1、城市遙感影像陰影檢測與補償方法研究二由于ikns立體像對提取ds數據的分辨率低，所以其影像數據分辨率，易導致所提取的陰影區域邊緣產生誤差。為修正這種誤差，采用一種具有較好邊緣性的陰影檢測方法基于直方圖閾值法。基于直方圖閾值法是利用ikns彩色影像數據的第4波段近紅外波長最長，散射光最小，陰影區域與非陰影區域目的地物反射率差值最大，用第4波段進展基于直方圖閾值法檢測陰影精度最高，這種方法的優點是陰影區域具有較好的邊緣性。對ikns影像第4波段進展直方圖灰度統計，以峰谷點為陰影和非陰影區分點如圖2-7，采用dn值密度分割的方法檢測出陰影。以上兩種方法進展陰影檢測各有特點，前者有很好的定位性，但邊緣

2、誤差較大；后者有較好的邊緣性,但陰影提取的精度低。假設兩種方法能很好地結合起來，既有好的定位性，又有好的邊緣性，陰影檢測的精度將大大進步。圖2-8就是這兩種方法相結合檢測陰影的流程圖。陰影區域檢測結果見圖2-9。圖2-6原圖像圖2-7第4波段直方圖shape*ergefrat圖2-8結合兩種方法檢測陰影流程圖圖2-9陰影檢測的結果圖2-9中：,式中，rh為ds數據分辨率；rl為影像數據分辨率；k為像元寬度。2.4實際影響檢測效果我們用2.1和2.2節中所提到的兩種方法分別對2-10圖內的陰影檢測。圖2-10待檢測的原圖檢測結果如以下圖圖中黑色為檢測出的陰影區域，白色為檢測的非陰影區域：(a)基

3、于亮度的雙峰法(b)歸一化互相關函數法圖2-11三種方法對陰影的檢測結果可以看出前兩種方法對陰影的檢測結果差異，主要原來由于而歸一化互相關函數在檢測陰影時，利用了亮度近似線性變化這一特點，因此當亮度有突然的明顯變化，都會被判為陰影。而雙峰法，當我們選取了比較適宜的閾值，就能把陰影和光照區進展分割，對于絕大多數圖片，這種方法提取出的局部，幾乎都是陰影區域，只帶有少量的顏色較深的斑點。如圖(a)所示，圖中非常小且分布不規那么的斑點有些是樹蔭，有些那么是顏色較深的車輛的車頂，植被，屋頂等。(a)和(b)圖其原理其實都是基于亮度變化進展的檢測，所以對亮度變化對這兩種方法的影響起決定性的作用。對于亮度較

4、低的實物卻容易被判為陰影而被錯誤的檢測出來。如圖2-12，圖中的樹木由于自身色度等原因，即使在陽光下，亮度仍然很低。同樣的情況還可能是顏色很深的房頂，這些比較深的顏色，在高分辨率遙感影像中，非常容易與影像自身的陰影互相混淆，因此在用雙峰法檢測時，造成很多不便。陰影的本質屬性就是亮度很低，因此當出現了顏色很深造成的影像中亮度值低的局部，容易造成誤檢。歸一化函數法要求稍多，計算兩相對較大，相比之下，雙峰法簡單實用。但是目前還沒有比較成熟的方法，可以準確的檢測出陰影的全部區域而不發生誤檢。圖2-12帶有大量樹陰的遙感影像及其陰影檢測結果第三章陰影的補償3.1灰度線性映射的陰影補償3.1.1灰度級線性

5、變換圖像增強原理圖像增強處理在數字圖像處理中占有很大的比例，一些灰度圖像在退化后進展恢復主要采取增強手段。圖像增強的方法分為空間域方法和頻率域方法兩大類，空間域增強是以對圖像的像素直接處理為根底的增強。空間域處理可用下式表示：g(x,y)=tf(x,y)3-1其中f(x,y)是輸入圖像，g(x,y)是處理后的圖像，t是對f一種操作，(x，y)是圖像像素點的位置。z操作最簡單的形式是鄰域為11的尺度(即單個像素)。在這種情況下，g僅依賴于f在(x,y)點的值，t操作成為灰度級變換函數，形式為s=t(r)3-2其中s和r分別為g(x,y)和f(x,y)在任意點(x,y)的灰度級。灰度級線性變換增強

