EN中文

Journal of Geo-information Science >

2016 , Vol. 18 >Issue 2: 255 - 262

DOI: https://doi.org/10.3724/SP.J.1047.2016.00255

Orginal Article

Study on City Shadow Extraction and Elimination in QuickBird Images

  • WANG Bing , 1 ,
  • AN Huijun , 1, * ,
  • LIU Huaipeng 1 ,
  • WANG Lijun 2 ,
  • HE Xiaohui 3
Expand
  • 1. College of Forestry, Inner Mongolia Agricultural University, Hohhot 010019, China
  • 2. HulunBuir Forest Science Research Institute, Hulunbuir, 021008, China
  • 3. Ordos Forest Management Desert Scientific Research Institute, Ordos 017000, China
*Corresponding author: AN Huijun, E-mail:

Received date: 2014-12-29

  Request revised date: 2015-06-12

  Online published: 2016-02-04

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Urban green space, as the main element of urban structure, plays a very important role in urban studies. In recent years, remote sensing technology has been applied in various industries with its rapid development. It has become one of the major techniques for city information (especially, green space) extraction with the emergence of high-resolution remote sensing images. Compared to the low-resolution images, the high-resolution images have many advantages such as clear texture detail and rich information. However, the existence of shadows in the urban district has a great impact on image classification, interpretation, mapping and so on. Therefore, the building shadows in the images have become one of the important limiting factors for green space extraction. In order to effectively extract city (green space) information from remote sensing images, it is necessary to extract and eliminate shadows from remote sensing images. This study is based on the QuickBird image of Hohhot city. Firstly, by utilizing the methods of band ratio process and band recombination, the image shadow information was enhanced; and the optimal band combinations for shadow extraction were derived using optimum index factor (OIF). Secondly, the image mask was established and the shadow information was extracted based on shadow threshold values (the minimum values and maximum values) of near-infrared band. At last, the shadow was removed by combining color space transformation with homomorphic filter and gamma correction; and then the effects were compared with other methods. The results show that, for shadow extraction, the optimal band combination is a combination of band 3/4, 4 and 2; and the best DN range is between 70 and 165. The method combined with gamma correction and color space transformation can effectively eliminate shadows and retain color information of QuickBird image. It is the best solution for shadow elimination in this study. The results can provide theoretical basis and technical support for efficient city (especially, green space) information extraction based on high-resolution remote sensing images.

Key words： the optimum band combination; gray linear stretch; homomorphic filter; gamma correction; color space transformation; shadow elimination

Cite this article

WANG Bing , AN Huijun , LIU Huaipeng , WANG Lijun , HE Xiaohui . Study on City Shadow Extraction and Elimination in QuickBird Images[J]. Journal of Geo-information Science, 2016 , 18(2) : 255 -262 . DOI: 10.3724/SP.J.1047.2016.00255

1 引言

城市绿地是城市环境和居民生活水平的重要标志,完善的生态绿地系统可提高城市环境质量、美化城市景观、改善生活环境等。因此,城市绿地信息的获取在城市研究中起重要的作用。
目前,携带高分辨率传感器的遥感卫星不断涌现,如GeoEye、WorldView、QuickBird、IKONOS等,与传统的中低分辨率数据相比,其均可提供米级空间分辨率的全色影像数据,具有信息丰富、纹理细节清晰等优点,在城区的信息提取中发挥着重要的作用。但是,高分辨率的城区影像数据由于建筑物等的影响往往存在较多的阴影,这为影像分类、解译、特定信息提取、制图等带来较大的影响,使城市绿地信息提取精度受到很大限制。
图像阴影的处理主要包括阴影检测和阴影消除2方面。增强城区高分辨率影像的阴影信息,能精确区分阴影与建筑物、树木的边界,有利于阴影的检测与消除。目前,阴影检测方面,主要采用静态影像阴影检测算法,根据原理不同又可分为模型的阴影检测[[1-2]和特征的阴影检测[3]2类。模型的阴影检测主要通过地物的几何形状、太阳高度角、传感器等参数完成阴影的检测;特征的阴影检测基于阴影区与非阴影区的特征差异进行阴影的检测。近年来,对于图像阴影消除,国内外大量研究提出了很多方法,主要包括直方图均衡化、归一化处理、纹理分析、整体变分模型、多波段阴影检测、面向对象、同态滤波、彩色模型等,并取得了一定的成果。例如,Highnam等基于远红外图像提出了直方图阈值的阴影检测方法[4];何凯等利用纹理分析和分形算法实现了阴影的自动检测和阴影区景物的再 现[5];王树根等根据阴影区影像特征,推导出用于影像阴影检测的整体变分模型算法[6];虢建宏等提出了多波段阴影检测方法和基于能量信息补偿的阴影去除理论模型,并应用于IKONOS影像,再现了阴影区的地物特征[7];蒲智等采用面向对象的技术较精确地提取了阴影区域[8];郝宁波等根据阴影属性,提出了同态滤波的高分辨率遥感影像阴影消除方法[9];赵显富等根据阴影影像属性,提出了基于彩色模型的阴影检测方法[10];Tsai提出了一种在HIS色彩空间应用光谱比值图像分割阴影的方法[11];Singh等利用HSV色彩空间构建的NDI指标,实现了对影像阴影的检测和消除[12]。但是,在实际阴影信息处理过程中仍然存在检测算法精度不高、阴影消除效果不理想、实际操作复杂难控等需改进的方面,影响到城市信息特别是城市绿地信息的提取精度。因此,确定最佳的阴影检测与消除方法,已成为城市信息提取的关键。
灰度补偿算法可用于恢复阴影覆盖下的地表特征。考虑到有阴影覆盖时,地表纹理不会发生显著变化,相邻的非阴影区通常可用于补偿阴影区[12]。灰度补偿的算法主要有Gamma校正法[13]、线性相关法[14]、后验概率法[15]等。这些方法都在RGB色彩空间中进行波段与波段的运算,往往会造成合成后的图像色彩不自然[16]。
本文以呼和浩特市城区的QuickBird影像数据为例,在获取最佳波段组合影像的基础上,利用DN阈值掩膜方法提取阴影区影像;尝试将色彩空间变换分别与同态滤波和Gamma矫正结合来消除阴影,并与其他方法进行对比分析,获取了适合呼和浩特市城区阴影信息提取的最佳方案——色彩空间变换与Gamma矫正相结合,以期为提高城市绿地信息提取的精度提供技术支持。

