基于高分辨率遙感影像的陰濕檢測與分割

基于高分辨率遙感影像的陰濕檢測與分割

1陰陽檢測方法在高分辨率遙感圖像中，例如，為了確保能夠在相對干凈的環(huán)境中獲得圖像，衛(wèi)星圖像時間為當(dāng)?shù)貢r間10:30，太陽高度的角度非常小。地球目標(biāo)總是擋住光線，不可避免地在圖像中產(chǎn)生陰影區(qū)域。一方面,陰影造成遙感影像信息失真,對圖像配準(zhǔn)、圖像分割、特征提取和目標(biāo)變化檢測等影像處理造成嚴(yán)重影響。另一方面,陰影是遙感影像的特征之一,陰影可以用來提取地物的三維信息,如提取建筑物的高度。因此,陰影檢測是陰影去除和陰影利用的前提,提高陰影檢測精度具有重要意義。遙感影像陰影檢測方法分為基于模型和基于陰影性質(zhì)兩類。基于模型的陰影檢測方法需要有關(guān)于場景、目標(biāo)和光照情況的先驗(yàn)知識,該方法涉及的大量參數(shù)不易獲取,應(yīng)用具有較大的局限性?；陉幱靶再|(zhì)的檢測方法則是利用陰影區(qū)域的光譜和幾何特性來檢測陰影。學(xué)者對基于陰影性質(zhì)的陰影檢測研究較多,并取得了較好的研究成果,早期利用影像上陰影區(qū)域的亮度比非陰影區(qū)域亮度值低的性質(zhì),采用閾值法進(jìn)行陰影檢測。Etemadmia和Alsharif提出了基于同態(tài)濾波的檢測方法,王樹根等利用整體變分模型法檢測陰影區(qū)域,虢建宏等提出了多波段檢測方法。夏懷英等采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)構(gòu)建混合模型(SMM-RBFNN)應(yīng)用于遙感影像陰影檢測,季順平等提出改進(jìn)的高斯背景模型檢測方法,Xia等提出基于AffinityPropagation聚類算法的陰影檢測方法。特別值得關(guān)注的是,基于色彩不變特征的色彩轉(zhuǎn)換方法用于陰影檢測研究是一個熱點(diǎn)方向,Salvador等提出了一種基于C1C2C3色彩不變性的檢測方法,并應(yīng)用于靜態(tài)物體(樓房)和動態(tài)物體(汽車)的陰影檢測。Polodorio等提出了一種基于HIS模型的閾值分割檢測方法,該方法應(yīng)用HIS模型中的I分量減去S分量,給定一個閾值,小于這個閾值的即分割為陰影區(qū)域。Tsai等基于HSI、HSV、HCV、YIQ和YCbCr等不變色彩空間提出一種陰影檢測方法。Ma等基于HSV模型提出了一個歸一化飽和度—明度指數(shù)(NDSVI)用于陰影檢測。楊俊等基于HIS模型和形態(tài)學(xué)理論,對S分量和I分量采用差值(S-I)、比值(S/I)和歸一化差值((S-I)/(S+I))進(jìn)行陰影區(qū)域檢測。周堅華等在研究綠化植物群碳捕獲模型中為提取陰影區(qū)域的植被提出了歸一化陰影指數(shù)NDUI(NormalizedDifferenceUmbraIndex)的概念,NDUI模型同樣基于HIS模型,其與NDVI植被指數(shù)結(jié)合,成功地應(yīng)用于陰影區(qū)植被提取。鮑海英等結(jié)合RGB空間G分量和HSI空間I分量的閾值檢測陰影區(qū)域。黃浩等利用IKONOS多光譜2、3、4波段(分別為綠光、紅光、近紅外)進(jìn)行RGB到HIS色彩變換,用全色波段代替I分量進(jìn)行影像融合,運(yùn)用波譜角度映射表分類法對影像進(jìn)行陰影提取。上述陰影檢測方法在特定區(qū)域特定情況下取得了較好的效果,然而還存在一些不足,如陰影檢測結(jié)果常常摻雜非陰影地物,如水體和偏藍(lán)色地物等,并且許多算法計算復(fù)雜、過程不穩(wěn)定。