張力耘，賈曉敏，陳蘇娟

(1. 山西省電力勘測設計院， 山西 太原 030001；2. 北京清華山維新技術有限公司，北京 100085)

基于總變分的多特征陰影檢測方法研究

張力耘1，賈曉敏1，陳蘇娟2

(1. 山西省電力勘測設計院， 山西 太原 030001；2. 北京清華山維新技術有限公司，北京 100085)

針對實際生產過程中，影像上的陰影導致影像信息量缺損，影響影像匹配和拼接這一問題，提出基于總變分的多特征陰影檢測方法，并通過實驗驗證了該方法的有效性。

陰影檢測；多特征。

1 概述

在航空影像的應用處理中，為了目標識別，需要提取有關分割后物體的形狀、顏色等信息。但這些信息被一些噪聲干擾，一部分來源于圖像獲取過程，一部分來源于自然 原因，比如陰影。對于陰影而言，它具有雙重性質：一方面，它是空間目標之間時空關系的一種反映，可用來輔助地面上人工目標的提取、地形分類和地質制圖、確定目標的高度、形狀、表面特性以及相互運動關系等；另一方面，它的存在將直接影響到影像上目標地物的邊緣提取、目標識別、地物分類、影像匹配和影像目視解譯等。因此，有效的檢測或者消除陰影，具有十分重要的意義。

2 多特征方法的提出

現(xiàn)有的檢測陰影算法大多是根據(jù)影像陰影區(qū)域的某種同一性，即通過分析陰影在亮度、幾何結構和色彩等方面的性質來識別陰影。高空間分辨率遙感影像的場景復雜、投影目標眾多、包含的陰影區(qū)域也比較復雜，如投影表面不平坦、目標與其投射的陰影區(qū)域間有遮擋等。另外，影像中還存在與陰影光譜特征相似的其他地物，如水體等，這些都影響到影像中陰影區(qū)域的檢測。如果只利用陰影區(qū)域的某一種特性，則由于存在異物同譜和同物異譜的現(xiàn)象，不能充分區(qū)分目標，對于包含水體的影像出現(xiàn)陰影錯檢和漏檢的情況，不能達到理想的檢測效果。

圖像分析過程中無論是目標表達還是參數(shù)測量，都是圍繞著“特征”來展開的。因而，“特征”在遙感影像分析中具有重要的意義。特定的目標總是和相應的特征或特征組合(多特征)相聯(lián)系的，掌握了目標特征之后，只要選擇合適的特征或特征組合，就能把某一目標與其它目標區(qū)別開來。基于此，一些學者通過分析高空間分辨率遙感影像中水體與陰影區(qū)域的光譜特征，提出了基于彩色空間多特征的陰影檢測方法。

在影像的生成過程中，由于直射光線被遮擋，陰影區(qū)域的亮度特征被作為陰影檢測的重要手段。本文運用總變分方法進行陰影區(qū)域的檢測即利用這一特征，當有其它較暗、亮度較小的地物時，運用總變分方法不能準確區(qū)分陰影區(qū)域與此類地物，進而不能達到較好的檢測結果。影像中的水體一般呈現(xiàn)暗色，其亮度值與陰影區(qū)域的亮度值很接近。如果只利用亮度值特性進行檢測，則會出現(xiàn)將水體錯檢為陰影的現(xiàn)象。因此，本文運用多特征的方法進行水體與陰影的區(qū)分。即首先運用總變分方法對影像的陰影進行檢測，針對存在水體與陰影混淆的情況，分析水體與陰影在R、G、B三個通道的亮度特征，利用它們的特征差異提取出水體，從而達到檢測陰影的目的。

3 基于總變分的多特征陰影檢測方法

3.1 總變分陰影檢測基本原理

本文所研究的陰影檢測問題，是將陰影作為圖像退化的一種特殊形式，在滿足圖像總變分最小的情況下，達到陰影檢測的目的?？傋兎址椒ㄟM行陰影檢測的基本思想為，在滿足圖像總變分最小的情況下，通過抑制影像上非陰影區(qū)域像素值的變化，同時突出顯示具有陰影特征的區(qū)域，可以達到陰影檢測的目的。

3.2 多特征檢測的基本思路

影像中的水體，由于其反射系數(shù)較小，一般呈現(xiàn)暗色，其亮度值與陰影區(qū)域的亮度值很接近。如果只利用亮度值特性進行檢測，則會出現(xiàn)將水體錯檢為陰影的現(xiàn)象。由于水體對藍色波段有較好的穿透能力，但是藍色波段受大氣散色的影響嚴重；綠色波段對水體的穿透能力最強。因此，對水體來說，其綠色通道與藍色通道的亮度值有明顯的不同，其差值為：

其中，ΔIs表示水體在綠色通道與藍色通道的亮度差值，IG表示水體在綠色通道的亮度值，IB表示水體在藍色通道的亮度值。

而一般的陰影區(qū)域則不具有這樣的特征，藍色通道、綠色通道中的亮度值相近，其亮度差值ΔIy比水體要小，即

利用這一特征差異，可以區(qū)分水體與陰影。

然而，在實驗中發(fā)現(xiàn)，利用水體與陰影的這一特征差異，有一些影像中的陰影區(qū)域仍然不能被正確地檢測出來。本文采用IKONOS實驗影像分析見圖1：

圖1 實驗原始影像

圖2給出了實驗所用影像中陰影G分量和B分量的亮度直方圖，圖3給出了實驗所用影像中水體G分量和B分量的亮度直方圖。對這幾幅圖進行分析可以發(fā)現(xiàn)，水體在G、B通道中的亮度差值并不比陰影區(qū)域的差值大，因此這一特征差異對于檢測水體存在不足。

