结合YCbCr和主成分分析的遥感阴影检测方法

2024-03-31谢文韬王书涵雷宇斌龙城仕刘华光刘正才

地理空间信息 2024年3期

谢文韬，王书涵，雷宇斌，龙城仕，刘华光，刘正才*

（1. 湘潭大学土木工程学院，湖南湘潭 411100；2. 湖南科技大学地理空间信息技术国家地方联合工程实验室，湖南湘潭 411201；3. 湖南省第一测绘院，湖南长沙 410004）

随着高分辨率遥感影像的发展，影像阴影处理对影像后续处理的影响越来越重要。阴影可用于对地物进行三维重建、建筑高度反演等，但会遮挡地物，导致部分地物的亮度降低，从而影响遥感影像的总体质量[1]。因此，准确检测遥感影像中的阴影区域，具有非常重要的意义[2]。高分辨率遥感影像阴影区域检测方法主要包括基于模型和基于阴影性质[3]两类，基于模型的方法要求高、条件苛刻，难以实现，因此目前偏向于采用基于阴影性质的方法进行阴影检测。Tsai V J D[4]利用比值法，基于各种颜色空间进行阴影检测；杨猛[5]等利用直方图阈值法分割C1C2C3颜色空间中的C3 分量，从而提取阴影区域；杨俊[6]等基于HIS空间阴影区域饱和度高、亮度低的特点，利用双阈值的检测方法提取阴影；葛乐[7]等利用阴影概率约束方法在主成分分析（PCA）变换和HIS 空间变换后提取阴影；Leone A[8]等提出了自适应背景差分的阴影检测方法；于东方[9]提出了一种基于灰度直方图的建筑阴影自动检测方法。上述算法均能较准确地提取阴影，但也存在一些问题：①阴影、水体、蓝色地物特征较相似，易出现混检；②形态学运算将植被阴影等细小的阴影去除了，虽然更加清晰美观，但影响了真实阴影检测。本文在分析已有算法的基础上[10-15]，根据Tsai V J D[4]的结论，结合YCbCr比值算法的优势，提出了一种转换到YCbCr空间并结合PCA 变换的阴影提取方法。

1 方法描述

1.1 PCA变换下的阴影特征

PCA变换是一种通过线性变换将具有相关性的多维数据集中到非相关的少数几维上的降维方法。本文采用高分二号（GF-2）融合遥感影像进行PCA 变换，变换后第一主成分包含了融合影像90%以上的信息，且阴影区域在第一主成分具有位于负值最小端或正值最大端的特征[16]，根据该特征可粗略提取阴影。为了更好地突出影像阴影区域，对第一主成分分量进行归一化处理。随机查看阴影部分像素值，若为正值，则对影像像素值负值取零，正值不变，再利用式（1）进行归一化；若为负值，则正值取零，负值不变，再利用式（2）进行归一化。

式中， PC1nor+、 PC1nor-为归一化的第一主成分分量，取值范围为0～1；PC1+、PC1-分别为影像相应像素值；max(PC1+)、min(PC1-)分别为第一主成分分量中的最大值和最小值。

某实验区GF-2 号遥感影像融合影像（图1a）经过PCA、第一主成分分量归一化后，在该影像上画一条经过各种典型地物的折线（图1b），折线提取地物的像素值见图1c，可以看出，阴影的像素值最高，且阴影区域数据没有丢失，建筑物、植被等像素值较小或归零了。

图1 PCA第一主成分归一化分析图

1.2 YCbCr空间变换的阴影特征

YCbCr空间常用于影片中的影像连续处理或数字摄影系统中。本文采用经过伽马修正编码处理的YCbCr空间，其中Y分量为亮度分量，即灰阶值；Cb、Cr分量为蓝色和红色的浓度偏移量[17]。

由参考文献[17]可知，在阴影区域中Cb分量像素值较高、Y分量像素值较低，这是植被、建筑等地物不具备的特征。根据阴影指数提取算法，为进行数据统一运算，需对YCbCr空间的Y分量和Cb分量进行归一化处理，使其特征值取值在[0,1]。

式中， max(Y)、max(Cb)分别为Y、Cb分量的最大特征值。

1.3 归一化阴影指数和水体指数

周坚华[18]等根据HIS 颜色空间的S分量和I分量在阴影区域与其他地物的差别，提出了归一化阴影指数（NDUI），即

本文采用水体指数NDWI[19]，根据水体具有绿光波段反射率高、近红外波段反射率低的特点提取水体，即

式中，G、NIR 分别为绿光波段和近红外波段分量。

2 阴影检测方法

2.1 构建阴影指数

本文通过分析阴影区域和若干典型地物在PCA 第一主成分、Y分量、Cb分量归一化后的特征（图2），构建阴影指数SII。

图2 阴影和若干典型地物的归一化值特征

由图2可知，阴影区域和水体在PC1nor的值远大于其他地物，而在Ynor分量的值小于其他地物，因此通过差值法即可区分阴影和水体与其他地物，且阴影在Cbnor分量的值更大。基于此，本文构建阴影指数SII，即

式中，PC1nor、Ynor和Cbnor的取值范围均为0～1；SII的取值范围为-1～1。

2.2 阴影提取流程

本文的阴影提取步骤为：①对GF-2号影像的8 m多光谱影像和2 m全色影像进行融合处理，得到融合影像；②对融合影像进行PCA变换，并对第一主成分进行归一化处理，得到PC1nor；③将融合影像进行色彩空间变换，得到YCbCr空间影像；④对YCbCr空间的Y、Cb分量影像进行归一化处理；⑤构造SII指数，得到阴影检测影像；⑥判断是否有水体，若没有，则直接进行OTSU阈值分割得到阴影区域，若有，则利用NDWI对融合影像进行水体检测以及小斑块去除后处理，消除噪声得到水体，再利用逻辑差运算得到阴影区域。

3 实验结果与分析

为验证本文方法的准确性，基于GF-2 号融合影像选取无水体和有水体两个实验区，将本文方法与NDUI、C1C2C3[20]、SI 方法[21]进行对比分析，结果见图3、4，阴影区域用白色表示，背景用黑色表示，可以看出，与人工标定的结果相比，利用本文方法、NDUI、C1C2C3 和SI 方法均能提取大部分阴影；但NDUI、C1C2C3 和SI 方法提取的细节阴影效果明显不如本文方法，且不能有效区分水体和阴影，而本文方法能很好地去除水体的影响。为了更好地显示阴影检测结果图像，本文未进行细小阴影处理，但却能更加真实地反映阴影的实际情况。