2 QuickBird数据及预处理

本研究采用呼和浩特市2009年2月11日的QuickBird全色与多光谱遥感数据,空间分辨率分别为0.6 m（全色）和2.4 m（多光谱）,数据经纬度范围为111˚38′50.41″~111˚42′49.38″E、40˚46′43.42″~ 40˚49′39.21″N。
采用多光谱数据、融合数据对阴影信息进行提取,二者在处理过程中信息量上会产生一些差异,但对阴影提取结果没有明显影响。为了使实验简化、快捷,以及能更好地观察影像的纹理细节,本文采用融合数据进行研究。经对比,在ENVI软件提供的多种融合方法中,Gram-Schmidt Spectral Sharpening融合法得到的数据质量较好,因此,本文在该融合方法获得的融合影像上进行阴影提取与消除,融合后影像的空间分辨率为0.6 m。
图1为阴影的提取与消除处理的技术流程。首先,通过最佳指数法（Optimum Index Factor,OIF）获得阴影消除的最佳波段组合影像;然后,采用Gamma矫正与色彩空间变换相结合的方法消除阴影;最后,与灰度线性匹配、同态滤波消除阴影的效果进行对比,验证该方法的有效性,完成阴影消除。
Fig. 1 Technique flow chart

图1 技术流程图

3 阴影目标信息最佳波段组合分析

最佳波段的选择是为了更好地提取目标信息,选择过程需遵循3条原则：（1）单波段或多波段组合所涵盖的信息量或信息总量要大;（2）波段之间的相关性要小;（3）研究地物类型在波段组合模式下光谱差异大,且各类地物有较好的区分性[17]。基于先验知识、理论分析和实验测试,本研究通过光谱特征统计、相关分析、OIF分析、波段比值运算与重组等方法,确定QuickBird影像阴影增强的最佳波段组合。其中,影像光谱特征、相关系数由ENVI软件提取。

3.1 影像光谱特征统计

从QuickBird影像光谱特征统计表（表1）可看出,波段1最小亮度值（Digital Number,DN）不为0,这是由蓝光波长短、散射强造成的;波段2均值最大,表明影像平均亮度最大;标准差从波段4到波段1呈递减,表明从波段4到波段1影像信息量递减[18]。
Tab. 1 Spectrum characteristics of QuickBird image

表1 QuickBird影像光谱特征统计表（Bit）

波段 最小值 最大值 平均值 标准差
波段1 20 1237 194.27 37.68
波段2 0 1653 267.55 69.27
波段3 0 1361 186.95 71.40
波段4 0 1874 189.89 84.59

3.2 波段相关性分析

相关系数可反映波段间光谱信息一致性的强弱,值越小,表明波段之间越独立,值越大,表明波段之间信息冗余越大[18],其计算公式[19]如式（1）所示。
R ij = σ 2 ij σ i × σ j （1）
式中：Rij为波段 i 和 j 的相关系数; σ ij 为波段 i 和j的协方差; σ i 和 σ j 分别为波段 i 和 j 的标准差。
从各波段间相关系数表（表2）可看出,波段1、4相关性最低,信息冗余小;波段1、2相关性最高,信息冗余大。
Tab. 2 Correlation coefficients between bands