針對數(shù)據(jù)量大的高分辨率遙感影像,研究一種計算量小而且有效的陰影檢測方法十分必要。本文在總結(jié)前人研究的基礎(chǔ)上,結(jié)合主成分變換和HIS色彩模型,創(chuàng)建了一個簡單有效的陰影指數(shù),通過OSTU直方圖閾值分割,不僅易于檢測出陰影,并且可以有效區(qū)分陰影區(qū)域與水體和偏藍(lán)色的地物。2在主成分轉(zhuǎn)化和否則的顯著性中2.1投影區(qū)域在第一主成分上的差異主成分變換可以將具有相關(guān)性的多維數(shù)據(jù)壓縮到完全獨(dú)立的較少的幾個波段上。本文僅選用RGB3個波段進(jìn)行主成分變換,變換后的第一主成分(PC1)包含了圖像大部分的信息,據(jù)實(shí)驗(yàn)驗(yàn)證,至少占原圖像信息量的90%。由于第一主成分特征值對應(yīng)的是該分量的方差,而方差是對比度的度量,分析發(fā)現(xiàn)第一主成分圖像具有很高的對比度。經(jīng)過大量取樣發(fā)現(xiàn)當(dāng)圖像上暗色物質(zhì)比重較大時,體現(xiàn)在第一主成分上反映為陰影區(qū)域?yàn)檎?且亮度值越低第一主成分的值越大;當(dāng)圖像上暗色物質(zhì)比重較小時,體現(xiàn)在第一主成分上則反映為陰影區(qū)域?yàn)樨?fù)值,且亮度值越低第一主成分的值越小,判斷陰影區(qū)域在第一主成分的值是正還是負(fù)的簡單方法是在第一主成分圖像上采樣。選取典型的區(qū)域進(jìn)行主成分變換,區(qū)域包括陰影、建筑、植被和水體等;主成分變換后第一主成分的方差貢獻(xiàn)率達(dá)到98.28%,代表了原始圖像大部分的信息,第一主成分圖像如圖1,通過遙感軟件在第一主成分圖像畫一條折線,提取地物的光譜曲面(圖2)可以看出,陰影的像素值最小,即此區(qū)域陰影處于第一主成分的小值端。通過上述分析可知,陰影區(qū)域總是處于第一主成分的兩端,正大值端或負(fù)小值端。若陰影區(qū)域處于正大值區(qū)域,則把第一主成分小于0的值賦值為0,大于0的值不變,此過程稱為“正大值取正”;若陰影區(qū)域處于負(fù)小值區(qū)域,則把第一主成分大于0的值賦值為0,小于0的值不變,此過程稱為“負(fù)小值取負(fù)”。上述過程在ENVI波段運(yùn)算中容易實(shí)現(xiàn)。正大值取正:PC1正=(b11t0)·0+(b1gt0)·b1(1)其中:PC1正與PC1負(fù)分別為正大值取正和負(fù)小值取負(fù)結(jié)果,b1為遙感影像第一主成分(PC1)。對“正大值取正,負(fù)小值取負(fù)”的結(jié)果進(jìn)行歸一化:或:其中:PC1nor為第一主成分歸一化值;PC1正與PC1負(fù)說明如式(1)和式(2),max(PC1)與min(PC1)分別為第一主成分最大值和最小值。經(jīng)過數(shù)據(jù)歸一化處理后,第一主成分的值范圍為,陰影區(qū)域信息不僅沒有丟失,而且增強(qiáng)了,均接近1。主成分變換有效地增強(qiáng)了陰影區(qū)域,而其他地物的信息則得到抑制。2.2應(yīng)用陰陽區(qū)域的特征HIS色彩模型反映了人的視覺系統(tǒng)感知彩色的方式,以色調(diào)(H)、飽和度(S)和強(qiáng)度(I)3種基本特征量來感知顏色。在HIS模型中,陰影區(qū)域相比于其他區(qū)域具有一些特性:(1)亮度值更低,由于陰影區(qū)域太陽光線被遮擋,體現(xiàn)為I值較小。(2)飽和度更高,由于大氣瑞利散射使得陰影區(qū)域的散射光線主要來自波長更短的藍(lán)紫光,體現(xiàn)為S值較大。(3)色調(diào)值更大,由于陰影區(qū)域接近于黑色,色調(diào)值很大,體現(xiàn)為H值較大?