基于数字图像处理的边坡监测中阴影检测研究

申德兴

摘要：我国是边坡灾害频发的国家，严重的边坡灾害对人民群众的财产安全和交通运输安全造成很大威胁。数字图像测量是边坡监测中新兴技术，它具有测量迅速安全、监测成本低等优点。由于边坡往往具有复杂的地形环境，摄取的图像难免会存在阴影，对图像处理造成干扰。本文就几种典型阴影检测算法进行介绍，分析边坡阴影特点，并提出一种基于色彩饱和度的阴影检测算法，实现边坡图像中阴影区域的快速检测。

关键词：边坡监测;图像处理;阴影检测

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2020）12-0205-02

我国地形复杂，山区众多，边坡灾害频发。边坡灾害大致分为三种，分别是滑坡、崩塌、泥石流。我国西南山区边坡灾害尤为严重，对人民群众的财产安全和交通运输安全造成很大威胁，一起灾害导致的经济损失能达数千万元。

数字图像测量是近年来新兴的边坡监测技术，与传统方法等比较，具有廉价、高效、稳定、安全的优势。在摄取边坡图像的过程中，由于边坡具有复杂的地形会产生许多阴影，这些阴影在对边坡图像的分析中会造成不利影响，比如阴影变化和边坡位移结合在一起，导致计算机对边坡位移发生与否产生误判。因此，有必要对边坡图像的阴影进行检测和分析。

1基于饱和度的阴影检测算法

1.1算法原理

从直观上来看，图像中阴影区域和普通区域的一个明显区别在于，阴影区域的色彩饱和度发生变化，一般比区域中的物体不在阴影中时的饱和度低。即可以通过检测图像中像素的饱和度来识别可能的阴影区域。

从图1中可以看出，当原图像中加入阴影时，图像的饱和度发生变化，即由于阴影的原因使得图像中该区域内的像素饱和度变化到了某一阈值范围内。因此可以充分利用该现象，将图像转换到HLS色彩空间下，然后选择两个阈值δ1和δ2，找出图像中的像素饱和度满足δ2

2.2算法实现

首先将原图像转换到HLS色彩空间，提取S通道的值;再对S通道图像使用高斯滤波，来平滑图像，滤除噪声;然后对S通道图像的像素遍历并判断大小，找出饱和度s<δ1的区域A1;找出饱和度s>δ2的区域A2，阴影区域即由既存在于区域A1中又存在于区域A2中国的像素点组成，即阴影区域As=A1A2;之后去除连通域面积Sc小于阈值δ3的区域，这部分区域可能是不感兴趣的区域（如边坡中一个小凹洞产生的附影），剩下的区域即阴影区域，最后利用数学形态学的方法对As进行完整性修复。

2.3实验及结果分析

基于HLS色彩空間下的饱和度的阴影检测算法，本文在这里做了两组实验，所选取的图像来自互联网的边坡图像。在下面的实验结果图中，分别包括原图像以及标示出阴影区域的结果图像。

结果分析：观察以上两组实验的结果图，可以看出来，采用基于饱和度的阴影检测算法，通过合理选择两个饱和度的阈值即检测出阴影，并排除了面积较小的附影区域。本算法设计简单，无复杂运算，鲁棒性好，适用范围较广，可以得到较为完整的阴影区域。

3结论

边坡由于自身地形多样，产生阴影的情况十分复杂，一般的阴影检测算法效果不太理想，尤其涉及边缘检测的算法很容易检测结果中包含边坡自身及其上各种物体的边缘，基于饱和度的阴影检测算法提供了一种边坡图像阴影检测的新的途径，能够实现大部分的边坡图像中阴影的自动检测，但由于复杂背景的干扰，也可能存在误检的情况。对边坡图像进行处理时阴影区域并不一定完全正确，但是排除的区域包含阴影，剩余的区域则不包含阴影，而边坡监测一定要排除阴影的干扰，故而可以误判一些非阴影部分。