表2 各波段间相关系数

相关系数 波段 1 波段 2 波段3 波段 4
波段1 1.00
波段2 0.97 1.00
波段3 0.86 0.93 1.00
波段4 0.82 0.89 0.96 1.00

3.3 OIF指数计算

最佳指数法（OIF）计算公式如式（2）[20]所示。
OIF = ∑ i = 1 3 σ i ∑ i = 1 3 R ij （2）
式中: σ i 为第 i 波段的标准差; R ij 为i、j波段的相关系数, j =1,2,3且 i ≠ j 。
QuickBird影像不同波段组合的OIF值与排序如表3所示。由表3可知,QuickBird 2、3、4波段组合的OIF值最大,1、2、3波段组合的OIF值最小;实验结果显示,QuickBird影像RGB通道分别按3、4、2波段组合,目视效果好,为最佳波段组合（图2（a））。
Tab. 3 The OIF values for various band combinations

表3 不同波段组合OIF指数表

波段组合 标准差和 相关系数和 OIF指数 排序
1、2、3 178.36 2.76 64.58 4
1、2、4 191.54 2.68 71.56 3
1、3、4 193.67 2.64 73.43 2
2、3、4 225.26 2.79 80.86 1
Fig. 2 The optimum band combination images

图2 最佳波段组合图像

3.4 阴影区信息增强与最佳波段组合

研究区QuickBird影像的2、3、4波段,在RGB通道中任意合成显示,影像中的阴影均为黑色,不利于地物与其阴影边界的确定。为了明确地物与其阴影的边界,有效提取阴影信息,需增强影像的阴影信息。
在影像上均匀选取40个代表性阴影区,统计阴影区各波段的DN值。统计发现,各阴影区像元在红（波段3）、绿（波段2）、蓝（波段1）的DN均值均比近红外（波段4）高,因此,通过红、绿、蓝波段与近红外波段数据的比值运算增强影像的阴影信息[19]。由于植被在近红外波段具有较高的反射率,所以,本研究将波段4作为植被研究的必选波段,在波段4必选的前提下,共有9种波段组合形式,各波段组合的OIF值与排序如表4所示。
由表4可见,4、3/4、2波段组合形式信息量最大,且波段间更独立。为了使地物与其阴影边界区分更明显,分别在RGB通道赋予波段3/4、4、2（图2（b））结果阴影显示红色,植被显示绿色,红绿显示差异大,能较好地确定植被与其阴影的边界。
Tab. 4 The OIF values for shadow extraction derived band combinations

表4 阴影提取派生波段组合OIF指数表

波段组合 标准差和 相关系数和 OIF 排序
4、1/4、1 122.83 1.68 73.05 9
4、1/4、2 154.42 1.85 83.51 4
4、1/4、3 156.55 1.99 78.77 7
4、2/4、1 122.84 1.64 74.82 8
4、2/4、2 154.43 1.80 85.80 3
4、2/4、3 156.56 1.96 80.08 5
4、3/4、1 122.45 1.53 79.84 6
4、3/4、2 154.04 1.67 92.10 1
4、3/4、3 156.17 1.78 87.76 2

4 城市阴影消除与结果分析

本研究中,RGB 3/4、4、2波段组合造成地物与其阴影的颜色差异明显,有利于确定地物与阴影的边界,用于灰度线性匹配法消除阴影;RGB 3、4、2波段组合信息量最大,用于同态滤波、Gamma矫正法消除阴影。阴影消除过程通过ENVI和MATLAB软件实现。

4.1 基于灰度线性匹配的阴影消除

4.1.1 阴影区及非阴影区影像提取
灰度线性匹配法消除阴影,事先需获取阴影区与非阴影区的影像。在9种（表4）新合成的波段组合影像上,分别均匀选取阴影区和非阴影区样本区各20个,并进行各样本区DN值的统计。调查发现,在近红外波段,阴影区和非阴影区的DN值范围分别为[72, 170]和[179, 674],阴影区的最大DN值小于非阴影区的最小DN值,而其他波段均无此规律。用阴影区在近红外波段的DN值区间[min, max]建立掩膜可提取阴影区与非阴影区影像。实验发现,近红外波段DN值区间为[70, 165]时,掩膜区域（图3）与阴影区有较好的重合。因此,确定近红外波段DN值70-165,为本研究QuickBird影像阴影提取的最佳亮度范围。不同成像时间、不同成像地区的不同类型影像,能否通过近红外波段设置阈值有效提取阴影,以及具体阈值的设定还需在实践中探索。
Fig. 3 Mask image

图3 掩膜图像

选取表4中OIF排名第1（RGB 3/4、4、2）、5（RGB 2/4、4、3）、9（RGB1/4、4、2）3种波段组合方式与上述阈值范围内提取的阴影区影像进行对比,发现RGB3/4、4、2波段组合阴影区与非阴影区边界明显（图4）,提取的阴影面积最准确,随着OIF排名递减,阴影区与非阴影区边界越来越模糊,且阴影区的目视面积有增大的趋势。若以其他方法提取阴影区域,可能导致阴影提取精度的降低。因此,本研究区适合通过掩膜方法提取阴影区与非阴影区影像。
Fig. 4 Shadow extraction in combination of band 3/4, 4 and 2

