利用Retinex 消除在彩紅外遙感影像 聚類中陰影的研究

王子武， 李敬仕， 吳 靜， 方國濤

（安徽郵電職業技術學院通信工程系，安徽 合肥 230031）

城市彩紅外遙感影像具有分辨率高、地物細節明顯和數據量大（含有地理信息的數據更是海量）等特點。在這類影像中，存在同一類地物在不同的光照條件下，會表現出不同光譜特征的現象，稱之為同物異譜，反之稱之為同譜異物。在高分辨率城市彩紅外遙感影像中存在著大量的陰影區域，在這些陰影區中，會出現同物異譜的現象。比如，陰影區綠地與非陰影區綠地的光譜特征不完全一致，陰影區綠地顏色比較暗，而非陰影區域色彩比較明亮。在彩紅外遙感影像處理中，陰影是主要干擾源，通常的遙感圖像處理技術已不能很好地滿足這類遙感影像的增強和聚類處理。圖像處理技術沒有通用萬能的方法，必須根據工程實際需求選擇適當的技術方法和模型，以獲得較好效果。本文討論了傳統的Retinext算法，并結合色度學知識，構造了MSRHIS 算法，設計消除彩紅外影像中的陰影干擾來測量城市綠化覆蓋面積的處理方法，其處理技術流程方案如圖1 所示。在影像聚類應用中取得了意想不到的效果。

圖1 影像處理流程圖

1 Retinex 理論

Land 和McCann 于1971 年提出了視網膜皮質層理論（Retinex Theory）[1]。Land 先生在工作中發現，當人眼觀察物體時，所覺察到的顏色，并不僅僅是物體所反射的光譜能量等物理量，而是透過物體色彩之間的光亮度的比較得到的色彩感覺。這種感覺是由視網膜和腦皮質層共同完成的，視網膜就好比相機中的膠片把外部的影像記錄下來，腦皮質層來負責解釋這些影像記錄，兩者的共同作用使人獲得對物體顏色的感覺，所以Land 先生取Retina（視網膜）和Cortex（腦皮質層）兩個單詞的首尾組成了新的單詞Retinex。

該理論主要包含了兩個方面的內容[2-3]：人的視覺對物體顏色的感知是由物體對長波（紅）、中波（綠）和短波（藍）光線的反射能力綜合起來決定的，而不是由反射光強度的絕對值來決定的；另一方面，物體表色不受光照的非均勻性影響，具有色彩恒常。

1.1 Retinex 算法

Land 先生首先提出了Retinex 的自由路徑算法[3]，但該算法的缺點是計算量大[4]。針對以上情況Land 先生提出中心/環繞空間域對比運算（Center/surround spatially opponent operation，簡稱：Retinex 中心/環繞算法）[4]。中心/環繞算法給出了很好的人眼視覺模擬，該算法與靈長類動物的視網膜和大腦皮質層神經元的神經生理學函數相關。該算法在非校準設備的色彩補償（Gamma 校正）、色彩恒常處理、動態范圍壓縮和圖像增強等方面都得到了應用。

據此Jobson 等學者提出了單尺度Retinex（SSR：Single-Scale Retinex）算法[5-7]，Hurlbert先生對以高斯函數為卷積算子的中心/環繞算法進行深入地研究，其算子表達式

SSR 和MSR 算法處理后的彩色圖像，對其色彩的再現性表現的比較差，仍需要進行色彩補償或色彩恢復。因此，Z Rahman 和D J Jobson等學者提出了MSRCR（the Multi-Scale Retinex with Color Restoration）算法[8]。該算法給出了色彩恢復函數，該函數提供了的全局色彩恢復，函數中的增益常數和控制非線性增強系數，可以用來調節圖像三個波段的比例，這些參數可以通過實驗來確定其取值。Jobson 等人通過實驗，確定了函數中所涉及到的參數[8]。圖2 顯示了不同的 Retinex 算法對彩紅外遙感影像處理的結果。

圖2 Retinex 的不同算法的實驗結果

圖2 顯示，所處理影像的結果并不理想，其色彩沒有得到較好的增強，存在一定色彩失真，尤其是植被的色彩，這不利于影像聚類，提取植被的覆蓋面積。下面換個角度來考慮Retinex 理論，以尋求新的解決方法。

