混合型强迫不变的遥感影像云雾阴影去除方法

尹展，郝玉军，张利军，卜鹏，徐思超

(1.有色金属矿产地质调查中心, 北京 100012； 2.湖南省有色地质勘查研究院, 湖南 长沙 410083)

1 引言

阴影是遥感影像判读过程中非常普遍的干扰因素。从阴影形成的过程看，阴影是高出地面的物体遮挡太阳光而形成，导致了阴影区的低辐射强度，这直接干扰了地物成像，使阴影区地物信息量被不同程度减弱，在影像光谱上表现为DN低值。阴影区域的信息量相对较弱，或被忽略或难于判读，影响了人们的视觉判读效果，在计算机处理过程中还会影响操作进程而产生错误结果。随着遥感影像分辨率的不断提高，影像中记录的细节信息更为丰富，提取阴影区域的地物信息也越来越具现实意义(虢建宏和田庆久，2004；郭杜杜等，2012；邓琳等，2015)。

阴影去除主要包括阴影检测和阴影区信息补偿。目前阴影检测技术可分为基于模型和基于阴影属性两类(Tsai，2006；方永铭等，2015)。基于模型的方法需要各类特定场景参数，应用条件苛刻，难于推广；基于阴影属性的方法由于可操作性强，应用普遍。应用较多的有灰度直方图(于东方等，2008)、同态系统滤波(郝宁波和廖海斌，2010)、纹理分析(许妙忠和余志惠，2003)、多波段检测(虢建宏等，2006)、面向对象技术(蒲智等，2008)、HSI彩色空间变换(杨俊等，2008)、阴影植被指数(shaded vegetation index，SVI)(许章华等，2013)等。这些方法各有特点：灰度直方图法检测阴影操作简单、方便快捷；同态滤波对光照度不均匀图像效果突出；纹理分析充分利用了高分辨率影像的纹理信息；面向对象技术把阴影区域“同质”像素作为对象进行特征信息提取与处理，较好地解决了影像分割过程中的噪声问题；HSI颜色空间能在不改变非阴影区域信息的情况下，有效地去除阴影的影响；SVI对近红外波段辐射特征差异较大的地物效果较好。但仍存在一些问题，如直方图法容易使低反射率(如水体)地物被误认作阴影；同态滤波会同时修改非阴影区信息；纹理分析对中低分辨率影像效果较差；面向对象技术像元分割过程中各类参数取值较难把握。其它方法如基于样本学习的阴影去除方法研究也较多(Song et al.,2014；张永库等，2016)。

云雾阴影相对一般建筑物阴影有其共性，即都具有较低的亮度值，且与非阴影区域的像元具有较明显的对比度；也有不同之处，云雾阴影边界更为光滑，这给边缘检测带来一定难度(陈奋等，2005)。但云雾阴影灰度值较建筑物阴影更均匀，阴影区域信息没有交叉影响，多重阴影干扰信息少，形态学封闭性更强。

2 方法介绍

尹展(2020)在去除遥感影像薄云雾时提出了一种“HSI彩色空间变换+强迫不变”混合型强迫不变技术，该方法既充分利用HSI彩色空间变换特性，提高了计算机图像处理效率，同时以改进的强迫不变方法为混合像元分解核心技术，完成了影像薄云雾的去除。由于云雾悬浮空中，遮挡太阳光，使得地物光谱信息受到干扰和减弱，云雾阴影去除的核心是对阴影的检测和对阴影像元的分解，求得云雾对相应地物的干扰值，得以分解相应地物像元，最后再进行光谱补偿。改进的强迫不变方法在分解混合像元中有较好的应用效果(尹展等，2019)，因此，本次采用改进的混合型强迫不变技术进行云雾阴影去除与应用。主要步骤如下：

(1)阴影检测。采用“波段选择+HSI彩色空间变换”进行阴影检测。波段选择保证所选波段包含信息量最丰富，地物信息特征值明显，可区别性最大；HSI彩色空间变换能较好地简化图像分析与亮度分离，又不过多损失影像信息；最后根据阴影亮度值低这一特征选择I分量完成阈值分割。

(2)阴影去除。采用强迫不变进行阴影去除。强迫不变方法的核心是基于混合像元分解，通过分析目的物与整体像元相互关系，通过计算拟合曲线获取平滑值(强迫值)，假定该值使得目的物与整体像元间不存在关联性，进而平滑目的物完成分离。计算公式为

(1)

式(1)中Pnew=新像素值；Poriginal=原始像素值；Ptarget=平滑值；Pshadow=相应阴影像素值。

3 方法实验

3.1 研究区概况

研究区位于湖南省江华瑶族自治县，范围在E111°25′25″～112°12′35″、N24°38′35″～25°19′43″之间，亚热带湿润季风气候区，多山地丘陵，地形切割较深，云雾天气较多。

在高中物理解题能力上，解题思维至关重要.物理题因知识点细碎、多元，同一物理题可能有不同的解法.平时在解题中，除了审题外，还要从题目中获取有价值的解题信息，根据这些解题条件来寻找解题突破口，指向解题目标.当然，解题思维在表现上具有多样性，如发散思维、逆向思维、整体思维等.现结合高中物理解题实际，就解题思维的培养路径进行归纳.

