基于RGB和HSI色彩空间的遥感影像阴影补偿算法

王蜜蜂，缪 剑，李星全，李新峰

（1.西安测绘总站，陕西 西安 710054；2.西安电子科技大学，陕西 西安 710071）

基于RGB和HSI色彩空间的遥感影像阴影补偿算法

王蜜蜂1,2，缪 剑1，李星全1，李新峰1

（1.西安测绘总站，陕西 西安 710054；2.西安电子科技大学，陕西 西安 710071）

通过分析研究抑制蓝色分量和亮度线性补偿这2种阴影补偿算法，利用阴影区域与其同质区信息相似的特点，把这2种算法进行合并与改进，提出基于RGB和HSI色彩空间的阴影补偿算法。实验数据表明，该算法对遥感影像上阴影区域进行补偿时，在不改变非阴影区域信息的情况下，提高算法适用性。

遥感影像；色彩空间；阴影；阴影检测；阴影补偿

阴影补偿多采用数字图像处理方法[1]。目前，阴影补偿方法包括线性相关补偿法[2]和信息补偿法[3]等。文献[4]根据双峰法检测阴影，利用直方图拉伸技术去除阴影，误差较大，对大范围、复杂地形地物影像不适用。文献[5]根据阴影同质区的特性对阴影区域进行线性相关拉伸，并对补偿后的阴影区域进行平滑处理和主成分逆变换，阴影区域补偿后细节较为清晰，提高了影像的视觉效果。但是在阴影范围较大、区域内信息复杂时，补偿效果并不理想。文献[6]采用颜色恒常性的理论，实现对高分辨率遥感影像上阴影的补偿。该方法补偿阴影效果较好，不影响阴影区域细节特征，弥补了常用的补偿阴影方法的缺点，并且计算简便。但是由于颜色恒常理论的基础和前提都出于假设与估计，所以应用范围也不太广泛。

本文将结合阴影补偿的过程，对这2种算法进行改进与结合，提出基于RGB和HSI色彩空间的阴影补偿算法，即将抑制阴影区域的蓝色分量，以及对阴影区域的H、S、I分量进行调整。

1 阴影补偿算法分析

1.1 抑制蓝色分量的阴影补偿算法

阴影区域的光照主要来自天空的散射，在RGB色彩空间蓝色分量较大，对阴影区域的蓝色分量进行适当抑制，可实现对影像阴影区域的补偿。在RGB色彩空间对原始影像进行亮度和颜色调整：

式中，R（x，y）、G（x，y）和B（x，y）分别是原始影像的红、绿和蓝色分量；k=high/I'L（x，y）；a和b为颜色调整参数，一般取值为1左右。在取值时，通过选取a大于b，就可以抑制蓝色分量的补偿程度。

该阴影补偿方法能改善阴影区域的影像信息，使阴影中的地物比较清晰，对非阴影区域的影像没有影响。但是其仅对阴影区域的蓝色和亮度进行调整，没有考虑到阴影区域颜色的其他特性，比如饱和度、色度和亮度等，无法有效地进行阴影区域的补偿。

1.2 亮度线性相关的阴影补偿算法

Sarabandi[2]认为，假如阴影被模型化为加法与乘法噪声的排列组合，那么补偿后阴影区域像素的亮度可以通过线性方程，计算DN值进行补偿。线性方程如下：式中，DNshadow为阴影区域的亮度值；DNrecovered为补偿后阴影区域的亮度值；μ为阴影区域和非阴影区域的亮度平均值；而σ是这2个区域的标准差。

该补偿方法对阴影区域的亮度进行线性补偿，阴影区域的亮度得到很好的拉伸。它的不足之处在于没有考虑阴影区域的其他信息，例如颜色、纹理等，补偿的效果缺乏有效性和适用性。

由以上分析可以看出，2种方法虽然对阴影区域的信息有一定的恢复，但由于补偿时涉及的阴影的特性太少，算法的有效性和适用性不高。

2 基于RGB和HSI色彩空间的阴影补偿算法

2.1 算法设计

阴影区域中，遮挡物对该区域的色度、饱和度和亮度等颜色信息产生了较大影响，蓝色分量比红色和绿色分量都大。针对阴影区域的这些特征，结合上文对阴影补偿算法的分析，为提高算法的有效性和适用性，本文结合以上2种算法思路，提出一种新的阴影补偿算法，主要思想如下：

1）在RGB色彩空间，抑制阴影区域的蓝色分量。2）在HSI色彩空间，分别补偿阴影区域的H、S、I分量。

2.2 算法流程

本文的阴影补偿算法的流程图如图1。

图1 阴影补偿算法流程图

2.2.1 羽化阴影区域的边缘

在遥感影像中，由于阴影是由单一的光源太阳投射而成，而且一般也认为太阳光为平行光源，遥感影像中的阴影区域与非阴影区域过度表现十分明显。因此对提取出的原始的阴影区域，进行2～4个像素的腐蚀，阴影补偿的效果较佳。