；谝陨咸卣?學(xué)者們依據(jù)S值大和I值小特性,試圖通過建立某種數(shù)學(xué)關(guān)系,對圖像進(jìn)行數(shù)學(xué)計算以增強(qiáng)陰影信息。比較典型的研究有Tsai算法、Polidorio算法和周堅華的NDUI指數(shù)。Polidorio算法基本思路是基于HIS圖像,用I分量減去S分量得到SD,給定一個閾值,若SD小于該閾值,則判斷為陰影區(qū)域。算法如下:周堅華等充分考慮S分量和I分量在陰區(qū)域的性質(zhì),提出了歸一化陰影指數(shù)(NDUI),其指數(shù)是基于HIS色彩模型的,如式(8):其中:NDUI是歸一陰影指數(shù),S和I分別是HIS色彩模型中的S分量和I分量。3化陰陽指數(shù)ndi比值型指數(shù)創(chuàng)建的基本原理是在多光譜波段內(nèi),尋找出所要研究地類的最強(qiáng)反射波段和最弱反射波段,將強(qiáng)者置于分子,弱者置于分母。通過比值運(yùn)算,進(jìn)一步擴(kuò)大二者的差距,使感興趣的地物在所生成的指數(shù)影像上得到最大的亮度增強(qiáng),而其他背景地物則受到普遍的抑制,從而達(dá)到突出感興趣地物的目的。歸一化陰影指數(shù)NDUI也是基于這個原理產(chǎn)生的。遙感影像經(jīng)主成分變換后,陰影區(qū)域總是處于第一主成分的兩端,經(jīng)過“正大值取正,負(fù)小值取負(fù)”與歸一化過程后,陰影區(qū)域處于PC1nor的右端(大值端),所以PC1nor有類似HIS模型中S分量的性質(zhì),即陰影區(qū)域在PC1nor中有更大的值,而水體在PC1nor中卻沒有這樣的特點(diǎn)。圖3所示為各地物在PC1nor、HIS模型I分量和S分量的數(shù)值,只有陰影和水體在PC1nor中的值大于I值,通過差值法就能簡單地將陰影和水體與其他地物區(qū)分開,且陰影PC1nor與I的差距大于水體PC1nor與I的差距;相比與S和I的差距,水體和陰影PC1nor與I的差距都更大,根據(jù)以上原理,可構(gòu)造新的陰影指數(shù)SI,表達(dá)式如式(9):其中:SI為陰影指數(shù),PC1nor為歸一化的第一主成分,I為HIS模型中I分量,S為HIS模型中S分量。PC1nor、I和S取值范圍均為,陰影指數(shù)的取值范圍為[-1,1]。4實(shí)驗(yàn)與分析4.1實(shí)驗(yàn)結(jié)果的比較為了驗(yàn)證陰影指數(shù)(SI)的有效性,分別選取兩個試驗(yàn)區(qū)進(jìn)行陰影檢測,并與Polidorio算法和NDUI的檢測結(jié)果進(jìn)行對比。為了使實(shí)驗(yàn)結(jié)果具有代表性,選擇的試驗(yàn)區(qū)涵括了水體和偏藍(lán)色地物。數(shù)據(jù)為QuickBird遙感影像,RGB真彩色圖像,分辨率為0.61m,獲取時間為2009年5月12日,影像已經(jīng)過數(shù)據(jù)預(yù)處理。4.2基于si分布的陰陽檢測結(jié)果采用SI對試驗(yàn)區(qū)1和試驗(yàn)區(qū)2進(jìn)行陰影檢測,SI陰影指數(shù)創(chuàng)建的流程如圖5。處理過程如下:(1)對原始遙感影像進(jìn)行主成分變換,變換結(jié)果顯示:圖4(a)中暗色物質(zhì)在第一主成分值表現(xiàn)為正大值;圖4(b)中暗色物質(zhì)在第一主成分值表現(xiàn)為負(fù)小值。(2)對圖4(a)第一主成分進(jìn)行“正大值取正”操作,并將結(jié)果歸一化,見式(1)和式(3);對圖4(b)第一主成分進(jìn)行“負(fù)小值取負(fù)”操作,并將結(jié)果歸一化,見式(2)和式(4)。