3.2 数据源及其预处理

数据源选用Landsat-8 OLI数据，行列号为43/123，数据拍摄时间为2020年5月9日，Landsat-8 OLI多光谱空间分辨率30 m，全色分辨率15 m，由于南方山区大气环境对卫星成像干扰较大，须对其进行暗像元大气校正(俞乐等，2011)。

3.3 阴影检测

3.3.1 波段组合

(1)典型地物光谱特征曲线分析：因光照强弱不同和地物反射函数不同，不同地物具有不同的光谱特征。选取阴影、云雾、裸地、植被四种主要典型地物光谱特征绘制曲线图(图1)，可见各类地物在B5波段最易区分、B6波段较易区分；云雾亮度值高，在各个波段均易区分；阴影和植被在B1、B2、B3、B4波段易混淆。

图1 典型地物光谱特征曲线图

(2)各波段光谱特征值统计：各波段光谱特征值统计反映了遥感影像所包含信息量大小，标准差越大，信息量越丰富，对各波段最小值、最大值、均值和标准差统计显示(表1)，B5、B6波段信息量最为丰富，其次B7>B4>B3>B2>B1。

表1 各波段影像光谱特征统计

(3)波段相关性分析：波段之间相关性分析以两波段的相关系数来表示，根据前人研究成果，采用波段相关系数较小的波段进行合成，其图像质量相对较高(颜凤芹等，2014)。研究区各波段相关系数显示(表2)，B5与各波段相关系数均较小，B6与各波段相关系数均相对较小，B1与各波段相关系数均较大。

表2 各波段之间相关系数矩阵

(4)OIF 指数分析：OIF 指数分析通过计算波段间相关性和标准差来确定波段组合的信息量，OIF 指数值越大，波段组合包含的信息量越大，组合效果越好(许泉立和易俊华，2014)。采用Matlab软件编程计算出1-7波段组合OIF指数(表3)。表3显示，B145、B245、B345、B456、B135指数排位靠前。

表3 各波段组合 OIF 指数及其排序

(5)目视判读分析：从以上分析可以看出，B6、B5波段可以优先确定，再结合目视习惯和目视判读效果，选用B6、B5和B4 为最佳波段组合，且B6、B5和B4分别被赋予红、绿、蓝通道。图2显示，B654波段组合颜色鲜明，阴影突显，地物可分性强。为突出阴影原始信息，影像均没有进行拉伸。

图2 波段组合效果对比

将影像的B6(R)、B5(G)、B4(B)进行HSI彩色空间变换，变换公式为式(2)

(2)

(3)

式(2)中H为色调；S为饱和度；I为亮度。

3.3.3 阈值分割

由于云雾遮挡，入射光被大幅衰减，使得云雾阴影区亮度值变低，与周围非阴影区像元对比明显，利用好这一特征是分解阴影像元的关键。HSI模型是由色调(H)、饱和度(S)和亮度(I)三个分量组成的空间立体模型，其中亮度(I)反映纯色属性的明亮程度，取值范围为[0，1]。因此，选用I分量进行阈值分割，[0.015686，0.096708]范围之内的数据提取为阴影单波段(图3a)，标记为阴影因子。为方便计算影像各波段与阴影因子之间关系，将阴影因子换算至[0，255]。

3.3.4 对比分析

为分析“波段选择+HSI彩色空间变换”阴影检测效果，选用了灰度直方图法、阴影植被指数法(SVI)以及面向对象技术三种较具代表性的阴影检测技术进行效果对比。

由于阴影区域普遍灰度级较低，利用灰度直方图进行阈值分割方便快捷，是较常用的一种方法。进行灰度直方图前，仍需对各类地物光谱特征进行分析，不同的波段分割效果截然不同。前文已对实验区内典型地物光谱特征进行分析，B5波段各类地物差异性较大，这里选用B5波段进行灰度直方图阈值分割，分割效果见图3b。

图3 各类阴影检测方法效果对比图(蓝色—阴影范围)

阴影植被指数(shaded vegetation index,SVI)能有效检测出明亮区、阴影区、水体区之间的差异，且无需参数、处理方便，其计算公式为式(3)，提取效果见图3c。

(3)

