CN102855627A - 基于光谱特性和拓扑关系的城市遥感影像阴影检测方法 - Google Patents

Abstract

本发明公开了一种基于光谱特性和拓扑关系的城市遥感影像阴影检测方法，包括：一、利用光谱特性进行自适应阈值阴影粗检测；二、利用光谱特性将粗检测结果中暗植被类伪阴影进行剔除；三、在原始的粗检测结果上利用区域增长的方法获取对象；四、利用对象的几何特性和对象间的拓扑关系剔除其他伪阴影，获取精检测结果；五、将剔除了植被的结果与剔除其他伪阴影结果作交运算，得到最终的阴影检测结果。本发明采用阈值分割、区域增长方法，从对象光谱、几何、拓扑关系等特征入手解决阴影检测问题。

Description

基于光谱特性和拓扑关系的城市遥感影像阴影检测方法

技术领域

本发明涉及遥感影像处理技术领域，尤其是涉及一种基于光谱特性和拓扑关系的城市遥感影像阴影检测方法。

背景技术

近十几年来，国外高分辨率商业卫星IKONOS、QuickBird、GeoEye及我国资源二号、资源三号等高空间分辨率卫星先后投入对地观测应用，利用高分辨率遥感影像进行变化检测和其他应用的需求日益增加，尤其是在人口及建筑物密集地区需求更甚。高分辨率遥感影像中的各种地物往往伴随着阴影，这些由遮挡产生的阴影对高分辨率遥感影像的应用产生很大影响：影像拼接中同一地物不同时刻的阴影位置不同会造成拼接误差；在城市变化检测中阴影会被判定为变化区域而产生伪变化。再者，阴影区域内的地物不易判别而导致信息缺失，对遥感影像的其它应用造成阻碍。另外，阴影有时候也可以提供有用信息，例如阴影可以辅助建筑物的检测和建筑物的高度计算，可以在遥感判读中辅助判断山坡走向和地形。因此，无论是利用阴影还是消除阴影，首先要准确地检测出阴影。

现有阴影检测技术可以大致分为三类：（1）基于几何光学的物理性质；（2）基于色彩不变量模型（即色彩空间变换）；（3）基于计算统计模型。根据阴影产生机理提出的基于几何光学物理性质的方法,需要有关于场景、目标和光照情况的先验知识，即利用已知场景、目标和光照情况等先验知识来建立合理的数学模型，对于遥感影像具有较大的局限性；依据阴影特性提出的基于色彩不变量模型和基于计算统计模型的检测方法是利用阴影区域的光谱和几何特征来检测阴影，并未考虑阴影与水体植被等暗地物的区分。李艳和宫鹏依据DSM和太阳高度和方位来计算建筑物阴影的空间坐标，确定一部分阴影，然后在此基础上求出阈值，对图像进行阴影的细分割。该方法准确率较高，但所需信息苛刻，如地物表面模型、太阳高度和方位信息，且计算复杂。G.D.Finlayson等最早提出利用光照无关来进行阴影检测，该方法稳定性较强，在复杂场景条件下也能获得较为完整的阴影边缘，但是要求满足彩色不变量在图像中性界面反射模型的条件，而很多遥感影像并不满足此条件。Tsai将RGB彩色影像转换到不同的色彩空间，并用Otsu将阴影分割出来，该方法可以较好的剔除植被这类伪阴影，但无法剔除其它类阴影的暗地物。李艳霞等根据彩色空间多特征进行阴影检测，该方法可以避免强反射地物漏检和水体错检的问题，但在阈值选取以及判断有无水体等方面需要人工参与。杨俊等依据阴影区域灰度低和饱和度高这两个特性采用双阈值和面积来求出阴影区域，该方法对阴影有较好的检测结果，但该方法仍存在诸如阴影边界确定不准确、受植被和水域等暗地物的干扰大等问题。