图4 3/4、4、2波段组合阴影提取效果图

4.1.2 阴影区域灰度补偿
对阴影区影像,文献[3]、[8]采用灰度线性匹配法对阴影区像元进行灰度补偿,增强阴影区信息,该方法假定图像局部平稳,阴影区与周围非阴影区有相同的地表反射率,通过直方图映射公式（式（3））凸显阴影区的地物。
I ′ = m c + I - m s σ s × σ c （3）
式中: I 是补偿前的阴影区域像元灰度值; I ′ 是补偿后的像元灰度值; m s 、 σ s 分别表示阴影区域的均值和方差; m c 、 σ c 分别表示非阴影区域的均值和方差。
灰度补偿后以原始影像（图5（a））为基准,分别对阴影区和非阴影区进行直方图匹配,以减弱阴影区和非阴影区的亮度差异。阴影区和非阴影区影像拼接得到阴影消除后的影像,如图5（b）所示。

4.2 基于同态滤波的阴影消除

同态滤波是一种能同时增强高频部分、削弱低频部分的滤波器,它能增强图像对比度和压缩图像的亮度范围,可调节影像亮度的变化,以达到锐化图像边缘或细节的目的[21]。同态滤波算法流程[9,22]如图6所示。
滤波器采用改进的高斯同态滤波器[23],滤波函数为：
H ( u , v ) = ( r H - r L ) 1 - e - c D 0 n ( D ( u , v ) ) m 2 +rL（4）
式中：rH为高频增益;rL为低频增益;c用来控制滤波器函数斜面的锐化;m、n为动态算子;D0为截止频率;D(u,v)表示点(u,v)到滤波中心(u0,v0)的距离。通过实验调整相关参数,在rH=1.8,rL=0.3,D0=100,m=2,n=1,c=1.3时,阴影消除的效果最佳,如图5（c） 所示。

4.3 基于Gamma矫正的阴影消除

人的视觉系统对于亮度（或RGB三色信号）的感觉大致成对数关系,而不是线性关系[24]。Gamma矫正是一种非线性的传输函数,常用于平滑地扩展影像的细节,选择性地增强图像的对比度,计算如式（5）所示。
y = ( x + esp ) γ （5）
式中,x表示原始影像像元的DN值;y表示Gamma矫正后影像像元的DN值;x、y的取值范围为[0, 1];esp为补偿系数;γ为Gamma系数。在Gamma系数γ=0.5时,最佳波段组合影像阴影消除效果如图5（d）所示。
HSV色彩空间由H（色调）、S（饱和度）、V（亮度）3个分量组成,各分量的光谱信息耦合性较弱,与RGB色彩空间相比,能处理人眼所不能察觉的光谱信息。通过对亮度分量进行矫正,可在保留彩色图像光谱信息的同时,较好地调整图像的对比度[23]。
本研究将HSV色彩空间变换法应用到遥感影像阴影消除研究中,以检验其消除效果。首先将最佳波段组合影像由RGB空间变换到HSV空间,然后保持H、S分量不变,对V分量进行同态滤波后再反变换回RGB空间,阴影消除效果如图5（e）所示。同理,对V分量进行Gamma矫正后再反变换回RGB空间;在Gamma系数γ=0.3时,阴影消除效果如图5（f）所示。

4.4 阴影消除结果分析

4.4.1 定性分析
从阴影消除直观效果（图5）看,本文所用方法均能淡化阴影,凸显阴影下的地物。灰度线性拉伸（图5（b））极大地淡化了影像的整体阴影,阴影淡化的效果较好,但该方法使影像分割边缘痕迹明显,影像阴影部分极暗,暗像元和亮像元的过度极其不自然,视觉效果不好;同态滤波消除结果（图5（c））使得影像颜色整体偏灰,颜色失真较大;Gamma矫正（图5（d））对阴影区地物的凸显效果较同态滤波要好;基于色彩空间变换的同态滤波（图5（e））既能凸显阴影区的地物,又能增强植被部分的颜色,效果比单用同态滤波消除好;Gamma矫正与色彩空间变换相结合的方法（图5（f））更能有效凸显地物、增强植被区色彩,视觉效果和阴影消除效果均较好。
Fig. 5 Original image and images with shadows eliminated