6、是空間域圖像在增強的一種，也就是通過分段線性變換函數來調整圖像灰度級的動態范圍。通過點(r1,s2)和點(r2，s2)的位置控制變換函數的形狀，(r1,s2)和(r2，s2)的中間值將產生輸出圖像中灰度級不同程度的展開，因此影響其比照度，以到達增強圖像之目的。圖3-1灰度變換分段線性變換公式如下：3-3其中3-43-53-6由于陰影對遙感影像造成的影響主要是使該區域的亮度值大幅降低，該方法直接針對這一問題，對遙感影像中的灰度進展線性調整。從而使得陰影得到一定程度的補償。3.1.2圖像陰影補償處理按照上述原理，現對一幅高分辨率遙感圖像的灰度圖像分析并在atlab軟件上進展處理，其處理過程如下。首

7、先翻開一幅遙感圖的灰度圖像如圖3-2，由圖3-3可以看出，該圖像的陰影區域和圖像非陰影區域的灰度值比較接近，通過查看其灰度直方圖分布可以證實以上看法，圖3-2所示為該圖像的灰度值直方圖分布。圖3-2原圖像圖3-左圖的直方圖從圖像的灰度值直方圖分布可以看出，該圖像的灰度值分布呈雙峰分布：其圖像局部的灰度值集中在左峰附近，左峰的灰度值分布大約為1510；圖像的背景局部集中在右峰附近，右峰的灰度值分布大約為8540。從二者的分布看，兩峰值根本上呈正態分布，中間有一定的灰度值穿插，且右峰范圍較大，使得圖像的整體亮度偏亮。1根據灰度分布的特點進展灰度調整變換。按照上述分析結果，要想使圖像局部和背景局部較

8、好地別離，到達增強圖像的目的，可局部調整圖像的灰度值。采用對圖像的灰度級進展變換，使圖像比照度得到調整，從而到達圖像增強的目的。這里筆者采用三段線性變換方法，調節中間穿插局部的灰度值，使灰度值直方圖上的雙峰分開，進而調節其灰度值，最理想的結果是將政府圖像的灰度值分布變成背景灰度和圖像灰度兩局部。詳細的三段灰度根據灰度值分布分為：輸人圖像的灰度級三段是020、20100、100255，對應輸出圖像的灰度級三段為0100、100180、180255，經過灰度級線性變換處理后，圖像的整體亮度增強了。2進展比照度增強處理。經過上述灰度級線性變換圖像增強處理后，圖像的灰度值分布偏向于灰度值直方圖的右側，

9、陰影局部減弱了，圖像局部也變暗了。再調節整幅圖像的比照度，可將背景和圖像比照度增強。將現有灰度值范圍均勻分布，使其比照度增強，得到比照度增強后的處理圖像。3用高帽、低帽方法進一步處理經過亮度和比照度調整后，可以看出，陰影和圖像進展了較為成功的別離，但在圖像的下方還存在一定的灰度穿插現象，應再進展相應處理。采用高帽低帽處理可到達較為理想的效果。高帽低帽處理方法實際上是對灰度圖像進展一定的加減法計算，去掉其中的某些局部，到達增強圖像的目的。4再次調整圖像的灰度，完成圖像處理過程經過高帽、低帽處理的圖像其灰度值偏向灰度直方圖的左側，即圖像增強了，同時背景也增強了，且灰度值分布較為集中。再經過灰度調整

10、，使其均勻分布，得到最后的處理效果。圖3-4映射處理后的圖像灰度級線性變換圖像增強技術在處理灰度值分布呈雙峰形態的退化圖像增強時較為理想，且操作簡便、實用性很強的處理方法。3.2基于直方圖平衡的補償方法圖像比照度增強的方法可以分成兩類：一類是直接比照度增強方法；另一類是間接比照度增強方法。直方圖拉伸和直方圖平衡化是兩種最常見的間接比照度增強方法。直方圖拉伸是通過比照度拉伸對直方圖進展調整，從而“擴大前景和背景灰度的差異，以到達增強比照度的目的，這種方法可以利用線性或非線性的方法來實現；直方圖平衡化那么通過使用累積函數對灰度值進展“調整以實現比照度的增強。基于直方圖的平衡處理正是基于直方圖的這一

