高分航空光学遥感影像的山体阴影去除方法

郭 伟,陆婉芸,邓廷起,黄国栋,尤文瑜,杨荣欣,俞 涵,董寿银,江 瑞

(浙江省测绘科学技术研究院,浙江 杭州 310023)

随着自然资源精细监测、城市空间智慧管理、三维产品高精展示、时空信息及时更新等发展需求的普及,高分辨率航空光学遥感影像的应用需求愈发广泛,其影像质量也得到广泛关注。然而,获取航空遥感影像时会由于成像区域的光线被障碍物完全或部分遮挡,造成影像阴影,阴影区域的灰度值一般比周边区域低。影像阴影造成影像局部信息丢失,严重干扰目标地物的识别和解译,且大大降低影像的审美效果,尤其在山地丘陵区域,会极为普遍且难以避免地呈现大块片状的阴影[1],给实景三维建设、林业调查、变化检测、环境监测等应用造成困难。因此,航空影像山体阴影的去除具有重要意义。

目前,影像阴影的处理主要包含检测和去除两方面。阴影检测包括基于模型的方法和基于影像属性的方法[2]。基于模型的检测方法需要以先验知识为前提,建立非阴影区与阴影区光照亮度的经验相关函数,应用局限性较大[3-4];基于影像属性的检测方法是利用阴影区域的亮度、饱和度、纹理、几何等属性信息,采用阈值分割、边缘检测等方法进行检测[2-3,5-10]。阴影去除通常包括替换和增强两类方法。影像替换的方法要求目标区域有多时相影像,通过将无阴影的影像替换有阴影的影像,填补阴影处缺失信息[11-13];影像增强的方法是通过阴影区域的辐射调整,以揭示丢失的内容,如滤波增强法、直方图均衡法、傅里叶变换法等[4-5,14-19]。

本文利用高分辨率航空遥感影像,结合阴影指数、色彩迁移和色彩变换的方法,提出一种山体阴影的检测与去除方法,以全自动化地定位山体阴影区域,去除阴影,使处理后的阴影区域色彩与其邻近的非阴影区域背景一致,达到色彩均衡的效果。

1 研究区与数据集

浙江省素有“七山二水一分田”之称,土地面积为10.18万km2,山地和丘陵占74.63%[20],且近三分之二的土地被森林所覆盖,如图1(a)所示。应用数据示例为湖州市安吉县报福镇影像数据,如图1(b)所示。

图1 研究区与数据示例

本文数据是由赛斯纳208飞机搭载徕卡DMCⅢ框幅式数码航摄仪获取的0.2 m高分影像,像幅大小25 728×14 592像素,影像包含红光波段、绿光波段、蓝光波段和近红外波段,获取影像的航向重叠度和旁向重叠度分别为65%和27%。研究数据均匀分布在浙江省山区,分别位于杭州市桐庐县新合乡、宁波市余姚市大岚镇、温州市泰顺县龟湖镇和乐清市岭底乡、湖州市安吉县报福镇、金华市磐安县大盘镇和武义县新宅镇、衢州市开化县何田乡,以及丽水市龙泉市宝溪乡,其具体信息见表1。

表1 应用数据信息

2 研究方法

高分航空遥感影像的山地阴影去除技术主要包括阴影检测和阴影去除两部分。阴影检测是基于阴影指数与阈值分割;阴影去除采用对象化色彩迁移与邻域非线性色彩均衡技术,其具体技术路线如图2所示。

图2 阴影去除流程

2.1 基于阴影指数的阴影检测

为厘清航空影像中山体阴影区域区别于其他地物的波段特征,本文采样选取航空影像研究区中典型地物(植被、建筑物、裸地)的阴影与非阴影区块,且为了顾及不同的航摄情况,令采样区均匀地分布于浙江省(图1中采样中心点表示各地物采样区块的中心位置点)。其中,植被非阴影处采样864个,植被阴影处采样977个;裸地非阴影处采样551个,裸地阴影处采样434个;建筑物非阴影处采样644个,建筑物阴影处采样482个。统计分析各地物类型的波段信息(红光波段R、绿光波段G、蓝光波段B、近红外波段NIR),得到典型地物的波谱,如图3所示。