发明内容

针对上述问题，本发明提出了一种基于光谱特性与拓扑关系的城市遥感影像阴影检测方法。

一种基于光谱特性和拓扑关系的城市遥感影像阴影检测方法，包括以下步骤：

步骤1，对待检测原始影像进行阈值分割，得到粗检测结果图像；

步骤2，在步骤1所得粗检测结果图像上，利用光谱特性剔除植被形成的典型暗地物伪阴影，得到剔除结果图像；

步骤3，在步骤1所得粗检测结果图像上利用区域增长的方法获取影像对象，所述影像对象包括阴影对象和非阴影对象；然后利用几何特征和拓扑关系剔除伪阴影，获取精检测结果图像，实现方式如下，

对粗检测结果图像上获取的任一阴影对象，先判断该阴影对象是否满足暗地物的几何特征，是则判断该阴影对象中所有像素为暗地物形成的伪阴影并剔除，否则再判断该阴影对象是否与任一亮对象相邻，是则保持判断该阴影对象中所有像素为阴影，否则判断该阴影对象中所有像素为伪阴影并剔除；

步骤4，将步骤2所得剔除结果图像与步骤3所得精检测结果图像作与运算，得到最终的阴影检测结果图像。

而且，步骤1中利用遥感影像统计特性自适应获取红波段的阈值和绿波段的阈值，对待检测原始影像中每一像素判断是否红波段灰度值Gr小于红波段的阈值且绿波段灰度值Gg小于绿波段的阈值，是则将像素判断为阴影，否则判断为非阴影；自适应获取红波段或绿波段的阈值实现方式如下，

统计待检测原始影像的红波段或绿波段的灰度直方图，相应的阈值为(G1+G2)/2，其中，当灰度直方图左侧不存在波峰时，G1取灰度直方图中最小灰度值，否则G1取灰度直方图的左侧波峰；G2是灰度直方图的平均灰度值。

而且，步骤2中所述利用光谱特性剔除植被形成的典型暗地物伪阴影，实现方式如下，对步骤1所得粗检测结果图像中判断为阴影的任一像素，若在待检测原始影像中的相应蓝波段灰度值Gb大于绿波段灰度值Gg，保持判断该像素为阴影，否则判断该像素为伪阴影。

而且，步骤3中所述暗地物包括水体，所述几何特征包括面积和形态。

而且，步骤3判断该阴影对象是否与任一亮对象相邻的实现方式为，对阴影对象周围的非阴影对象逐一判断是否为亮对象，当判断出有个非阴影对象是亮对象时停止判断，

设其中任一非阴影对象i，统计在待检测原始图像中相应对象区域内所有像素的蓝波段灰度值平均值

绿波段灰度值平均值

和红波段灰度值平均值

并统计待检测原始图像中所有像素的蓝波段灰度值平均值绿波段灰度值平均值

和红波段灰度值平均值

当

且且

时判断非阴影对象i为亮对象。

本发明提出的方法利用包含阴影影像的灰度统计特性，把阴影及类阴影的暗地物从影像中分离出来；其次利用阴影的光谱特性把植被类非阴影暗地物剔除；然后分析几何特征和拓扑关系将其他伪阴影地物剔除以获得较为准确的检测结果。而且，本发明还能全自动获取阈值，且不要求选取精确的阈值，为阴影检测提供了一种新的思路。

附图说明

图1为本发明实施例的流程图。

图2为本发明实施例的非阴影区遥感影像灰度直方图。

图3为本发明实施例的阴影区域的灰度直方图。

图4为本发明实施例的阴影和非阴影叠加直方图。

图5为本发明实施例的阴影和非阴影叠加结果直方图。

图6为本发明实施例对某待检测原始影像阈值分割所得粗检测结果图。

图7为本发明实施例对图6剔除植被结果图。

图8为本发明实施例对图6剔除其他伪阴影结果图。

图9为本发明实施例对某待检测原始影像的阴影检测结果图。

图10为本发明实施例中图6、7、8、9相应的待检测原始影像。

具体实施方式

本发明是一种基于光谱特性和拓扑关系的城市遥感影像阴影检测方法，是利用阴影低亮度的光谱特性先进行阈值粗分割，再剔除植被类伪阴影，以及通过区域增长将粗分割结果由像素级变为对象级，根据地物的几何特征剔除水体等暗地物，再利用拓扑关系剔除其余伪阴影，最后获得剔除各类伪阴影后的阴影检测结果。本发明技术方案可采用计算机软件技术实现自动运行流程。以下结合附图和实施例详细说明本发明技术方案。

