周堅華， 周一凡， 郭曉華， 任 珍

（1.華東師范大學 地理信息科學教育部重點實驗室，上海 200062；2.斯坦福大學 地球科學學院能源工程系，CA94305-2220，USA）

城鎮(zhèn)陰影區(qū)植物分布信息提取與亮度修復的方法

周堅華1， 周一凡2， 郭曉華1， 任 珍1

（1.華東師范大學 地理信息科學教育部重點實驗室，上海 200062；2.斯坦福大學 地球科學學院能源工程系，CA94305-2220，USA）

在建筑林立的城鎮(zhèn)建成區(qū)，其綠化地通常有約20%的植物處于陰影區(qū)，為了實現(xiàn)綠化植物群碳捕獲模型的全遙感驅(qū)動，必須解決的基礎性難題之一是分離與提取陰影區(qū)植物.為此提出了歸一化陰影指數(shù)（Normalized Difference Umbra Index，NDUI）的概念.當采用歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）確定植被范圍后，可以通過NDUI進一步分離和提取陰影區(qū)植物.為了改善識別效果，還可以在此基礎上對陰影區(qū)植被進行亮度修復.經(jīng)過仿真測試，證明該算法具有很好的穩(wěn)健性.

城鎮(zhèn)綠地； 碳捕獲； 陰影指數(shù)； 亮度修復

0 引 言

提取遙感圖像上的陰影信息和進行亮度補償是遙感圖像處理和信息提取研究領域的一個較早引起關(guān)注的困難課題.近年來，國內(nèi)外學者就此提出過一些算法［1－5］.然而，至今尚沒有一種通用有效的方法.這主要是因為不同的場景和任務對陰影提取和補償?shù)囊笥休^大區(qū)別.比如一些研究將陰影考慮為低頻信號，如較大山體背陰坡形成的陰影等，此時可以通過低通濾波的方法提取陰影［6］；而對于那些周期性重復、邊緣灰度梯度明顯的陰影，比如城鎮(zhèn)居住小區(qū)建筑物形成的陰影等，則適合采用一些對影像紋理敏感的描述符表征它們［7－9］.另有一些研究根據(jù)陰影區(qū)亮度在各個波段均體現(xiàn)為低值的特性，來區(qū)分陰影與暗色調(diào)地物［10］.由于遙感影像上每個像素的亮度都是輻射源輻射通量作用于地物反射（包括部分吸收和散射）特性的復雜函數(shù)，在光照條件和地物的某些信息（比如太陽高度角、地形坡度、坡向、建筑物高度等）已知的情況下，也有一些研究考慮逐像素直接計算陰影改正值［11－13］.

我們的研究小組一直致力于城鎮(zhèn)綠化植物群碳捕獲的遙感驅(qū)動模型研究.模型的主要驅(qū)動參數(shù)可以從遙感圖像上自動識別和模擬計算得到，比如樹種、冠徑、株數(shù)、郁閉度、陰影遮蔽率等.在這些參數(shù)的提取中，一個必須解決的基礎性難題是陰影區(qū)植物信息的分離與提取.

在景觀空間異質(zhì)度極高的城鎮(zhèn)建成區(qū)，通常有約20%的植物處于陰影區(qū)，即那些對植物形成光線遮擋的建筑物陰影區(qū)、高大植物對低矮植物形成的光線遮擋區(qū)，以及樹冠的本影區(qū)；與此相對的是對植被基本沒有遮擋的亮區(qū).無論采用何種遙感圖像數(shù)據(jù)，陰影區(qū)和亮區(qū)植被的反射波譜差異都很大；不僅如此，在陰影區(qū)，植物的樹種、植株大小和分布等信息均大幅減弱.因此，解決陰影區(qū)植物信息提取問題，不僅要求提取植被覆蓋范圍，而且要求區(qū)分植株，即提取喬、灌木的輪廓.本文的研究和實驗正是圍繞這一要求展開的.