图5 原始影像和阴影消除后影像

4.4.2 定量分析
阴影消除的目的是为了有效获取阴影区的地物信息,本研究通过对阴影区的植被区和非植被区进行分类来验证5种方法（灰度线性匹配、同态滤波、Gamma矫正、同态滤波与空间变换结合、Gamma矫正与色彩空间变换结合）消除阴影的效果。在影像上选取一片阴影较大的区域,分别选取6170个植被和6275个非植被像元作为分类样本,用马氏距离进行分类。随机选取6091个植被和6099个非植被像元作为精度验证样本。分类精度与kappa系数如表5所示。将这5种方法阴影消除后的结果影像分别用BCDEF表示,原始影像用A表示。
Tab. 5 Statistics of the classification accuracy

表5 分类精度统计表

分类影像 A B C D E F
总体精度/（%） 74.33 88.27 91.80 92.37 94.09 94.91
Kappa系数 0.59 0.76 0.84 0.85 0.88 0.90
从表5可看出,原始影像的总体分类精度和kappa系数均较低,阴影消除后影像分类精度明显提高,表明阴影消除能有效提高影像的分类精度。阴影区地物信息获取精度由高到低的影像排序为F>E>D>C>B,表明阴影消除方法的优劣排序依次为Gamma矫正与色彩空间变换相结合、同态滤波与色彩空间变换相结合、Gamma矫正、同态滤波、灰度线性拉伸。
综上分析,本研究中Gamma矫正与色彩空间变换相结合消除阴影后,能增强影像植被区的颜色特征,视觉效果好,阴影区地物信息的提取精度高,此方法是一种简单、快捷、实用的阴影消除方法。
Fig. 6 Process of homomorphic filter algorithm

图6 同态滤波算法流程

5 结论与讨论

以呼和浩特市QuickBird影像为例,研究了城市高分辨率遥感数据阴影的提取与消除方法,得出以下结论：
（1）应根据不同的研究目的,进行最佳波段组合的选择。对于本研究区而言,如考虑研究对象的整体信息表达,最佳波段组合为3、4、2;如为了精确提取阴影信息,最佳波段需派生与重组,最佳波段组合为3/4、4、2。
（2）对研究区QuickBird影像,利用阴影在近红外波段的最小与最大DN值范围建立掩膜来提取阴影区与非阴影区影像,方法简单、快捷,且信息提取的精度较高。
（3）本研究中,Gamma矫正淡化阴影的效果较同态滤波、灰度线性匹配好;直接使用同态滤波、Gamma矫正阴影消除的效果不如同态滤波与色彩空间变换、Gamma矫正与色彩空间变换相结合阴影消除的效果好。
（4）本文提出的Gamma矫正与色彩空间变换相结合的方法,既可淡化影像阴影、凸显地物特征,又可增强植被的颜色特征,是一种操作简单、实用、快捷的城市遥感影像阴影消除方法。其可为高分辨率遥感影像城市绿地信息提取,提供一定的理论依据和方法借鉴。但是,针对不同成像时间、不同成像地区、不同数据源的影像数据,阴影消除的具体参数值的确定,还需在实践中深入研究探索。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Li Y, Gong P, Sasagawa T.Integrated shadow removal based on photogrammetry and image analysis[J]. International Journal of Remote Sensing, 2005,26(18):3911-3929.This paper presents a methodology to automatically detect and remove the shadows in high-resolution urban aerial images for urban GIS applications. The image is generated by ADS40, which is a multiple line scanner. The system includes shadow simulation, ray tracing, integrated shadow detection, and shadow removal. The geodetic shadow is simulated from a digital surface model (DSM) and the sun attitude. Using an ADS40 camera model and collinearity equations, the corresponding scan line of the shadow is obtained. Ray tracing is used to determine the visibility of the shadow in the image. A building boundary driven height field ray tracing method is proposed to boost the tracing efficiency. Shadow segmentation is taken from the RGB image at the base of the traced image shadows. The segmentation threshold is derived from the histogram of the traced image shadow area. Shadow removal includes the shadow region and companion region labelling, the histogram processing, and intensity mapping. Some experiment results are presented to show the effectiveness of the methods.

DOI

[2]
Yao J, Zhang Z M.Hierarchical shadow detection for color aerial images[J]. Computer Vision and Image Understanding, 2006,102(1):60-69.A hierarchical shadow detection algorithm for color aerial images is presented in this paper to meet two challenges for static shadow detection in the literature: different brightness and illumination conditions in different images and the complexity of aerial images. The hierarchical algorithm consists of two levels of processing: the pixel level classification, achieved through modelling an image as a reliable graph (RG) and maximizing the graph reliability using the EM algorithm, and the region level verification, achieved through minimizing the Bayesian error by further exploiting the domain knowledge. Further analyses show that MRF model based segmentation is a special case of the RG model. The relationship between the RG model and the relaxation labeling model is also discussed. A quantitative comparison between this method and a state-of-the-art shadow detection algorithm clearly indicates that this method is promising for delivering effective shadow detection performance under different illumination and brightness conditions.