式(3)中，SVI=阴影植被指数，NIR=近红外波段反射率，R=红光波段反射率。

随着遥感影像分辨率不断提高，面向对象的影像分割技术越来越受到重视，该技术利用阴影区域的像元具有较强的同质性这一特性设置特征函数，进而提取阴影区域同质目标。影像分割是面向对象技术的重点，分割参数决定了提取效果，本次实验的主要分割参数有：分割尺度115，颜色权重0.75，形状权重0.35，光滑权重0.40，效果见图3d。

图3对比显示，四种方法均能提取出阴影区域，但有不同程度的缺陷。阴影植被指数(SVI)和单波段灰度直方图法阴影检测有较多错提图斑，如低亮度值植被、水体和裸地被错提为阴影，且影像椒盐现象普遍；面向对象技术基本解决了阴影检测中的椒盐现象，但所提图斑较实际范围变大，且存在一些错提，如水体错提为阴影；本文“波段选择+HSI彩色空间变换”所提阴影基本与原始地物相吻合，有少量山体阴影被误提取。综合分析，本文方法准确度较高、操作性强、效果较好。

3.4 阴影去除

3.4.1 计算各波段与阴影散点图及拟合曲线

散点图能清楚地展示各波段与阴影之间数量关系，拟合曲线用来描述各个波段对应阴影波段的变化趋势。在曲线平滑前，各个波段的光谱信息随阴影波段值的变化而变化，或呈正相关，或呈负相关。图4所示各波段与阴影的拟合曲线。

图4 各波段光谱值与阴影散点图的变化曲线

3.4.2 曲线平滑值获取

在各波段与阴影拟合曲线的基础上，通过中值滤波实现曲线平滑。根据前人研究显示，阴影属性有较强的同质性(蒲智等，2008)，结合图4拟合曲线，这里不再对平滑值进行分段提取。采用Matlab软件最终获取各波段平滑值(表4)。

表4 各波段曲线平滑值

3.4.3 强迫不变处理

把各波段曲线平滑值代入式(1)，由于阴影与周围地物有较强的光谱差异，地物交接处常会产出边缘效应，在强迫不变处理后，沿阴影边界进行一次中值滤波可降低边缘效应影响。处理后得到效果图(图5)。

3.4.4 效果分析

主观分析，对比处理后影像图5与原始影像(图2b)，处理后影像中云雾阴影基本得到消除，阴影区域覆盖植被与裸地显现，阴影区影像判读能力显著提升，整幅影像色调无异常。

图5 云雾阴影去除后效果图

客观分析，选取一行横跨阴影区与非阴影区的像元值，计算阴影区与非阴影区处理前后变化情况。线谱图(图6)直观地显示，在选取红线的阴影区域，云雾阴影处理后像元灰度值明显提高，与周边植被区像元灰度值基本一致；非阴影区域处理后像元灰度值与原始影像一致，没有变化。这说明云雾阴影去除方法复原效果较好，能得到与原始影像较近的影像，且没有损坏非阴影区信息量。

图6 处理前后影像水平剖面对比图

4 讨论

阴影普遍存在，阴影属性检测与消除研究是遥感图像处理领域的热点与难点，目前研究成果大多针对某一类地物阴影属性，不同地物阴影属性重叠会使阴影属性更为复杂。事实上，建筑阴影、树木阴影以及山体阴影等在遥感影像上很普遍，遇到有云雾阴影的情况下会重叠，致使阴影信息检测与去除更为困难。多重地物阴影的重叠会使得阴影属性不再是简单的“同质性”，而是多层次性，影响程度大的地物其阴影会占据主导作用，影像色调会更深；影响程度低的地物其阴影信息则弱些，影像色调变浅。如何从像元中分解这些多层次的阴影属性，是解决多重阴影检测与去除的关键，文章暂时没有深入探讨，后续会加强研究。

5 结论

文章针对云雾阴影，建立“波段组合+HSI彩色空间变换”阴影检测方法，再运用强迫不变技术进行阴影去除，通过实验，取得如下结论和认识：

(1)“波段组合+HSI彩色空间变换”阴影检测方法利用了各类典型地物在各波段的光谱响应特征，保证了所选波段所包含信息量丰富，地物信息特征值明显，可区别性最大。对比分析实验表明，该方法能有效识别出阴影范围，准确度高，漏提错提信息少。

(2)云雾阴影具有较强的均质性，强迫不变过程中可不用分段获取平滑值，但阴影去除后会有边缘效应，应采用中值滤波予以去除。

(3)研究成果表明，“波段组合+HSI彩色空间变换+强迫不变”的混合型强迫不变方法能有效检测阴影范围，还原阴影区地物信息，无须特定场景参数，信息保存完整。

(4)遥感影像中，阴影信息普遍存在，严重阻碍了影像判读，影响了解译效果。文中提出的技术方法能消除云雾阴影影响，提高解译精度，为其他地物阴影检测与去除提供了一个技术思路，具有较好的参考价值。