如图1，实施例的技术方案的流程包括以下步骤：

步骤1，对待检测原始影像进行阈值分割，得到粗检测结果图像。

实施例利用遥感影像统计特性进行自适应阈值阴影粗检测。对某待检测原始影像进行阈值分割。阈值的选取方法无需人工参与，也不需要过于精确的阈值，只需要通过影像统计特性获得一个粗略阈值就能够把阴影都粗略地检测出来，保证阴影不漏检。实施例提出利用遥感影像统计特性自适应获取红波段的阈值和绿波段的阈值，对待检测原始影像中每一像素判断是否红波段灰度值Gr小于红波段的阈值且绿波段灰度值Gg小于绿波段的阈值，是则将像素判断为阴影，否则判断为非阴影。具体实施时，也可以利用遥感影像统计特性自适应获取红波段的阈值、绿波段的阈值和蓝波段的阈值，当待检测原始影像中任一像素同时满足红波段灰度值Gr小于红波段的阈值、绿波段灰度值Gg小于绿波段的阈值且蓝波段灰度值Gb小于蓝波段的阈值时，判断为阴影。但是考虑到瑞利散射，本实施例只判断红绿波段的方式效果更佳。

阈值分割有很多种，有手动、半自动和全自动的。为进一步提供效果起见，本实施例采取的是一种自适应阈值选取方法：遥感影像的灰度直方图呈正态分布趋势（图2），阴影区域是图像的一部分，其灰度直方图呈近似正态分布趋势，但由于亮度较低，其直方图会向左侧平移（图3），使得整体的直方图出现近似双峰现象（图3和图4）。这种影像双峰现象明显（图5）的情况下，阈值可以取阴影区波峰与影像均值的中间值。影像覆盖范围相对较小，影像范围内地物单一等原因可能导致直方图双峰现象不明显，此种情况可直接取影像均值和最小灰度的中间值。

实施例中步骤1的自适应获取红波段的阈值和绿波段的阈值实现方式一致，包括统计待检测原始影像的红波段的灰度直方图，得到相应红波段的阈值；统计待检测原始影像的绿波段的灰度直方图，得到相应绿波段的阈值。具体方式为：

首先，统计待检测原始影像的某波段（红波段或绿波段）的灰度直方图，相应波段的阈值G选择G1和G2的中间值，即为(G1+G2)/2。其中，当灰度直方图左侧不存在波峰时，G1取灰度直方图中最小灰度值，否则G1取灰度直方图的左侧波峰，如若影像上的阴影不多，左侧波峰显示可能不明显，但仍可以提取峰值；G2是灰度直方图的平均灰度值。建议统计待检测原始影像的灰度直方图时，灰度直方图左右两侧各2%像素不参与统计。

然后即可根据求得的阈值对待检测原始影像进行阈值分割。通过阈值分割，可以将待检测原始影像中满足红波段灰度值Gr小于红波段的阈值且绿波段灰度值Gg小于绿波段的阈值的像素判断为阴影，将其他像素判断为非阴影。由于阈值分割得到的是粗检测结果，判断为阴影的像素可能是伪阴影，后续步骤将进行剔除。阈值分割得到的粗检测结果图为二值化图，例如判断为阴影的像素灰度设为0，判断为非阴影的像素灰度设为255。实际操作时，这只是个中间步骤，可不显示。实施例对某待检测原始影像（图10）进行阈值分割的结果如图6所示。阈值分割后，后续步骤的操作对象即为粗检测结果图中的黑色部分。