DOI

[3]
杨俊,赵忠明,杨健.一种高分辨率遥感影像阴影去除方法[J].武汉大学学报(信息科学版), 2008,33(1):17-19.基于阴影属性提出了一种全自动彩色影像阴影去除算法.首先将影像 变换到HSI空间,依据阴影区域亮度值低和饱和度高的特性,结合小区域去除和数学形态学处理,得到精确的阴影区域.然后,分别对I、H、S分量图上各个独 立阴影区域与其邻近的非阴影区域进行匹配补偿,再反变换回RGB空间,完成阴影去除操作.实验结果表明,该方法能在不改变非阴影区域信息的情况下,有效地 去除阴影的影响.

[ Yang J, Zhao Z M, Yang J. A shadow removal method for high resolution remote sensing image[J]. Geomatics and Information Science of Wuhan University, 2008,33(1):17-19. ]

[4]
Highnam R, Brady M.Model-based image enhancement of far infrared images[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997,19:410-415.We devise enhancement algorithms for far infrared images based upon a model of an idealized far infrared image being piecewise-constant. We then apply two known enhancement algorithms: median filtering and spatial homomorphic filtering, and then extend the model to develop spatio-temporal homomorphic filtering. The algorithms have been applied to several image sequences and work well, showing significant image enhancement

DOI

[5]
何凯,赵红颖,刘晶晶,等.基于分形及纹理分析的城市遥感影像阴影去除[J].天津大学学报,2008,41(7):800-804.为有效去除城市遥感影像中阴影 效应所产生的影响,实现阴影区域的自动检测及区域内景物重建,利用纹理分析的方法,通过计算共生矩阵及其相关指数来确定阴影区域,以实现阴影区域的自动检 测;同时利用分形插值中的随机中点替代法对阴影区域内景物进行了复原,真实再现了阴影区域内的景物特征.对实际航空遥感影像的处理结果表明,该方法能有效 实现遥感影像阴影区域的自动检测及区域内的景物重建.

DOI

[ He K, Zhao H Y, Liu 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. ]

[6]
王树根,王军利,王爱萍.基于整体变分模型的影像阴影检测算法研究[J].武汉大学学报(信息科学版),2006,31(8):663-666.将影像上普遍存在的阴影视为图 像退化的一种特殊形式,以整体变分模型为基础,以影像上阴影区域亮度普遍较暗且较均匀、阴影区域和非阴影区域之间的反差普遍较大的特点为约束,导出了整体 变分模型用于影像上阴影检测的基本算法。通过对若干幅实际影像的阴影检测实验表明,本文算法对灰度影像和彩色影像上阴影区域的检测是有效的。

DOI

[ Wang S G, Wang J L, Wang A P.Shadow detection and extraction from imagery based on total variation[J]. Geomatics and Information Science of Wuhan University, 2006,31(8):663-666. ]

[7]
虢建宏,田庆久,吴昀昭.遥感影像阴影多波段检测与去除理论模型研究[J].遥感学报, 2006,10(2):151-159.阴影是遥感影像的基本特征之一，它使地物目标反映的信息量有所损失或受到干扰，而去除阴影一直是遥感影像处理的难题。从研究遥感影像阴影产生机理出发，提出了一种多波段检测阴影的方法和基于能量信息补偿去除阴影的理论模型。通过IKONOS影像进行方法与模型验证，真实再现阴影区地物特征，增加影像信息量，提高数据质量。

DOI

[ Guo J H, Tian Q J, Wu Y Z. Study on multispectral detecting shadow areas and a theoretical model of removing shadows from remote sensing images[J]. Journal of Remote Sensing, 2006,10(2):151-159. ]

[8]
蒲智,杨辽,白洁.基于面向对象技术的高分辨率遥感影像的阴影检测与去除[J].遥感技术与应用,2008,23(6):735-738.<p>阴影是高分辨率遥感影像的基本特征之一,阴影的检测对于影像的目标识别和信息恢复十分关键。采用面向对象的技术,通过图像分割,获取阴影对象,结合阴影对象的特征,设置特征函数并分类,最后获得阴影区域。试验证明,该方法简单易行,较精确地提取了阴影区域。</p>

[ Pu Z, Yang L, Bai J.Shadow and detection and removal based on object-oriented method in high spatial resolution remote sensing image[J]. Remote Sensing Technology and Application, 2008,23(6):735-738. ]

[9]
郝宁波,廖海斌.基于同态滤波的高分辨率遥感影像阴影消除方法[J].软件导刊,2010,9(11):200-212.遥感影像中的阴影现象作为图像 退化的一种特殊形式,使得影像阴影区域所反映的目标信息有所损失或受到干扰。根据阴影属性提出了一种基于同态滤波的高分辨率遥感影像阴影消除方法。首先将 遥感影像变换到频率域空间,使用一种增强高频、抑制低频的滤波器对图像进行处理,然后反变换回空间域。实验表明,与基于色彩空间的阴影消除方法相比,本文 方法在成功实现阴影消除的同时大大降低了人机交互操作与处理速度。

