直接受到光线明暗的影响,而且由于影像中的阴影是受建筑物的阻挡导致光线变暗而产生的,因此根据亮度进行阈值选择检测出阴影具有一定的依据。在这个过程中,首先将RGB影像转化为HIS影像,HIS空间由色度、饱和度和亮度三部分组成,灰度、饱和度反映的是颜色的基本特征,而亮度代表光照信息,然后根据亮度进行阈值选择分割出阴影区域并标记出来。

6、基于彩色模型的遥感影像阴影检测：基于HSV彩色空间的阴影检测，其根据是阴影区域影像的色调、饱和度、亮度的属性;而基于C1C2C3彩色空间的阴影检测，依据是阴影区域区别于非阴影区域的颜色值的特性“本章提出的基于彩色模型的遥感影像阴影检测算法结合这两种方法检测阴影，降低了阈值选择的主观性和片面性，提高了阴影检测的精度”即对HSV彩色空间检测区域及C1C2C3彩色空间的检测区域进行与运算“如果某区域在两种检测方法中都被检测为阴影区域，则将该区域标记出来，否则不认为是阴影区域”在得到初步的阴影分割结果后，统计各个独立阴影区域的面积大小，“如果小于一个给定的面积阈值，就认为其属于非阴影区域内部的具有较低亮度的地物”这样得到的小区域去除结果，还可能由于阴影区域内部存在高亮度地物而留有空洞，因此，还需要对分割出的阴影区域进行数学形态学的闭运算处理，从而得到较精确的阴影区域。

(二)阴影消除方法

1、阴影区域信息补偿法：这种算法是将影像从RGB颜色空间转换到包含亮度信息的HIS颜色空问；对亮度值I进行数学形态学的开闭运算，得到影像亮度的低频部分；对亮度的低频部分作阈值处理和带条件的腐蚀运算，将阴影区域和非阴影区域分离；在RGB颜色空间里，通过亮度信息对原始影像区域中的R、G、B分量分别进行调整，以达到阴影补偿的目的。

2、基于色彩空间分析的阴影增强：将原始彩色影像从RGB空间转换到HIS空间，对阴影区域的亮度和饱和度进行补偿，再将经过亮度和饱和度补偿处理的影像从HSI空间转换到RGB空间。

3、图像处理的方法主要是直方图变换以及同态滤波的方法对阴影进行处理，这种方式在对阴影区处理的同时，也使非阴影区的信息有所损失。

三、简要评述

对高空间分辨率遥感影像上阴影区域的处理的主要目的就是要充分利用阴影区域的有关信息，尽可能的消除阴影对影像处理结果的不利影响，进一步的提高后续的图像识别和分类精度。要达到这个目的，就要能够快速准确地检测出影像上的阴影区域范围，并对其阴影进行处理。通过前文介绍，可知学者们对这个问题的研究已基本上考虑到了各个方面。但是目前去阴影的方法并没有更简单直接的普遍方法，只是通过不同的阴影性质，运用不同的去阴影方法。因此，对于如何有效的对高分辨率遥感影像去除阴影的研究还有待进一步深入。