1.2 MSRHSI 算法及實驗結果

以上的討論都是基于RGB 色彩空間，其空間特點是坐標系統非常簡單，但存在不足之處：① 該空間的色彩由R、G、B 混合比例定義，難以用準確的值來表示，所以不易于定量分析；②該彩色空間中的彩色通道之間相關性很高，其合成圖像的飽和度偏低，色調變化較小，圖像的視覺效果較差。即使相關性較高的圖像作對比度擴展，通常也只是擴大了圖像的明亮程度，對增強色調差異作用較??；③ 人眼是通過感知顏色的亮度、色調以及飽和度來區分物體，不能直接感受R、G、B 三色比例。另外色調和飽和度的關系是非線性的，因此RGB 空間中對圖像進行分析與處理，難以控制其結果。

因此，考慮把圖像轉換到HSI 色彩空間，來探討其效果如何？彩色可以用色調（Hue）、飽和度（Saturation）和亮度（Intensity）3 個要素來描述，組成的HSI 彩色空間，在該空間中，3 個分量具有相對的獨立性，可分別對它們進行控制，能夠定量地描述顏色的特征。把圖像從RGB空間轉換到HSI 空間，對圖像的亮度或飽和度進行處理，而保持其色度不變，應用結果顯示，陰影區亮度得到增強，且其中地物色彩的飽和度也得到增強，尤其在影像（彩紅外）中紅色得到增強，有利于提取植被信息，這也符合人類視覺感知，人在識別物體的時候，光的強度影響不大，往往是根據物體的色調，且色調也是地物所具有的一種特征，這也符合色彩恒常。另外，在提取植被信息時，應盡量增強植被的特征，抑制非植被的信息，工程應用中，提取信息所采用的影像是大樣本，所以對地物細節不需太多關注，在此設計了MSRHSI（the Multi-Scale Retinex in HSI）算法模型，其流程如圖3 所示。

圖3 MSRHSI 算法流程圖

該算法處理的結果如圖4(b)和圖5(b)所示，其中圖4 是從圖5 中截取的局部圖。圖中顯示MSRHSI 圖像色彩恢復的比較好，其細節也得到了保留，也有某些少數地物的色彩有點失真，但紅色得到增強。在對整幅圖像進行目視分析，可以看出該圖中植被信息得到了很好地增強，比較容易進行聚類，這一點正是工程所需要的。MSRHSI 結果圖顯示，陰影對影像產生的影響得到削弱。目視分析發現，影像中紫色和黃色地物也有增強的趨勢，在對彩紅外影像作NDVI（“歸一化差值植被指數”Normalized Difference Vegetation Index）處理中，紫色地物是提取植被信息的主要干擾源，文獻[9]討論了如何消除兩者對提取植被信息的干擾。另外，本項目的研究是以工程應用為目標的，效率在設計處理方案時也是必需考慮的因素之一。在中心/環繞算法中，影響到算法處理結果的是卷積算子，算法中的卷積運算是必不可少的。但是，卷積運算在處理遙感影像時，其效率是很難被接受的，并且與卷積模板的大小存在相關性，在SSR 和MSR 算法中，尺度與模板大小又影響到處理結果。

圖4 MSRHIS 算法處理圖聚類對比效果圖

圖5 MSRHIS 算法處理圖聚類對比效果圖

針對以上問題，為了解決工程效率的問題，使算法可以在實際工程中得到應用，在方案設計中，利用卷積定理，把空間域中的卷積運算，變換成頻率域中乘法運算，從而提高了其運算效率，使算法效率與模板大小無關，確保工程效率僅與工程量相關而與算法無關。在頻率域處理一幅2048×2048 影像（格式：BMP）僅需約25 秒的時間（軟件環境：操作系統為WIN2003，軟件是在Visual C++ 2005.net 環境下自行開發；硬件環境：CPU 是AMD 2800+，內存為512M，獨立顯卡128M 顯存）。表1 給出SSR 不同卷積模板大小所耗費的時間（Matlab 與VC++混合編寫的程序處理時間）。