1 方法和數(shù)據(jù)

這部分將從分析城鎮(zhèn)綠化植物群的波譜特征入手，選擇適當?shù)闹脖恢笖?shù)，盡可能完整地提取植被覆蓋范圍.為了區(qū)分亮區(qū)和陰影區(qū)植被，這里提出了歸一化陰影指數(shù)NDUI的概念，并通過NDUI和歸一化植被指數(shù)NDVI聯(lián)合提取陰影區(qū)植被，以及對陰影區(qū)植被做亮度修復.下面展開介紹它們的理論和方法.所有測試樣本取自上海市1988～2003年1∶5 000～1∶10 000的彩紅外航片.

1.1 歸一化植被指數(shù)和提取植被總覆蓋

為了分析城市建成區(qū)綠化植物群與背景下墊面的反射波譜特征差異，這里采集植被和其他主要城鎮(zhèn)下墊面類型樣本的RGB值（分別大致對應景物波譜的IR，R，G值）.眾所周知，含葉綠素的健康植物在IR波段具有高反射特性，而在其他兩個波段具有強吸收的特點.以下分別用R，G，B，和IR來表示相應的RGB和IR值.樹冠無論在亮區(qū)和陰影區(qū)都有IR?R和IR?G；而其他下墊面類型的波譜沒有這個特征，通常表現(xiàn)為IR、R、G比較接近.

因此，對于彩紅外圖像IM（IR，R，G），植被像素集V可以由（1）式獲得.

其中，V是圖像IM 滿足條件IM（IR－G）＞T的子集，該條件也可以寫作IM（IR－R）＞T.T為閾值，根據(jù)對具體圖像的波譜分析給出.

各種植被指數(shù)一般都依據(jù)（1）式的原理給出.但為了使用方便，通常要求植被指數(shù)存在一個比較確定的分割閾值，該閾值與圖像類型和獲取時的輻射照度水平等環(huán)境條件的差異無關(guān).一些歸一化植被指數(shù)符合這一要求.本文比較了以下三種植被指數(shù)提取城鎮(zhèn)綠化植物覆蓋范圍的效果（見圖1）.

圖1 以代表性植被指數(shù)提取城鎮(zhèn)綠化植物群覆蓋范圍的效果比較Fig.1 Effective comparison of extracting urban landscape vegetation by three typical vegetation indexes

由圖1可見，使用NDVI提取的植被覆蓋范圍（包括陰影區(qū)植被）比較準確完整.故本文選用NDVI提取城鎮(zhèn)綠化植被總覆蓋.

對于區(qū)分植被覆蓋與背景區(qū)域，NDVI具有比較確定的分割閾值；此外，它對圖像輻照度水平差異不太敏感.圖2顯示了亮區(qū)、陰影區(qū)植被和城鎮(zhèn)其它主要下墊面類型的NDVI（樣本沿橫軸排列，樣本序號省略未注出，圖4同）.由圖可見，無論在亮區(qū)還是陰影區(qū)，植被的NDVI顯著大于其它下墊面類型；根據(jù)試驗，以NDVI＞0.18為條件，可以準確提取植被范圍.因為對于其他下墊面類型的樣本，在亮區(qū)和陰影區(qū)都有－0.36＜NDVI＜1.8.

1.2 歸一化陰影指數(shù)和提取陰影區(qū)植被

據(jù)前述，NDVI用于提取植被總覆蓋非常合理和有效.由于歸一化，NDVI對亮區(qū)和陰影區(qū)的照度水平差不敏感，這有利于從多種下墊面類型中提取植被，卻不利于在植被覆蓋區(qū)域中區(qū)分亮區(qū)和陰影區(qū).此時需要一個新指數(shù)用于陰影區(qū)植被分離和提取.

