結合YCbCr和主成分分析的遙感陰影檢測方法

謝文韜，王書涵，雷宇斌，龍城仕，劉華光，劉正才*

（1. 湘潭大學土木工程學院，湖南 湘潭 411100；2. 湖南科技大學地理空間信息技術國家地方聯合工程實驗室，湖南 湘潭 411201；3. 湖南省第一測繪院，湖南 長沙 410004）

隨著高分辨率遙感影像的發展，影像陰影處理對影像后續處理的影響越來越重要。陰影可用于對地物進行三維重建、建筑高度反演等，但會遮擋地物，導致部分地物的亮度降低，從而影響遙感影像的總體質量[1]。因此，準確檢測遙感影像中的陰影區域，具有非常重要的意義[2]。高分辨率遙感影像陰影區域檢測方法主要包括基于模型和基于陰影性質[3]兩類，基于模型的方法要求高、條件苛刻，難以實現，因此目前偏向于采用基于陰影性質的方法進行陰影檢測。Tsai V J D[4]利用比值法，基于各種顏色空間進行陰影檢測；楊猛[5]等利用直方圖閾值法分割C1C2C3顏色空間中的C3 分量，從而提取陰影區域；楊俊[6]等基于HIS空間陰影區域飽和度高、亮度低的特點，利用雙閾值的檢測方法提取陰影；葛樂[7]等利用陰影概率約束方法在主成分分析（PCA）變換和HIS 空間變換后提取陰影；Leone A[8]等提出了自適應背景差分的陰影檢測方法；于東方[9]提出了一種基于灰度直方圖的建筑陰影自動檢測方法。上述算法均能較準確地提取陰影，但也存在一些問題：①陰影、水體、藍色地物特征較相似，易出現混檢；②形態學運算將植被陰影等細小的陰影去除了，雖然更加清晰美觀，但影響了真實陰影檢測。本文在分析已有算法的基礎上[10-15]，根據Tsai V J D[4]的結論，結合YCbCr比值算法的優勢，提出了一種轉換到YCbCr空間并結合PCA 變換的陰影提取方法。

1 方法描述

1.1 PCA變換下的陰影特征

PCA變換是一種通過線性變換將具有相關性的多維數據集中到非相關的少數幾維上的降維方法。本文采用高分二號（GF-2）融合遙感影像進行PCA 變換，變換后第一主成分包含了融合影像90%以上的信息，且陰影區域在第一主成分具有位于負值最小端或正值最大端的特征[16]，根據該特征可粗略提取陰影。為了更好地突出影像陰影區域，對第一主成分分量進行歸一化處理。隨機查看陰影部分像素值，若為正值，則對影像像素值負值取零，正值不變，再利用式（1）進行歸一化；若為負值，則正值取零，負值不變，再利用式（2）進行歸一化。

式中， PC1nor+、 PC1nor-為歸一化的第一主成分分量，取值范圍為0～1；PC1+、PC1-分別為影像相應像素值；max(PC1+)、min(PC1-)分別為第一主成分分量中的最大值和最小值。

某實驗區GF-2 號遙感影像融合影像（圖1a）經過PCA、第一主成分分量歸一化后，在該影像上畫一條經過各種典型地物的折線（圖1b），折線提取地物的像素值見圖1c，可以看出，陰影的像素值最高，且陰影區域數據沒有丟失，建筑物、植被等像素值較小或歸零了。

圖1 PCA第一主成分歸一化分析圖

1.2 YCbCr空間變換的陰影特征

YCbCr空間常用于影片中的影像連續處理或數字攝影系統中。本文采用經過伽馬修正編碼處理的YCbCr空間，其中Y分量為亮度分量，即灰階值；Cb、Cr分量為藍色和紅色的濃度偏移量[17]。

由參考文獻[17]可知，在陰影區域中Cb分量像素值較高、Y分量像素值較低，這是植被、建筑等地物不具備的特征。根據陰影指數提取算法，為進行數據統一運算，需對YCbCr空間的Y分量和Cb分量進行歸一化處理，使其特征值取值在[0,1]。

式中， max(Y)、max(Cb)分別為Y、Cb分量的最大特征值。

1.3 歸一化陰影指數和水體指數

周堅華[18]等根據HIS 顏色空間的S分量和I分量在陰影區域與其他地物的差別，提出了歸一化陰影指數（NDUI），即

本文采用水體指數NDWI[19]，根據水體具有綠光波段反射率高、近紅外波段反射率低的特點提取水體，即

式中，G、NIR 分別為綠光波段和近紅外波段分量。

2 陰影檢測方法

2.1 構建陰影指數

本文通過分析陰影區域和若干典型地物在PCA 第一主成分、Y分量、Cb分量歸一化后的特征（圖2），構建陰影指數SII。

圖2 陰影和若干典型地物的歸一化值特征

由圖2可知，陰影區域和水體在PC1nor的值遠大于其他地物，而在Ynor分量的值小于其他地物，因此通過差值法即可區分陰影和水體與其他地物，且陰影在Cbnor分量的值更大。基于此，本文構建陰影指數SII，即

式中，PC1nor、Ynor和Cbnor的取值范圍均為0～1；SII的取值范圍為-1～1。

2.2 陰影提取流程

本文的陰影提取步驟為：①對GF-2號影像的8 m多光譜影像和2 m全色影像進行融合處理，得到融合影像；②對融合影像進行PCA變換，并對第一主成分進行歸一化處理，得到PC1nor；③將融合影像進行色彩空間變換，得到YCbCr空間影像；④對YCbCr空間的Y、Cb分量影像進行歸一化處理；⑤構造SII指數，得到陰影檢測影像；⑥判斷是否有水體，若沒有，則直接進行OTSU閾值分割得到陰影區域，若有，則利用NDWI對融合影像進行水體檢測以及小斑塊去除后處理，消除噪聲得到水體，再利用邏輯差運算得到陰影區域。

3 實驗結果與分析

為驗證本文方法的準確性，基于GF-2 號融合影像選取無水體和有水體兩個實驗區，將本文方法與NDUI、C1C2C3[20]、SI 方法[21]進行對比分析，結果見圖3、4，陰影區域用白色表示，背景用黑色表示，可以看出，與人工標定的結果相比，利用本文方法、NDUI、C1C2C3 和SI 方法均能提取大部分陰影；但NDUI、C1C2C3 和SI 方法提取的細節陰影效果明顯不如本文方法，且不能有效區分水體和陰影，而本文方法能很好地去除水體的影響。為了更好地顯示陰影檢測結果圖像，本文未進行細小陰影處理，但卻能更加真實地反映陰影的實際情況。

圖3 實驗區一陰影檢測結果

圖4 實驗區二陰影檢測結果

本文采用像元提取數、正確提取數進行定量評價[20]，結果見表1，可以看出，本文方法的像元提取數更接近人工標定像元個數，正確提取數均高于90%；而NDUI、C1C2C3 和SI 方法的正確提取數均小于90%，本文方法檢測效果明顯優于其他方法。由于保留了植被等地物的細小陰影，正確率會有所下降。

表1 陰影檢測結果客觀評價指標

式中，T為人工提取像元個數；TP為陰影區檢測為陰影區的像元個數；FC為提取精度。

4 結 語

本文對GF-2 號融合影像的地物陰影提取進行了研究，提出了YCbCr空間和PCA 相結合的陰影檢測方法。實驗結果表明，本文方法能很好地去除水體、植被對陰影的影響，提取的陰影區域比較完整；但對細小的陰影提取效果還有待加強。