表1 不同模板的SSR 所消耗時間對照表

聚類的關鍵是特征波段選擇，選擇波段時，要考慮波段之間的相關性[10]，本項目選擇近紅外和綠色波段作為特征波段。圖4 和圖5 所顯示的聚類的結果，采用了K-Mean 算法，初始類別數為5，迭代次數為16 次。該圖的顯示表明，經過MSRHSI 算法處理過的影像的聚類，比原始影像的聚類結果要準確的多，圖4(a)和圖(d)對照可以看出陰影中的地物被識別出來，在聚類中，被歸到相應的類別。另外，在前面提到過紫色地物對植被信息的提取會產生影響，在對原圖和聚類結果圖進行對照比較發現，在MSRHSI 處理圖中的紫色地物基本被歸為一類，和植被區別開來。圖5 顯示了整個樣本區的處理結果，陰影區的植被和非陰影區植被也被歸到相應的類別中。把這兩個類別合并，制作成提取植被信息的掩膜，另外，圖6 顯示，陰影區中行道樹被識別出來。

利用其掩膜可以提取彩紅外影像中的植被信息。方案流程如圖1 所示。利用圖5(d)的聚類結果或圖6 的掩膜，可以算出樣本區的植被覆蓋面積，見表2 末行數據，樣本區的面積約為1951118 平方米，其覆蓋率約為42.0%。

對原始圖作監督分類，類似草坪的植被區易于識別，但在林區存在零碎的陰影，在這部分區域，雖然操作者可以主觀判別之，但很難選其為樣本訓練區，這樣就造成了大量的植被信息被丟失，在陰影區中，地物存在異物同譜現象，人的主觀判別就存在偏差，所以，表2 中監督分類行的陰影中的植被統計面積就少了很多，表中第3行數據表明利用原始影像聚類所得到結果，遠遠超過實際的植被面積，聚類沒能夠將陰影中的不同地物區分開。

圖6 由MSRHSI 聚類圖得到的植被掩膜

表2 監督分類(原始圖)和聚類結果 單位：m2

2 總 結

在彩紅外遙感影像處理中，Retinex 可以得到很好的應用，其算法核心是卷積算子的選擇，高斯函數具有相當的普遍性，并且正態分布是自然界中最普遍的分布。另外，高斯函數的傅利葉變換仍為高斯函數，根據卷積定理，可以把算法中的卷積運算從空間域轉換為頻率域的乘法運算，這樣可以減少工程運算量，實現工程效率與工程量相關，而與算法無關。在影像處理中，沒有通用的方法，在項目中，采用分層提取的思想，先提取干擾源的信息（陰影區和紫色地物），再利用算術等運算提取所需要的信息，避免了不同地物之間的相互干擾?？傊?，在實際工程應用中，要綜合各種成熟的理論技術來構造技術復雜度低和可操作性強（即達到實際工程效率的需求）的處理方法模型，來解決工程中的實際問題。

[1] Land E H, McCann J J. Lightness and retinex theory [J]. Journal of the Optical Society of America, 1971, 61(1): 1-11.

[2] Edwin H Land. The retinex theory of color vision [J]. Scientific American, 1977, 237(6): 108-129.

[3] Land E. Recent advances in Retinex theory and some implications for cortical computations [J]. Proc. Nat. Acad. Sci., 1983, 80: 5163-5169.

[4] Edwin H Land. Recent advances in Retinex theory [J]. Vision Research, 1986, 26(1): 7-21.

[5] Rahman Z. Properties of a center/surround Retinex, part 1: signal processing design [R]. NASA Contractor Rep. 198194, 1995.

[6] Jobson D J, Woodell G A. Properties of a center/surround retinex, part 2: surround design [R]. NASA Tech. Memo. 110188, 1995.

[7] Daniel J Jobson, Zia-ur Rahman, Glenn A Woodell. Properties and performance of a center/surround Retinex [J]. IEEE Transactions on Image Processing, 1997, 6(3): 451-462.

[8] Daniel J Jobson, Zia-ur Rahman, Glenn A Woodell. A multi-scale retinex for bridging the gap between color images and the human observation of scenes [J]. IEEE Transactions on Image Processing, 1997, 6(7): 965-976.

[9] Wang Zi-wu, Xie Ya-long, Ma Yuan-jiao, et al. Measuring urban vegetation ratios for kunming city areas from infrared color aerial photographs[C]//IEEE International Conference on Information Acquisition, 2006, 2: 1101-1106.

[10] 王子武, 靳 錦, 解亞龍, 等. 基于TM影像自動提取昆明城區區域變化信息的應用[J]. 云南大學學報(自然科學版), 2006, 28(6): 492-496.