在陰影區(qū)植被提取試驗中，飽和度S的特殊表現(xiàn)引人注意.S是HSI色彩系統(tǒng)中的分量.該系統(tǒng)以色調(diào)H、飽和度S和亮度I表達色彩空間.當以HSI系統(tǒng)分析城鎮(zhèn)下墊面的色彩特征時，不難發(fā)現(xiàn)在城鎮(zhèn)地區(qū)，植被覆蓋區(qū)具有較高的飽和度，而大多數(shù)其它下墊面類型，如人工建材表面，表現(xiàn)為消色體，飽和度很低.遙感圖像波譜特征分析也能給出類似結(jié)論.當將彩紅外RGB圖像轉(zhuǎn)換為HSI圖像，無論在亮區(qū)或陰影區(qū)，樹冠影像具有較高的飽和度；而水泥、瀝青等人工建材表面多為消色體，無論在亮區(qū)或陰影區(qū)，都具有低飽和度特征.與明度I不同，飽和度S在陰影區(qū)并不顯著下降，有些甚至高于亮區(qū).所以，可以用（S－I）＞T1（T1是以S－I提取陰影區(qū)植被時的下限）來判斷是否陰影區(qū)植被（見圖3）.

圖2 亮區(qū)、陰影區(qū)植被以及典型城鎮(zhèn)下墊面類型的NDVI比較Fig.2 Comparing NDVI of landscape vegetation and other surface species sampling at darken and bright areas

圖3 以S－I提取陰影區(qū)植被Fig.3 Extracting plants at darken area of urban landscape vegetation referring the difference between saturation and brightness

與植被指數(shù)歸一化的原理相似，為了增大亮區(qū)、陰影區(qū)S－I的差異，以減少對陰影區(qū)細小亮度差異的敏感性，本文提出了歸一化陰影指數(shù)（NDUI）的概念，即

歸一化的實質(zhì)是用可變系數(shù)1／（S＋I）對S－I值做非線性拉伸.這里通過亮區(qū)和陰影區(qū)共140個植被樣本，分析了這種拉伸對陰影區(qū)樹冠提取效果的影響（見圖4）.由圖可見，亮區(qū)和陰影區(qū)植被的S－I值差異不顯著，陰影區(qū)值僅略高于亮區(qū)值，一些亮區(qū)、陰影區(qū)樣本甚至出現(xiàn)粘結(jié)和相互穿插的情況.所以，直接以S－I來分離陰影區(qū)植被效果不佳.但當使用NDUI時，情況有了很大改善.由圖4可見，植被的NDUI與S－I在亮區(qū)相差不大，但在陰影區(qū)，NDUI與S－I的差異顯著增大，即亮區(qū)與陰影區(qū)植被NDUI的差異顯著增大.通過分析具體樣本，NDUI跳高較多的是陰影區(qū)內(nèi)具有較高飽和度的樹冠.這就是使用NDUI可以較好提取陰影區(qū)樹冠覆蓋范圍的原因.不僅如此，就像經(jīng)過歸一化的NDVI對亮區(qū)和陰影區(qū)的照度水平差不敏感一樣，經(jīng)過歸一化的NDUI對陽高角變化等全局性的照度變化也不太敏感，這也是使用NDUI的優(yōu)點之一.

根據(jù)試驗，可以用NDUI＞0.4來提取陰影區(qū)中的樹冠.對于圖像IM，陰影區(qū)樹冠范圍DV可寫作：

1.3 陰影區(qū)植被亮度修復

在本文的試驗中，陰影區(qū)植被亮度修復在前述陰影區(qū)植被提取的基礎上進行，亮度修復值的計算采用直方圖均衡化（Histogram Equalization，HE）方法.

HE是圖像增強中普遍使用的算法.它屬于基于累計分布函數(shù)（Cumulative Distribution Function，CDF）的直方圖修正法，其結(jié)果是使圖像灰度級分布具有均勻概率密度的特點.這里采用HE方法，是為了將陰影區(qū)植被的亮度調(diào)整到與亮區(qū)植被盡可能接近.