2.2.2 抑制蓝色分量

在RGB色彩空间的蓝色分量图中，对蓝色分量进行调整，具体方法如下：

式中，B（x，y）是原始影像阴影区域的蓝色分量；B'（x，y）是补偿后阴影区域的蓝色分量。对提取出来的阴影区域，通过式（3）的计算，抑制已有区域的蓝色分量，同时红色与绿色分量的值保持不变。

2.2.3 补偿H、S、I分量

在抑制蓝色分量以后，提取的阴影区域与周围非阴影区域的差别还是很大，需要对阴影区域的H、S和I值进行补偿。本文主要依据阴影区域及其邻接的非阴影区域，即阴影的同质区[7]的均值和标准差进行调整。

在得到每个独立的阴影区域及其同质区之后，本文采取映射策略[8]分别对阴影区域的H、S和I进行补偿，公式如下：

式中，H'、S'和I'分别是补偿之后阴影区域的色调值、饱和度值和亮度值；H、S和I分别为原始影像阴影区域的色调值、饱和度值和亮度值；μ是阴影区域及其同质区的平均值；而σ是阴影区域及其同质区的标准差；a、b和c是补偿强度系数，系数取值范围为0．6～1。

2.2.4 后处理阶段

经过上述对阴影区域的补偿后，本文把新的H、S、I分量从HSI色彩空间反转换回RGB色彩空间，可以得到去除阴影后的影像。尽管在预处理时阴影的边界进行了羽化，但是在阴影补偿后，阴影区域的边缘部分还会出现特别尖锐而明显的边界线。为了消除这些边缘，本文沿着阴影边界进行3×3的中值滤波，使补偿后的阴影区域平滑地向周围过渡。

2.3 算法仿真

2.3.1 可视化分析

通过使用本文的阴影补偿算法，影像中的阴影得到很好的补偿，阴影区域的亮度得到提升，影像质量明显改善。利用本文的阴影补偿算法进行阴影补偿实验。

在实验一中，阴影补偿后的影像中的阴影区域比原始影像中的阴影区域更加清晰，影像质量得到显著提高。从直方图上看，阴影区域与周围区域的反差减小，原始影像中的双峰曲线在补偿后的直方图中消失，阴影信息补偿减小了影像中阴影区域与周围像素之间的反差，直方图变得更加平滑，如图2所示。

在实验二中，补偿后的影像阴影区域的亮度得到很好的提升，特别是2个油罐的阴影区域；从直方图上看，阴影区峰值过高的区域减少，直方图中间的部分信息很丰富，提高了信息提取的地物类型与精度，不影响阴影区域细节特征，阴影区域的色调与非阴影区域的色调基本保持一致，如图3所示。

在实验三中，补偿后的影像阴影区域的亮度得到提升，阴影区域的地物信息比较清晰，直方图中的双峰曲线也得到很好的修复，补偿后的影像整体色调基本一致，如图4所示。

图2 实验一阴影补偿结果

图3 实验二阴影补偿结果

图4 实验三阴影补偿结果

2.3.2 阴影补偿效果评估

为了更加清楚地分析实验结果，计算补偿前后的阴影区域的均值与方差，如表1。

表1 阴影补偿前后的数值分析

表1中的数据验证了本文算法的可靠性，表明了影像在阴影补偿前后均值与方差的变化，阴影区域的信息得到较大的恢复。

3 结 语

本文利用阴影区域及其同质区的有关相似信息，分析总结抑制阴影区域蓝色分量和对阴影区域的亮度进行线性补偿的2种算法，并对这2种方法进行合并与改进，提出了一种阴影补偿算法，即基于RGB色彩空间和HSI色彩空间的阴影补偿算法，对阴影区域的颜色和亮度等多种特性进行补偿。该算法能够有效恢复阴影区域的信息，增强遥感影像的目视解译能力，提高了算法的性能。

[1] 肖志级，黄建军．城市彩色航空影像的边缘模糊Retinex 阴影消除[J]． 中国体视学与图像分析，2004,9(2)：95-98

[2] Sarabandi P，Yamazaki F，Matsuoka M，et al． Shadow Detection and Radiometric Restoration in Satellite High Resolution Images [C]．IEEE International Geoscience and Remote Sensing Symposium(IGARSS 2004),2004

[3] 王树根，郭泽金，李德仁．彩色航空影像上阴影区域信息补偿的方法[J]． 武汉大学学报:信息科学版，2003,28(5)：514-516

[4] Highnam R，Brady M． Model-Based Image Enhancement of Far Infrared Images [J]． IEEE Transactions on Pattern Analysis and Machine Intelligence， 1974,19(4):410-415

[5] 柳稼航，杨建峰，方涛．彩色遥感影像阴影颜色特性分析[J]．光子学报，2009,30(2)：441-447

[6] 徐秋红，叶勤．一种基于颜色恒常性理论的城市高分辨率遥感影像阴影消除方法[J]． 遥感信息，2010(4)：13-16

[7] 王玥，王树根．高分辨率遥感影像阴影检测与补偿的主成分分析方法[J] ． 应用科学学报，2010,28(2) ：136-141

[8] 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)：17-20

P237.3

B

1672-4623（2014）06-0107-03

10.3969/j.issn.1672-4623.2014.06.037

王蜜蜂，工程师，主要从事遥感影像处理与应用。

2014-01-14。