(3)對原始影像進(jìn)行色彩空間變換:RGBtoHIS,得到HIS圖像。(4)將步驟(2)和步驟(3)結(jié)果代入陰影指數(shù)式(9),得到數(shù)值范圍為[-1,1]的圖像。(5)通過OTSU算法將圖像分割,得到陰影區(qū)域,見圖6(c)和圖6(f)。將SI陰影檢測結(jié)果與Polidorio算法和NDUI的檢測結(jié)果進(jìn)行對比,圖6為3種方法的檢測結(jié)果。其中當(dāng)Polidorio算法k值取-0.2時,大部分陰影都沒有檢測出來,故經(jīng)過調(diào)整,k值取-0.1;NDUI和SI圖像采用OSTU直方圖閾值分割。本文旨在檢測陰影區(qū)域,沒有對檢測出的陰影區(qū)域做后期處理,所以陰影檢測結(jié)果圖像包括許多樹木、草地和汽車的細(xì)小陰影,雖然這些細(xì)小陰影對圖像美觀會產(chǎn)生影響,然而卻更真實(shí)地反映了陰影的分布。由圖6可見,Polidorio算法陰影檢測效果最差,不能區(qū)分水體和偏藍(lán)色地物,試驗(yàn)區(qū)1所標(biāo)注的水體1、2和藍(lán)色屋頂1、2在圖6(a)中均被檢測成陰影區(qū)域,圖6(d)左上角的水體區(qū)域也檢測為陰影,Polidorio算法能夠?qū)㈥幱皡^(qū)域檢測出來,但是會摻雜水體和偏藍(lán)色地物。NDUI陰影檢測結(jié)果表明它能夠區(qū)分陰影與偏藍(lán)色地物,圖6(b)中可見,試驗(yàn)區(qū)1中標(biāo)注的藍(lán)色屋頂1、2均沒有被檢測為陰影,但對水體與陰影的區(qū)分能力不強(qiáng),圖6(b)和圖6(e)中水體均或多或少地被檢測為陰影區(qū)域。觀察圖6(c)和試驗(yàn)區(qū)1,試驗(yàn)區(qū)1標(biāo)注的水體1、2和藍(lán)色屋頂1、2都沒有被檢測成陰影,SI能夠有效地區(qū)分陰影和偏藍(lán)色地物;SI還能夠很好地將水體與陰影分開,從圖6(c)和圖6(f)可見,對應(yīng)試驗(yàn)區(qū)1、2水體區(qū)域都非常干凈,水體完全被檢測成非陰影區(qū)域。通過提取試驗(yàn)區(qū)1的3種算法圖像分割前的直方圖(圖7)可以看出,Polidorio算法的直方圖成偏正態(tài)分布,不利于尋找門限值進(jìn)行圖像分割。NDUI的直方圖顯示圖像各像素值差異不大,相對Polidorio算法直方圖,NDUI有少量值成峰狀,可以在一定程度提取陰影,但仍很難尋找一個最優(yōu)的門限值用于圖像分割。SI的直方圖則明顯成兩個波峰一個波谷形狀,根據(jù)直方圖閾值圖像分割法原理,尋找門限值的最優(yōu)直方圖形狀就是兩個波峰一個波谷,顯然門限值就在波谷位置。所以,對Polidorio圖像k值取-0.1、NDUI和SI圖像進(jìn)行OSTU直方圖閾值分割后,Polidorio算法陰影檢測結(jié)果不佳,NDUI一般,SI效果較好。5基于模擬投影投影檢測實(shí)踐通過結(jié)合主成分變換與HIS色彩模型,基于陰影區(qū)域在影像主成分變換后第一主成分的特點(diǎn),陰影區(qū)域總是處于第一主成分的兩端,正大值端或負(fù)小值端;充分利用陰影區(qū)域在HIS模型中I值偏小,S值偏大的特性,通過研究發(fā)現(xiàn)第一主成分歸一化數(shù)據(jù)(PC1nor)在陰影區(qū)域有類似與S分量的性質(zhì),且對陰影更加敏感,建立S、I和PC1nor三者之間的聯(lián)系,創(chuàng)建了用于檢測陰影的陰影指數(shù)(SI)。通過對比Polidorio算法,NDUI和