本文使用一種稱為CLAHE（Contrast-Limited Adaptive Histogram Equalization）的HE算法［17］.CLAHE屬于自適應HE，它采用一定尺寸的滑動窗口對每個像素進行局部HE，使每個窗口的直方圖接近平坦的目標直方圖.這里采用CLAHE，是為了避免由于陰影區(qū)植被像素在全圖像總像素中的占比較少，而受到壓抑.窗口尺寸由陰影區(qū)圖斑的平均尺寸確定，在本文的實驗中，窗口尺寸設為12×12（像素）.

在對整個植被覆蓋區(qū)域做CLAHE后，以其結(jié)果替換陰影區(qū)內(nèi)的相應像素.圖5是一些陰影區(qū)植被亮度修復的例子，由圖可見，修復運算使陰影區(qū)植被獲得了比較自然和接近亮區(qū)植被的色彩.

圖4 亮區(qū)、陰影區(qū)植被S－I與NDUI的比較Fig.4 Taking a comparison between S－Iand NDUI of landscape vegetation sampling at both darken and bright areas

2 分析和討論

這里著重討論本文算法的理論依據(jù)、使用效果和一些可能引起爭議的問題.

2.1 為何NDVI對亮區(qū)、陰影區(qū)照度水平的差異不敏感

NDVI對植被處于亮區(qū)、陰影區(qū)不敏感的主要原因，是NDVI對IR－G采用了非線性拉伸.對于陰影區(qū)，分子IR－G相對于亮區(qū)減小，但同時分母IR＋G也相應減?。欢鴮τ诹羺^(qū)，分子相對于陰影區(qū)增大，但同時分母也相應增大.所以亮區(qū)NDVI并未明顯高于陰影區(qū).

區(qū)別植被與背景的主要標志是植被的IR－G大大高于其它下墊面類型.但直接使用IRG提取植被效果并不理想.這是因為IR－G對亮區(qū)、陰影區(qū)的照度水平變化過于敏感.根據(jù)對圖2中樣本的統(tǒng)計，亮區(qū)植被的IR－G均值為75.88，相比陰影區(qū)的這一值僅為33.16，二者相差56.27%，如果直接使用（IR－G）＞T（T為以IR－G提取植被時的下限）提取植被，可能造成對亮區(qū)植被的過提?。ㄖ脖恢泻衅渌聣|面信息）和陰影區(qū)植被的欠提取.

而使用NDVI提取植被的情況很不相同.由于NDVI使用可變系數(shù)1／（IR＋G）非線性拉伸IR－G值，對于圖2所示的樣本，在陰影區(qū)，植被的IR－G值比亮區(qū)平均降低56.27%的同時，IR＋G值平均比亮區(qū)也降低了45.83%.它意味著，二者的比值NDVI僅降低了21.94%，即這種拉伸降低了NDVI對亮區(qū)和陰影區(qū)照度水平差的敏感性.所以使用NDVI比直接使用IR－G提取的植被覆蓋范圍更準確和完整，為進一步分離和提取陰影區(qū)植被奠定了基礎.5

圖 陰影區(qū)植被提取和亮度修復實例Fig.5 Samples of extracting plants at darken area and repairing their brightness

2.2 分離陰影區(qū)植被中使用NDUI和明度I的差別

為了盡可能完整地提取陰影區(qū)植被，在使用NDVI提取植被覆蓋范圍時，可以適當放寬下限，比如放寬到NDVI＞0.16.此時植被覆蓋范圍中，可能包含了部分陰影區(qū)背景，如裸土地、空禿草地等.如果使用明度I＜T2（T2為陰影區(qū)明度上限）來提取陰影區(qū)植被，提取的植被里會包含這些背景信息；而使用NDUI則不會出現(xiàn)這個問題，因為在彩紅外圖像上具有足夠高飽和度的只能是樹冠.圖6顯示了當取NDVI＞0.16時，以這兩種方法提取和修復陰影區(qū)植物亮度的差別.