11、根本原理，詳細方法如下。定理：一維隨機變量af(x)，那么f(a)u0,1，a從負無窮到正無窮，u0,1是標準均勻分布。證明：相反的思路設bu0,1，由定義，3-7設某值域為0,1的單調增函數f(x)的反函數是f-1(x)，那么考察f-1(b)的分布情況，由定義pf-1(b)x=pbf(x)=f(x)，即f-1(b)f(x)，令a=f-1(b)，那么b=f(a)，有af(x)，且f(a)u0,1。這個定理說明了均勻分布的隨機變量的地位，對于任意分布的隨機變量，只要給出分布函數的反函數，就可能直接構造出來不過大局部是很難有簡單形式的。一張圖片，可以看成是對現實景物的一次抽樣，就是一個樣本，樣本有

12、二重性，可以看成是隨機變量，就某個特征，比方灰度，它有一定的分布，而直方圖就是它的密度函數，平衡化就是先求出f(x)，把密度函數逐段求和就行了，再用f(x)作用每一個像素，將原圖像的a，變換成f(a)，使直方圖變得相對平衡。(a)處理前的原圖(b)左圖的直方圖()補償處理后的圖像圖3-5基于直方圖平衡的補償方法結果直方圖平衡化處理的“中心思想是把原始圖像的灰度直方圖從比較集中的某個灰度區間變成在全部灰度范圍內的均勻分布。直方圖平衡化就是對圖像進展非線性拉伸，重新分配圖像像元值，是一定灰度范圍內的像元數量大致一樣。直方圖平衡化就是把給定圖像的直方圖分布改變成“均勻分布直方圖分布。缺點：1變換后圖

13、像的灰度級減少，某些細節消失；2某些圖像，如直方圖有頂峰，經處理后比照度不自然的過分增強。又由于是離散的變換，所以結果不會絕對平衡，有時甚至會嚴重失真。3.3其它方法3.3.1一種ikns影像處理方法在數字圖像處理中，一幅圖像至少要用64個灰度級別來表示，一般采用256個灰度級別。ikns影像具有11比特的亮度信息，即2048個灰度級別，其陰影區域的亮度信息具有較多灰度級別，ikns影像的這個特點為再現陰影區域地物特征提供了可能性。在陰影檢測和別離之后，設r(x,y)為ikns影像陰影區域的影像，s(x,y)為一定灰度級別的影像。以下就是將陰影區域影像變換為一定灰度級別本實驗采用256個灰度級

14、別影像的算法和結果。可以看到，陰影區地物特征信息被明晰顯現出來。設圖像r(x,y)任一離散點的灰度值為rk,圖像s(x,y)對應點的灰度值為sk：(3-8)式中：sk0,ds；ds為影像s(x,y)的最大灰度值；rkrin,rax其中rin,rax分別為圖像r(x,y)最孝最大灰度值。同理對非陰影區域進展處理，也將非陰影區域影像變換為同樣灰度級別影像。通過灰度線性映射變換的陰影區域影像和非陰影區域影像具有一樣的灰度級別，不同的灰度分布。為使整幅影像合成后有較好的視覺效果,將陰影區域影像與非陰影區域影像進展直方圖匹配，消除視覺差異。影像的一個像元相當于實際地面面積約為12，處于陰影區域邊界的像元

15、和處于非陰影區域邊界的像元，由于既有陰影局部，又有非陰影局部，以及環境反射光的差異，形成陰影邊界的亮邊緣和非陰影邊界的暗邊緣。為消除這種邊緣效應，分別追蹤陰影區域和非陰影區域的邊界限，對這兩條邊界限上像元進展平滑化處理：式中：f(x,y)為原影像灰度值；g(x,y)為處理后影像灰度值；s為兩條邊界限鄰域中點的集合；為集合內點像元的總數；t為規定的非負閾值。用以上方法對邊界限進展處理，結果顯示：設定適當的t值，能有效地消除邊緣效應，而且沒有增加影像的模糊信息。3.3.2基于pnn處理的新方法pnn(pulseupledneuralnetrk)5有生物學的背景，它展示了貓、猴的大腦視覺皮層的同步脈