图3 阴影与非阴影区域典型地物的波谱

由图3可以看出:①对于同一地物而言,近红外波段与蓝光波段的灰度值差值(NIR-B)在阴影区域与非阴影区域存在很大差异,且呈相反方向发展;红光波段与蓝光波段的灰度值差值(R-B)也存在较大差异。②对于不同地物而言,相较于裸地与建筑物,在山体植被处,非阴影区域的NIR-B与阴影区域相差最大,即若用NIR-B值区分阴影与非阴影区域时,山体植被处的效果比裸地与建筑物更为明显。

根据上述统计特征,构建航空遥感影像的山体阴影提取指数(mountain shadow index,MSI),用于山体处阴影的提取,公式为

(1)

MSI突显了阴影区域与非阴影区域的差异,且在山体植被处尤为明显。对影像进行MSI的波段运算后,采用阈值分割法将影像山体处的阴影区域与非阴影区域区分开,可实现山地丘陵区航空影像阴影的检测。

2.2 基于色彩迁移与色彩均衡的阴影去除

通过色彩迁移构建阴影区域与非阴影区域的色彩映射模型,根据非阴影区域色彩调整阴影区域的颜色特征。色彩映射模型的主要思路为:分波段计算阴影区域与非阴影区域影像的均值和标准差,阴影区域的单波段影像逐像素减去其均值后,乘以该波段阴影区域影像与非阴影区域影像的标准差的比值,再加上非阴影区域影像的均值。公式如下

(2)

式中,Si(i=1,2,3,4)表示阴影区域影像的红、绿、蓝、近红外波段;S′i为对应变换后的阴影区域各波段影像;Si＿mean和Li＿mean分别为阴影区域和非阴影区域的各波段均值;Si＿std和Li＿std分别为阴影区域和非阴影区域的各波段标准差。

为了防止整张影像中所有阴影按照同一种色彩模式被调整为单一的色彩,本文的色彩迁移针对各个阴影对象及其最小外接矩形内的非阴影区域进行,从而使得每个阴影对象的色彩恢复效果与其周边背景色彩相近。

依该模型方法,分别实现阴影区影像4个波段灰度的重构,经波段组合、与非阴影区影像叠加后,得到去除阴影后的影像。

2.3 INDANE方法改进

为了进一步提高影像的整体质量,对INDANE[21]进行改进。采用基于邻域的非线性色彩均衡法,提高遥感影像中暗区的可见性,且调整亮度,使色彩与背景更加融合,达到色彩均衡的效果。该方法包含亮度均衡和对比度增强两个模块。亮度均衡可以被视为动态范围压缩的过程,本质上是基于非线性传递函数的强度变换;对比度增强是根据中心像素与其周围像素之间的关系转换像素的强度。具体实现步骤与原理如下:

(1)亮度均衡处理。对于彩色影像,需先将其转换为灰度影像T(x,y)和归一化结果Tn(x,y),然后按照变换函数对影像亮度进行非线性调整,得到对应的非线性亮度变换结果T′n(x,y)。这种变换可大大增加暗区域像素的亮度,而较亮区域的像素具有较低的增强甚至是减弱。变换函数为

(3)

(4)

式中,β为对比度增强系数。

(3)针对步骤(2),使用不同标准差(sigma)进行高斯卷积,获得不同尺度的高斯卷积结果Fi(x,y),并将其进行线性组合,从而获得更好的对比度增强效果,公式为

F′(x,y)=αi·Fi(x,y)

(5)

式中,i=1,2,…,n,表示使用不同sigma的高斯卷积的次数,代入式(4),得到其对应结果Fi(x,y);αi∈[0,1],为权重因子。

(4)色彩线性恢复。对彩色影像进行色彩增强处理,从而实现阴影区域亮度和对比度的调整,并对处理过程中的参数进行微调,以获得最佳效果。色彩增强公式为

Fj(x,y)=λj·F′(x,y)·[Tj(x,y)/T(x,y)]

(6)