因為I直接反映輻射照度水平，當遙感圖像的類型和獲取的環(huán)境條件不同時，T2值都需要做出相應調(diào)整.其次，以一個明度閾值來劃分陰影區(qū)常常不夠準確.試驗證明，以I方法檢測的邊界做陰影區(qū)植被亮度修復，修復范圍會包括樹冠在草地和裸土地上的投影，甚至背光的混凝土墻面和建筑物在混凝土地面的投影等（如圖6（c）中箭頭標示之處）.而以NDUI＞0.4作為陰影區(qū)植被提取條件時（簡稱“NDUI方法”），只提取了陰影區(qū)樹冠，并對其進行了亮度修復.在圖6（d）中，以紅、綠色細線分別標示以I方法和NDUI方法提取的植被陰影區(qū).由圖可見，后者并非前者的子集，以I方法提取的陰影區(qū)邊界，有非植被覆蓋區(qū)被提取，也有陰影區(qū)植被被遺漏；而NDUI方法提取的邊界則比較合理，它比較完整地提取了陰影區(qū)樹冠.

圖6 以I方法和NDUI方法進行陰影區(qū)植被提取和亮度修復效果的比較Fig.6 A case of extracting plants at darken area referring both Iand NDUI and repairing brightness of these plants

2.3 算法的穩(wěn)健性和實用性分析

在陰影區(qū)植被提取算法中使用了兩個閾值：0.18（以NDVI＞0.18提取植被總覆蓋）和0.4（以NDUI＞0.4提取陰影區(qū)植被樹冠，該閾值根據(jù)實驗數(shù)據(jù)歸納得到）.下面討論這兩個閾值的穩(wěn)定性.

NDVI對輻射照度水平的差異不太敏感，所以提取植被覆蓋范圍的閾值具有較好的穩(wěn)定性.比如圖2的樣本取自兩個年份不同季節(jié)的4張彩紅外航片，證明該閾值對時間和季節(jié)變化具有較好的適應性.從相關(guān)報道來看，該閾值也與遙感圖像的類型無關(guān)，如張友水使用IKONOS多光譜圖像，以NDVI＞0.18提取城鎮(zhèn)綠地植被覆蓋效果很好［18］，說明該閾值對不同類型的遙感圖像也具有穩(wěn)定性.

在HSI彩色系統(tǒng)中，飽和度S是對輻射照度水平最不敏感的分量.而明度I卻正相反；所以用差值S－I來提取陰影區(qū)植被非常合理；但S－I對陰影區(qū)亮度水平的細小差異依然敏感.而NDUI通過歸一化進一步加大了亮區(qū)和陰影區(qū)植被的差異，而使NDUI對陰影區(qū)亮度水平的細小差異不敏感，同時也使閾值0.4對陰影區(qū)亮度水平的細小差異不敏感.圖4中的140個樣本取自兩個年份不同季節(jié)的6張彩紅外航片，證明該閾值對時間和季節(jié)變化，以及陰影區(qū)亮度水平的細小差異具有較好的穩(wěn)定性.

本文算法的穩(wěn)健性也從陰影區(qū)植被的提取實例中得到了證實（參見圖5和圖6）.

從實用性來看，本文的算法除了能為城鎮(zhèn)綠化植物群碳捕獲模型的遙感驅(qū)動提供必須的基礎數(shù)據(jù)外，還有可能服務于需要分離、提取和修復陰影區(qū)植被亮度的任何應用領域.在實際應用中，可以結(jié)合使用I方法和NDUI方法分離和提取陰影區(qū)植物.可以用I方法提取整個陰影區(qū)綠地范圍，以幫助定量一些植物生長的環(huán)境壓力參數(shù)，如遮蔽率等.同時用NDUI方法提取陰影區(qū)樹冠邊界，并對其進行亮度修復，以幫助樹冠的定性和定量信息提取，如統(tǒng)計株數(shù)、計算冠徑、識別樹種和計算樹冠郁閉飽和度等.