16、沖發放現象，就目前的研究發現，pnn可應用于圖像分割、圖像識別、通訊、決策優化等方面。目的識別時，我們可以用訓練圖像經pnn圖像陰影取出算法處理后得到的結果作為模板，將待識別圖像經pnn圖像陰影去處算法處理后與模板相比，從而得到目的識別的結果。這樣，就消除了陰影對目的識別的不利影響，從而到達正確識別目的的目的。圖像中陰影是由于圖像中一塊像素點的亮度值減小造成的。pnn圖像陰影去除算法的根本思路是先用pnn對原始圖像進展分割處理，然后用原始圖像除以分割后的圖像。這樣相除得到的結果中，既保存了原始圖像的信息，又消除了圖像中陰影的影響。下面詳細給出pnn圖像陰影去除算法。首先介紹算法中用到的符號。f

17、，原始圖像矩陣，矩陣中各個元素為原始圖像中各個元素的亮度值；l，聯接矩陣，矩陣中各個元素為圖像中各個像素點的lj信號；u，調制矩陣，矩陣中各個元素為圖像中各個像素點的調制信號uj；y神經元輸出矩陣，矩陣中各個元素為圖像中各個像素點對應神經元的輸出，0或1；，閾值矩陣中各個元素為圖像中各個像素點對應神經元的閾值；fa(1),fa(2),.,fa(n),圖像因子矩陣，它們為算法中每次碟帶運算得到的結果，其中，fa(2),.,fa(n),為去除陰影后得到的結果，inter，tep，yut為算法中用到的中間矩陣。為閾值調整常量，閾值調整矩陣，各個元素為閾值調整常量，矩陣f，l，u，fa(1)，fa(2

18、)，fa(n)，inter，tep，yut，的維數均為h,其中h為圖像的高度，為圖像的寬度，為聯接強度，該算法中，每個神經元的均一樣。為聯接強度的衰減因子，表示一樣維數的矩陣中對應元素進展相乘。表示卷積，k是33運算核矩陣，計算l時用到，pnn圖像陰影去除算法描繪如下：(1)原始圖像f規整到in到1之間，in=0.04。l=u=0，=1；同時，令所有神經元均處于熄火狀態，y=0。給出循環次數n；令n=1，優選參數，=0.8，=0.2，=0.02。(2)l=step(y*k)；u=f(1+l)；y=step(u-)。(3)令=1。(4)l=step(y*k)。(5)inter=y，u=f(1+l

19、)，y=stepu-。(6)ify=inter，gt(7)；elsel=step(y*k),gbakt(5)。(7)ify(i,j)=1，yut(i,j)=(i,j)，tep(i,j)=f(i,j)/yut(i,j),(i=1,.,h；j=1,.,)；y(i,j)，yut(i,j)，(i,j)，tep(i,j)，f(i,j)分別為矩陣y，yut，tep，f中對應的元素。(8)調整閾值，=-+100*y。一方面，隨著時間的增加減小閾值；另一方面，假設神經元已經點火，那么升高閾值，是該神經元不再點火。(9)假設所有神經元均已點火，即矩陣中的每一個元素均大于1，執行(10)；否那么回到(4)。(10

20、)f=tep；=*；圖像因子fa(n)=yut；n=n+1。(11)n=n-1。ifn0，gbakt(2)；elseend。原始圖像經過pnn去陰影處理后，本分解成了多個圖像因子fa(1),fa(2),.,fa(n)，算法中每一次循環就給出一個圖像因子，由算法可知，當n2時，圖像中的陰影就給有效的去除了。計算機仿真結果說明，當n2時，沒有陰影的圖像的圖像因子fa(n)與該圖像加陰影后的圖像因子fa(n)幾乎一樣，因此，目的識別時，可以用訓練圖像的fa(n)(n2)作為模板，將待識別圖像的fa(n)(n2)與之相比，從而得到目的識別的結果。這樣，即使有陰影出現，也可消除其對目的識別的不利影響。從