圖2 陰影G、B分量的亮度直方圖

圖3 水體G、B分量的亮度直方圖

針對上述不足，通過對水體與陰影的特征進行分析，并作出改進。通常情況下，水體在G通道有較高的反射率，而在R通道的反射率比較低，因此，本文利用Jin等提出的G、R通道特征值來區(qū)分水體，即利用影像的G通道與R通道的差值與其和值的商進行區(qū)分，即：

實驗證明，利用這一特征可以有效地提取出水體。

具體檢測流程見圖4。

圖4 多特征陰影檢測流程圖

即首先對原始影像進行總變分陰影檢測，由于水體的亮度值與陰影區(qū)域的亮度值很接近，因此，在檢測出的區(qū)域中包含有水體。本文通過對影像的學習，確認影像中是否包含水體，如果影像中包含有水體，則需利用公式(3)計算影像G、R通道的差值與和值之商，提取出影像中的水體。由于影像中的水體邊緣比較淺，懸浮物、藻類等植物含量比較多，只利用影像的RGB三通道特征不能正確檢測，需要通過影像的學習，對提取出的水體進行形態(tài)學膨脹操作，準確提取出水體的范圍，從而確定陰影區(qū)域。若影像中的水體邊緣無植被存在，則可直接運用公式(3)計算，提取出影像中的水體。

3.3 算法實驗及結果分析

本文通過以上步驟對IKONOS遙感影像進行陰影檢測，原始圖像為包含水體的陰影圖像。

(1)圖5為待檢測的原始圖像，圖像中包含有陰影與水體。圖6為利用變分方法檢測出的陰影區(qū)域(白色區(qū)域)，由圖可以看出，檢測結果不僅包括建筑物、植被的陰影區(qū)域，還包括水體。

圖5 原始影像

圖6 變分法檢測出的陰影區(qū)域

(2)利用G-R之差與其和的商，提取水體，如圖7所示；圖8為利用邊長為8的方形結構元素對提取出的水體進行膨脹處理，確定的水體范圍。

圖7 利用G-R提取水體圖

圖8 膨脹后的水體圖

(3)在初次檢測出的陰影圖中去除水體，得到最終的陰影區(qū)域，見圖9、圖10。

圖9 去除水體后的陰影圖

圖10 最終的陰影區(qū)域

上述實驗從目視角度可以看出，將水體與陰影的G通道與R通道的特征差異應用到遙感影像的陰影檢測中可以達到區(qū)分水體與陰影的作用，去除水體后陰影區(qū)域不會受到干擾，影像細節(jié)保持完好，目視效果理想。

4 結論

本章主要針對包含與陰影區(qū)域亮度相近的地物(如水體)的影像進行陰影檢測時，將該地物當作陰影區(qū)域誤檢的情況，提出基于總變分的多特征陰影檢測方法。

檢測的過程可分為兩步：粗檢測和去除水體。首先通過對影像的學習，了解影像的紋理性質，以及影像是否包含與陰影區(qū)域色調相近的地物，如水體。根據(jù)學習的情況，選擇總變分方法進行陰影區(qū)域的粗檢測，對檢測結果進行分析，然后利用G-R通道亮度特性提取出水體。通過對影像的再次學習，運用形態(tài)學膨脹的方法對結果進行后續(xù)處理，確定影像的陰影區(qū)域。本章通過實驗驗證了該方法的有效性。

[1] 岡薩雷斯.數(shù)字圖像處理[M].阮秋琦，譯.北京：電子工業(yè)出版社，2007.

[2] 王樹根.正射影像上陰影和遮蔽的成像機理與信息處理方法[D].武漢大學博士學位論文，2003.

[3] 陳曉秋，駱劍承，周成虎.基于多特征的遙感影像分類方法[J].遙感學報. 2004，8(3).

[4] Jin， X. and Davis， C.H. An integrated system for automatic road mapping from highresolution multi-spectral Satellite imagery by information fusion[J].Information Fusion.1999，6(4)：257-273.

[5] 李艷霞，閆冬梅，徐素妍，崔玉紅.基于彩色空間多特征的高空間分辨率遙感影像陰影檢測[J].裝備指揮技術學院學報. 2007，18(3).

[6] 老大中著.變分法基礎(第二版)[M].北京：國防工業(yè)出版社，2007.

[7] 王軍利.基于彩色航空影像的陰影檢測算法研究[D]. 武漢大學碩士論文.2005.

[8] 江暉.水體信息自動提取遙感研究[D].武漢：中國地質大學碩士論文.2006.

Research on multi-feature Shadow Detection Algorithms Based on Total Variation

ZHANG Li-yun, JIA Xiao-min , CHEN Su-juan
(1. Shanxi Electric Power Exploration&Design Institute, Taiyan 030001, China; 2. Beijing Tsinghua 3D new technology limited company, Beijing 100085, China)

Image becomes the main source of obtaining information and important means of utilizing information towards people, because of its large quantity and high transmission speed. However, it is disturbed by noise, including shadow. In order to solve the problem of image information loss in the production, a shadow detection method based on multi-features of shadow detection was purposed. After the experiments with several real images, it shows that the multi-features shadow detection is valid.

shadow detection; multi-feature.

P237

B

1671-9913(2011)05-0034-05

2011-08-11

張力耘，男，從事數(shù)字化檔案、檔案數(shù)據(jù)庫管理工作。