3 結(jié) 論

本文提出了歸一化陰影指數(shù)NDUI的概念以及城鎮(zhèn)地區(qū)陰影區(qū)植被提取和亮度修復的算法.經(jīng)過樣本統(tǒng)計分析和遙感圖像實例測試，證明該算法具有很好的穩(wěn)健性.該算法以歸一化植被指數(shù)NDVI確定植被總覆蓋，和以NDUI分離和提取陰影區(qū)樹冠.在陰影區(qū)植被提取中，通過“I方法”與“NDUI方法”的比較，證明前者對提取陰影區(qū)植被總覆蓋有幫助；后者對于陰影區(qū)樹冠提取性能優(yōu)異.所以，可以根據(jù)需要選用適當?shù)姆椒?當強調(diào)提取整個陰影區(qū)綠地范圍時，比如自動計算陰影區(qū)遮蔽率等，使用I方法比較有效，但需要針對遙感圖像類型和獲取的環(huán)境條件等做統(tǒng)計分析來確定I的閾值，還需要防止陰影區(qū)過提取問題.當側(cè)重于單植株分析時，比如要求自動統(tǒng)計株數(shù)、計算冠徑、識別樹種和計算樹冠郁閉飽和度等，則NDUI方法有無可替代的優(yōu)勢.本文還通過亮度修復試驗，證明對于陰影區(qū)植被采用自適應直方圖均衡化亮度修復，能獲得比較自然和接近亮區(qū)植被的色彩.同時這個試驗也直觀地顯示了I方法和NDUI方法在提取對象和范圍上的顯著差別.

［1］ TSAI V J D.A comparative study on shadow compensation of color aerial images in invariant color models［J］.IEEE Transactions Geoscience and Remote Sensins，2006，44（6）：1661-1667.

［2］ YOUNG S D，KAKARLAPUDI S，UIJT DE HAAG M.A shadow detection and extraction algorithm using digital elevation models and x-band weather radar measurements［J］.International Journal of Remote Sensing，2005，26：1531-1549.

［3］ SARABANDI P，YAMAZAKI F，MATSUOKAV M，et al.Shadow detection and radiometric restoration in satellite high resolution images［C］／／Proceedings of the IEEE International Geoscience and Remote Sensing Symposium.Anchorage，AK：［s.n.］，2004（6）：3733-3747.

［4］ FINLAYSON G D，HORDLEY S D，DREW M S.Removing Shadows from Images［M］.Berlin：Springer Verlag，2002.

［5］ AKIRA S，AKIO S，HIROYUKI A，et al.Dynamic shadow compensation of aerial images based on color and spatial analysis［C］／／The International Conference on Pattern Recognition（ICPR’00）.Barcelona：［s.n.］，2000（1）：317-320.

［6］ 王樹根，郭澤金，李德仁.彩色航空影像上陰影區(qū)域信息補償?shù)姆椒ǎ跩］.武漢大學學報：信息科學版，2003，28（5）：514-516.

WANG S G，GUO Z J，LI D R.Shadow compensation of color aerial images［J］.Geomatics and Information Sci-ence of Wuhan University，2003，28（5）：514-516.

［7］ 何凱，趙紅穎，劉晶晶，等.基于分形及紋理分析的城市遙感影像陰影去除［J］.天津大學學報，2008，41（7）：800-804.

HE K，ZHAO H Y，LIU J J，et al.Shadow removal of city’s remote sensing image based on fractal and texture analysis［J］.Journal of Tianjin University，2008，41（7）：800-804.

［8］ 許妙忠，余志惠.高分辨衛(wèi)星影像中陰影的自動提取與處理［J］.測繪信息與工程，2003，28（1）：20-22.

XU M Z，YU Z H.Automated extraction of shadow in very-high resolution spatial satellite images［J］.Journal of Geomatrics，2003，28（1）：20-22.

［9］ DARE P M.Shadow analysis in high-resolution satellite imagery of urban areas［J］.Photogrammetric Engineering and Remote Sensing，2005，71：169-177.