[ Hao N B, Liao H B.Shadow removal method based on homomorphic filtering in high spatial resolution remote sensing image[J]. Software Guide, 2010,9(11):200-212. ]

[10]
赵显富,胡晓雯.基于彩色模型的遥感影像阴影检测[J].科学技术与工程,2013,13(18):5101-5107.依据遥感影像阴影的属性,提出一种基于彩色模型的遥感影像阴影检 测方法,以提高阴影检测精度.阴影检测过程中,首先将影像转换到HSV空间.根据阴影区域高色调值、低亮度值和高饱和度的特性,定义M=(S- V)/(H+S+V).利用光谱比技术和中值滤波,得到初步的阴影区域.其次依据散射理论对蓝光的影响,以及彩色不变特征,提出结合C1C2C3空间的 C3分量和RGB空间的B分量进行双阈值阴影检测.为降低阈值选择的主观性,提出将上述两种方法进行与运算,并结合小区域去除和数学形态学处理,进行阴影 提取.最后对多幅带有阴影的遥感影像进行实验.结果表明所提出的方法明显优于传统的直方图阈值法和同态滤波检测法,克服了阈值选择的主观性,提高了阴影检 测精度.

DOI

[ Zhao X F, Hu X W.Remote sensing images shadow detection based on color models[J]. Science Technology and Engineering, 2013,13(18):5101-5107. ]

[11]
Tsai V J D. A comparative study on shadow compensation of color aerial images in invariant color models[J]. IEEE Transactions on Geoscience and Remote Sensing, 2006,44(6):1661-1671.models. Experimental results from de-shadowing color aerial images of a complex building and a highway segment in these color models are evaluated in terms of visual comparisons and shadow detection accuracy assessments. The results show the effectiveness of the proposed approach in revealing details under shadows and the suitability of these color models in de-shadowing urban color aerial images.

DOI

[12]
Singh K K, Pal K, Nigam M J.Shadow detection and removal from remote sensing images using NDVI and morphological operators[J]. International Journal of Computer Applications, 2012,42(10):37-40.

[13]
Massalabi A, He D C, Benie G B, et al.Detecting information under and from shadow in panchromatic ikonos images of the city of sherbrooke[C]. IEEE International Geoscience and Remote Sensing Symposium (IGARSS) 2004, 2004,3:2000-2003.

[14]
Sarabandi P, Yamazaki F, Matsuoka M, et al.Shadow detection and radiometric restoration in satellite high resolution images[C]. Geoscience and Remote Sensing Symposium. IGARSS. Proceedings. IEEE International, 2004,6:3744-3747.

[15]
Suzuki A, Shio A, Arai H, et al.Dynamic shadow compensation of aerial images based on color and spatial analysis[C]// International Conference on Pattern Recognition. IEEE, 2000,1:1317.

[16]
Su J, Lin, X G, Liu D Z. An automatic shadow detection and compensation method for remote sensed color images[C]// Signal Processing, 2006 8th International Conference on. IEEE, 2006:823-826.

[17]
武文波,刘正纲.一种基于地物波谱特征的最佳波段组合选取方法[J].测绘工程,2007,16(6):22-24.对多光谱数据选取最佳的波段组合，是图像解译和专题信息提取的重要前提。文中提出一种基于地 物波谱特征的最佳波段组合选取方法，即综合考虑方差、相关系数、OIF指数和地物间的可分离性4个因素，利用ERDAS和EXCEL等工具进行各指标的解 算，并通过实验，选择红菱矿区1995年的TM多光谱影像为数据源，选取了基于水体波谱特征的最佳波段组合TM345。经定性分析和定量计算，验证了该方 法的可行性。

DOI

[ Wu W B, Liu Z G.A method of the best band combination selection based on spectral characteristics of surface features[J]. Engineering of Surveying and Mapping, 2007,16(6):22-24. ]

[18]
汪继伟,刘刚,马海涛,等.环境减灾卫星在宏观监测中的最佳波段组合研究[J].中国科技信息, 2011,16:40环捷减灾卫星具有适合中等比例尺研究的空间分辨率,重访周期短, 覆盖宽,相对国外卫星数据更易于获取,在宏观监测中应用日趋普遍.对环境减灾卫星进行波段组合的效果,直接影响目视解译和研究对象的提取.通过最佳指数法 衡量环挽减灾卫星数据的波段组合方案,结合影像光谱特征,确定环境减灾卫星数据的最佳波段组合方式.