式中,j表示R、G、B不同的波段;Tj(x,y)为对应的红光波段影像、绿光波段影像、蓝光波段影像;λj∈[0,1],为对应各波段的系数。

3 方法应用与分析

3.1 阴影检测与去除

以浙江省山地区域的影像A、B作为算法试验数据,其地点分别位于温州市乐清市岭底乡和杭州市临安区潜川镇,其具体参数见表2。先后采用MSI检测山体阴影位置,并利用色彩迁移与色彩均衡技术去除阴影。检测阴影时,分割阈值为-0.1,即当MSI影像小于-0.1时,提取得到山体阴影。去除阴影时,亮度均衡系数a=0.8、b=0.5,对比度增强系数β=2,进行3次不同sigma的高斯运算,sigma取值分别为5、20、240,且令α1=α2=α3=1,色彩线性恢复系数为λR=λG=λB=1。

表2 试验影像信息

图4(a)、图5(a)、图6(a)为原始影像,图4(b)、图5(b)、图6(b)为对应的MSI指数计算和阈值分割提取情况(本文对非常小的阴影区域不作处理,因此显示的红框检测区域不包括小于2000 m2的阴影对象)。得到阴影区域与非阴影区域的分区后,将非阴影区域的色彩迁移至阴影区域,得到图4(c)、图5(d)、图6(c),分析影像特征可知,波段灰度与色调的地形差异已被明显缩小,阴影区域的亮度得到明显增强,但阴影区域与非阴影区域的色彩均衡仍有待提高,从而阴影区域的色彩从难以反映信息的深灰色转为可以读取有效信息的彩色。另外,图5(c)和图5(d)分别为基于整张影像色彩映射和基于阴影对象化色彩映射的效果对比,可以看出,基于阴影对象化色彩映射后的色彩更接近其局部周边区域,不会出现整张影像的阴影在阴影补偿后色彩单一的情况。阴影色彩迁移后,经过亮度均衡和对比度增强处理,阴影区域的色彩更加均衡。用检测得到的山体阴影位置剪裁出经过色彩均衡处理的山体阴影区域,将其与原始非阴影区域进行融合,得到最终的阴影去除结果,如图4(d)、图5(e)、图6(d)。相比于图4(c)、图5(d)、图6(c),其阴影区域的恢复效果更清晰,色彩层次更丰富,可以恢复纹理细节。此外,为了减弱边缘效应,使阴影去除区域能较为平滑地向非阴影区域过渡,对阴影边界采用双边滤波处理。由试验结果可知,本文算法可以在非阴影区域信息没有改变的情况下,有效地去除山体阴影,增强阴影区域信息,提高清晰度。

图4 影像A山体阴影去除的局部放大图

图5 影像A山体阴影去除效果

图6 影像B山体阴影去除的局部放大图

3.2 验 证

采用统计学指标分析阴影去除效果,以图4的影像A区域为例,随机选择多个阴影区块及其周围的非阴影区块,包含像素数分别为47 985和26 969,计算去阴影前后红绿蓝波段的灰度平均值、标准差、最大值、最小值,统计结果见表3。可以看出,相较于原始阴影区域,阴影去除后的波段均值、标准差及最大值均有所提高,且接近于原始影像非阴影区域的统计值。其中,均值和标准差的提高分别验证了阴影去除后亮度增加、亮度差异变大,不再是仅有低亮度的暗色,色彩丰富度得到提高。

表3 原始影像与去阴影后影像统计指标对比

分析阴影去除后与非阴影区各波段灰度值的相关关系(如图7所示),各波段阴影去除后与非阴影区的拟合R2均在0.96以上,说明阴影去除后的光谱信息与实际非阴影区的相关性高,具有较高可信度。

图7 阴影去除后与非阴影区的各波段灰度相关关系

4 结 语

本文在分析高分航摄影像光谱特征的基础上,构建了山体阴影提取指数,并提出了结合基于对象化色彩迁移和基于邻域的非线性色彩均衡法,分别实现高分航摄影像山体阴影的检测和去除。以0.2 m高分航摄影像进行的试验表明,本文方法可以有效地从影像中提取山体阴影区域,可以在不影响非阴影区域信息的前提下,明显淡化影像阴影,凸显地物,恢复纹理细节,达到影像色彩整体均衡的效果。本文研究方法有利于增加影像信息量,提高影像信息的丰富度,在时序影像应用中有助于植被覆盖面的统计及森林变化监测。