［10］ 李存軍，劉良云，王紀華，等.基于主成分融合信息失真的城市IKONOS影像陰影自動提取研究［J］.武漢大學學報：信息科學版，2008，33（9）：947-950.

LI C J，LIU L Y，WANG J H，et al.IKONOS shadow extraction in urban region based on principal component fusion information distortion［J］.Geomatrics and Information Science of Wuhan University，2008，33（9）：947-950.

［11］ 李先華，劉順喜，黃薇，等.月球表面遙感圖像陰影消除及其信息恢復研究［J］.應用光學，2009，30（3）：423-426.

LI X H，LIU S X，HUANG W，et al.Shadow removal and information recovery for remote sensing images of lunar surface［J］.Journal of Applied Optics，2009，30（3）：423-426.

［12］ 高龍華.基于 Quickbird影像的陰影校正模型研究［J］.重慶郵電學院學報，2005，17（2）：226-229.

GAO L H.Research into the shadow emendation model based on Quickbird image［J］.Journal of Chongqing University of Posts and Telecommunications，2005，17（2）：226-229.

［13］ 李先華.遙感信息的地形影響與改正［J］.測繪學報，1986，15（2）：102-109.

LI X H.A radiometric correction of relief disturbances in the remote sensed data［J］.Acta Geodaetica et Cartographica Sinica，1986，15（2）：102-109.

［14］ LIU H Q，HUETE A R.A feedback based modification of the NDVI to minimize soil and atmospheric noise［J］.IEEE Transactions Geoscience Remote Sensing，1995，33：457-465.

［15］ HUETE A R.A soil-adjusted vegetation index（SAVI）［J］.Remote Sensing Environment，1988，25：295-309.

［16］ GAO X，HUETE A R，NI W.Optical-biophysical relationships of vegetation spectra without background contamination［J］.Remote Sensing Environment，2000，74（3）：609-620.

［17］ STEFANOYIANNIS A P，COSTARIDOU L，SKIADOPOULOS S.A digital equalization technique improving visualization of dense mammary gland and breast periphery in mammography［J］.European Journal of Radiology，2003，45：139-149.

［18］ 張友水，馮學智，都金康，等.IKONOS影像在城市綠地提取中的應用［J］.地理研究，2004，23（2）：275-280.

ZHANG Y S，F(xiàn)ENG X Z，DU J K，et al.The applications of IKONOS images in the extraction of urban landscape vegetation［J］.Geographical Research，2004，23（2）：275-280.

Methods of extracting distribution information of plants at urban darken areas and repairing their brightness

ZHOU Jian-hua1， ZHOU Yi-fan2， GUO Xiao-hua1， REN Zhen1

（1.Key Laboratory of Geographical Information Science，Ministry of Education，East China Normal University，Shanghai 200062，China；2.Department of Energy Resources Engineering，School of Earth Science，Stanford University，CA94305-2220，USA）

In the urban built-up areas with densely high-rising buildings，about 20%of landscape vegetation is growing at darken areas shaded by buildings or other higher plants.In order to drive a model of measuring captured carbon by remote sensing，one of the puzzles to be solved firstly is to separate and extract those plants at darken areas.So a new conception of NDUI（Normalized Difference Umbra Index）has been put forward here.With NDUI，the total area of landscape vegetation is extracted from an infrared remote sensing image by means of NDVI（Normalized Difference Vegetation Index），and then the plants at darken areas are separated from the total area through another segmentation threshold referring to NDUI.These separated plants at darken area can be enhanced with an algorithm of repairing brightness.It is demonstrated by experiments that the algorithm proposed here can work robustly to meet the requirement.

urban landscape vegetation； captured carbon； NDUI（Normalized Difference Umbra Index）； repairing brightness

TP79；TP751.1

A

10.3969／j.issn.1000-5641.2011.06.001

1000-5641（2011）06-0001-09

2010-08

國家自然科學基金（40671177，41071275）

周堅華，女，副教授，研究方面為圖像識別、生態(tài)遙感.E-mail：jhzhou＠geo.ecnu.edu.cn.