步骤2，在步骤1所得粗检测结果图像上，利用光谱特性剔除植被形成的典型暗地物伪阴影，得到剔除结果图像。

实施例利用光谱特性剔除植被这类伪阴影：阴影最明显的特性就是低亮度，植被在某些影像中的亮度也较低，单一的阈值无法将植被与阴影区分。本发明对绿波段和蓝波段的灰度进行相对比较来区分植被和阴影，利用地物的光谱特性剔除植被类伪阴影，即在步骤1所得粗检测结果图像中，若阈值分割判断为阴影的某像素在待检测原始影像中的蓝波段灰度值Gb大于绿波段灰度值Gg，判断该像素为阴影，保持显示为黑色，否则判断该像素为伪阴影，灰度改为0，显示为白色，如图7所示。

具体实施时，也可采用其他方式，例如在于对粗分离阴影区域利用植被区域绿通道灰度值大于红和蓝通道的特性剔除暗植被区域。但由于红波段不存在瑞利散射的原因，对绿波段和蓝波段的灰度进行对比的方式效果更佳。

实施例在步骤2仅剔除植被形成的典型暗地物伪阴影，在步骤3可以根据影像对象的几何特性剔除面积过大和形状不符合阴影特性的水域等暗地物区域。具体实施时，步骤2和步骤3可以并列执行，具体执行顺序也可以交换，结果是等同的，步骤4综合步骤2和3结果即可。

步骤3，在步骤1所得粗检测结果图像上利用区域增长的方法获取影像对象，所述影像对象包括阴影对象和非阴影对象；然后利用几何特征和拓扑关系剔除伪阴影，获取精检测结果图像。

本发明首先通过区域增长的方法将粗检测结果由像素级变为对象级，建立空间对应关系的影像对象。区域增长的方法是通过某个像素出发，按照一定的原则，逐步加入临近像素，当满足一定条件时，区域增长终止。具体区域增长的实现为现有技术，本发明不予赘述。

其中阴影对象可能包括阴影和伪阴影，本发明利用阴影对象和亮对象的拓扑关系进一步判断伪阴影。步骤3判断该阴影对象是否与任一亮对象相邻的实现方式为，对阴影对象周围的非阴影对象逐一判断是否为亮对象，判断顺序可以随机。因为只要有一个相邻亮对象就保持判断该阴影对象中所有像素为阴影，因此当判断出有个相邻的非阴影对象是亮对象时就可以停止对周围其他非阴影对象的处理。如果对阴影对象周围的所有非阴影对象都判断出不是亮对象，则判断该阴影对象中所有像素为伪阴影并剔除。

实施例对其中任一非阴影对象i，统计在待检测原始图像中相应对象区域内所有像素的蓝波段灰度值平均值绿波段灰度值平均值

和红波段灰度值平均值

并统计待检测原始图像中所有像素的蓝波段灰度值平均值

绿波段灰度值平均值

和红波段灰度值平均值

当

且且

时判断非阴影对象i为亮对象。

水体、田地等暗地物虽然亮度比较低，但是几何特性与阴影差异比较大，利用几何特性的差异可以方便地排除水域外变化。因此为提高效率起见，本发明进一步提出可以结合根据地物的几何特征和拓扑关系进行水体等暗地物的剔除。几何特征包括对象的面积，几何形态等，例如水体面积较大，且具有一定的形态，可先利用面积和几何形态剔除大部分水体，例如湖泊、河流等。具体实施时，本领域技术人员可以根据具体涉及的暗地物种类设定几何特征判断条件。即首先判断在步骤1所得粗检测结果图像上获取的任一影像对象是否满足暗地物的几何特征，是则判断该阴影对象中所有像素为伪阴影并剔除，否则继续判断该阴影对象是否与任一亮对象相邻。该阴影对象与亮对象相邻则保持判断该阴影对象中所有像素为阴影，若没有与任一亮对象相邻，则判断该阴影对象中所有像素为伪阴影并剔除。遮挡光线的地物获得的光强较强而在图像上形成较亮的区域，阴影必与产生阴影的地物相连，判断暗区周围是否有紧密相连的高亮地物这一拓扑关系来确定其是否为阴影。这种根据对象间拓扑关系进行判断的方式非常适合于判断高亮建筑物对象形成的阴影。因为形成阴影的建筑物对象与阴影对象空间相连，且建筑物对象具有高反射特性，利用阴影对象与形成阴影的高亮建筑物对象间的拓扑关系可以剔除部分伪阴影。结果如图8所示。