21、而到達正確識別目的的目的。隨著n的增加，fa(n)越來越淺，最后變為全白，這可從算法中看出，實驗也證明了這一點，實際應用中，可用fa(2)作為模板。因此，基于貓眼為生物學背景的pnn的陰影去除算法，是從仿生的角度，對陰影施行處理的新拓展。3.4實際影像陰影補償效果以下是我們分別采用灰度級線性變換和基于直方圖平衡處理后的圖像：圖3-12待補償的遙感影像(a)直方圖平衡法的補償結果(b)灰度線性變換的補償結果圖3-13實際影像陰影補償效果從上圖可以看出，二者都可以把本來陰影所造成的影響很大程度上的補償掉，讓我們可以看到陰影區域內部的景物。但是基于直方圖平衡的補償方法由于是離散的變換，所以結果不會絕

22、對平衡，有時甚至會嚴重失真。從圖(a)中我們也可以看出有模糊失真的效果。而相比之下灰度級線性變換圖像增強技術在處理灰度值分布呈雙峰形態的退化圖像增強時較為理想，是一種比較實用的方法。參考文獻1ralphhighna,ihaelbrady.del-basediageenhaneentffarinfrarediagesj.ieeetransatinsnpatternanalysisandahineintelligene,1997，19(4):410-415.2viuli,ylerhrandeeksar.pratialnsideratinsnlriageenhaneentusinghrhpifile

23、ringj.jurnalfeletrniiaging,1997，1(3):108-113.3zaudija,atkisn.1990“analysisfavirisdatafrspetraldisriinatinfgelgiaterialsinthedallyvardenuntainsj.preed-dingsfthesendavirisnferenejplpub1993:54-162.4許妙忠，余志惠.高分辨率衛星影像中陰影的自動提取與處理j.繪信息與工程，2022，28(1):20-22.5唐亮，謝維信，黃建軍.城市彩色航空影像中的陰影檢測.中國體視學與影像分析j，2022，8(3):12-

24、134.6高龍華.高分辨率影像陰影校正模型研究.計算機工程與應用j，2022，11:39-43.7楊益軍，趙榮椿，汪文秉.航空影像中陰影區域的檢測.信號處理j，2002，18(3):228-232.8王樹根，王軍利，郭麗艷.基于k-l變換的彩色航空影像陰影檢測j.測繪信息與工程，2022,29(2):21-23.9虢建宏，田慶永.一種ikns影像陰影檢測與去除的方法j.應用技術，2022,4:32-35.10svassilpulu.rthphtgeneratinusingiknsiageryandhigh-reslutinde:aasestudynvlanihazardnitringfnisy

25、rsisland(greee)j.isprsjurnalfphtgraetryretesensing,2002,(57):24-38.11梅安新，等.遙感導論.北京:高等教育出版社，2001,29-30.12阮秋琦.數字圖像處理學.北京:電子工業出版社，2001.13黃浩，張友靜，馬雪梅.基于影像交融的ikns影像陰影信息自動提取方法j.遙感信息.應用技術，2022，04:29-32.14王軍利，王樹根.一種基于rgb彩色空間的影像陰影檢測方法j.信息技術，2002，26(12):7-8.15hrnbkp,shapefrshading:aethdfbtainingtheshapefasthpa

26、quebjetfrneviedphd.dissertatin,assahusettsinstftehnlgy,1970.16hrnbkp,brksj.thevariatinalapprahtshapefrshadingj,vgip,1986,33:174-208.17zhangr,tsaips.riersjeetalshapefrshading:hepreedingsfieeetranspatternanalysisandahineintelligene,1993,21(8):690-750.18pentalndap.lalshadinganalysisj.ieeetranspatternanalysisandahineintelligene,1984,6(2):170-187.19szeliskir,terzpulsd.frspliestfratalj.putergrapghis,1989,23(3):51-60.20leek,kuj.shapefrshadingithalineartriangulareleentsurfaedelj.ieeetranspatternanalysisandahineintelligene,1993,15(8):815-822.21b.klinkenberg.陰影區和太陽照射區的分形分析楊澤元譯.世界地質，