DOI

[ Wang J W, Liu G, Ma H T, et al. Optional bands combination of HJ-1A/B satellite to macroscopic monitoring[J]. China Science and Technology Information, 2011,16:40. ]

[19]
官凤英,范少辉,邓旺华,等.基于ETM+影像竹林信息提取的最佳波段组合研究[J].竹子研究汇刊,2009,28(3):10-13.以竹林信息提取为研究目的,应用最佳指数法(OIF)法和典型地 物影像光谱特征曲线分析,对福建省顺昌县ETM+多光谱数据的波段选组合进行了研究.研究结果表明:345波段是竹林信息提取的最佳波段组合;典型地物影 像光谱特征曲线可以直观的看出地物在不同波段上的光谱差异,能为最佳波段选择提供可靠的参考依据;竹林在第5波段与其他地物光谱差异最大,分离效果最好, 在第1波段的光谱影像特征曲线与阔叶林相近,在第2波段与针叶林相近,说明在第1波段和第2波段中竹林分别与阔叶林、针叶林容易混淆,不利于竹林信息提 取.

DOI

[ Guan F Y, Fan S H, Deng W H, et al.A study on the selection of ETM+ image optimum band combination in information extraction of bamboo forests[J]. Journal of Bamboo Research, 2009,28(3):10-13. ]

[20]
张韬,赵宇飞,安慧君,等.ETM+影像提取伏沙地信息的最佳波段组合——以内蒙古锡林郭勒盟西乌旗为例[J].科技导报,2011,29(17):29-33.以伏沙地信息提取为研究目的，依次应用单波段信息量、相关系数矩阵、最佳指数法（OIF）、典型地物影像光谱特征曲线分析的方法，对内蒙古锡林郭勒盟西乌旗ETM<SUP>+</SUP>遥感影像数据的最佳波段选择进行研究。结果表明，第4波段信息量大，与其他波段间相关性小，作为必选波段；5、3波段次之；3、4、5波段组合的OIF较高。最后根据目视辨别认定波段（红）4、（绿）5、（蓝）3组合是针对伏沙地信息的最佳波段组合。

DOI

[ Zhang T, Zhao Y F, An H J, et al.Selection of ETM+ remote sensing image optimum waveband combination in information extraction of sinking sandy land: the case in Xiwu Flag, Xilin Gol League, InnerMongolia[J]. Science & Technology Review, 2011,29(17):29-33. ]

[21]
焦竹青,徐保国.基于同态滤波的彩色图像光照补偿方法[J].光电子·激光,2010,21(4):602-605.为了消除光照对彩色图像的影响．提出了一种基于同态滤波的光照补偿方法。在频域内采用同态滤波对图像进行处理，然后将巴特沃斯高通滤波传递函数引入同态滤波器中，设计出一种新的动态巴特沃斯同态滤波器，增强图像在YIQ色彩空间中的亮度分量，并保持图像色度分量不变。在增加图像高频分量的同时，削减低频分量，弥补由光照不足引起的图像质量下降，最终实现对图像的光照补偿。实验结果表明，该方法在弱化光照影响，提高图像质量方面具有良好的性能，是一种比传统高斯高通滤波和直方图均衡更有效的彩色图像光照补偿方法。

[ Jiao Z Q, Xu B G.Color image illumination compensation based on homomorphic filtering[J]. Journal of Optoelectronics. Laser, 2010,21(4):602-605. ]

[22]
马义,张成义.基于Matlab的同态滤波器的优化设计[J].应用光学,2010,31(4):584-588.介绍同态滤波器的基本原理,基 于Matlab软件,设计了适用的同态滤波器模型,并给出了其表达式参数,在此基础上,将同态滤波方法应用到彩色图像的光照补偿和对比度增强中。结果表 明:经处理后的图像,局部对比度增强效果明显,较好地保持了图像的原始面貌,取得了预期的理想滤波效果。基于Matlab的同态滤波,能更好地适合人眼的 视觉特性,提供了图像分析与判读的一种新方法。

DOI

[ Ma Y, Zhang C Y.Optimal design of homomorphic filter based on matlab[J]. Journal of Applied Optics, 2010,31(4):584-588. ]

[23]
焦竹青,徐保国.HSV变换和同态滤波的彩色图像光照补偿[J].计算机工程与应用,2010,46(30):142-144.为了有效消除光照对彩色图像的影响,提出应用HSV变换和同态滤波的光照补偿方法。首先将图 像从RGB色彩空间变换至HSV色彩空间,然后将高斯高通滤波传递函数引入同态滤波中,设计出一种新的动态高斯同态滤波器,在频域内对图像亮度分量进行增 强,并保持色调和饱和度不变,在增强图像细节的同时,削减图像低频分量,弥补因光照不足引起的图像质量下降,实现对彩色图像的光照补偿。实验分析表明,所 提出方法能够弱化光照影响,提高彩色图像质量,是一种比传统高斯高通滤波和Gamma矫正更有效的光照补偿方法。

DOI

[ Jiao Z Q, Xu B G.Color image illumination compensation based on HSV transform and homomorphic filtering[J]. Computer Engineering and Applications, 2010,46(30):142-144. ]

[24]
Mishra A K.Gamma correction and perceptual coding of video[J]. STM icro-eletronics, 2005,11(2):1-5.

Options
Outlines

/

〈 〉