步骤4，将步骤2所得剔除结果图像与步骤3所得精检测结果图像作与运算，得到最终的阴影检测结果图像。

实施例将剔除了各类伪阴影的结果综合起来，即将图7和图8进行与运算获得结果如图9所示，与图10所示相应的待检测原始影像相比，可见本发明所提供方法效果好、精度高。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (5)

1.一种基于光谱特性和拓扑关系的城市遥感影像阴影检测方法，其特征在于，包括以下步骤：

步骤1，对待检测原始影像进行阈值分割，得到粗检测结果图像；

步骤2，在步骤1所得粗检测结果图像上，利用光谱特性剔除植被形成的典型暗地物伪阴影，得到剔除结果图像；

步骤3，在步骤1所得粗检测结果图像上利用区域增长的方法获取影像对象，所述影像对象包括阴影对象和非阴影对象；然后利用几何特征和拓扑关系剔除伪阴影，获取精检测结果图像，实现方式如下，

对粗检测结果图像上获取的任一阴影对象，先判断该阴影对象是否满足暗地物的几何特征，是则判断该阴影对象中所有像素为暗地物形成的伪阴影并剔除，否则再判断该阴影对象是否与任一亮对象相邻，是则保持判断该阴影对象中所有像素为阴影，否则判断该阴影对象中所有像素为伪阴影并剔除；

步骤4，将步骤2所得剔除结果图像与步骤3所得精检测结果图像作与运算，得到最终的阴影检测结果图像。

2.根据权利要求1所述基于光谱特性和拓扑关系的城市遥感影像阴影检测方法，其特征在于：

步骤1中利用遥感影像统计特性自适应获取红波段的阈值和绿波段的阈值，对待检测原始影像中每一像素判断是否红波段灰度值Gr小于红波段的阈值且绿波段灰度值Gg小于绿波段的阈值，是则将像素判断为阴影，否则判断为非阴影；自适应获取红波段或绿波段的阈值实现方式如下，

统计待检测原始影像的红波段或绿波段的灰度直方图，相应的阈值为(G1+G2)/2，其中，当灰度直方图左侧不存在波峰时，G1取灰度直方图中最小灰度值，否则G1取灰度直方图的左侧波峰；G2是灰度直方图的平均灰度值。

3.根据权利要求1或2所述基于光谱特性和拓扑关系的城市遥感影像阴影检测方法，其特征在于：步骤2中所述利用光谱特性剔除植被形成的典型暗地物伪阴影，实现方式如下，

对步骤1所得粗检测结果图像中判断为阴影的任一像素，若在待检测原始影像中的相应蓝波段灰度值Gb大于绿波段灰度值Gg，保持判断该像素为阴影，否则判断该像素为伪阴影。

4.根据权利要求1或2所述基于光谱特性和拓扑关系的城市遥感影像阴影检测方法，其特征在于：步骤3中所述暗地物包括水体，所述几何特征包括面积和形态。

5.根据权利要求1或2所述基于光谱特性和拓扑关系的城市遥感影像阴影检测方法，其特征在于：步骤3判断该阴影对象是否与任一亮对象相邻的实现方式为，对阴影对象周围的非阴影对象逐一判断是否为亮对象，当判断出有个非阴影对象是亮对象时停止判断，

设其中任一非阴影对象i，统计在待检测原始图像中相应对象区域内所有像素的蓝波段灰度值平均值

绿波段灰度值平均值

和红波段灰度值平均值

并统计待检测原始图像中所有像素的蓝波段灰度值平均值

绿波段灰度值平均值

和红波段灰度值平均值

当

且

且

时判断非阴影对象i为亮对象。

Images