城市遥感影像阴影检测与补偿方法研究（二）

提取的阴影区域边缘产生误差。为修正这种误差，采用一种具有较好边缘性的近红外）波长最长，散射光最小，阴影区域与非阴影区域目标地物反射率差值点，前者有很好的定位性，但边缘误差较大；后者有较好的边缘性,但阴影提取的精度低。如果两种方法能很好地结合起来，既有好的定位性，又有好的边缘将大大提高。图2-8就是这两种方法92.4实际影响检测效检测结果如下图（图中黑色为检测出的阴影区域，白色为检测的非阴影区域）：(a)基于亮度的双峰法(b)归一化互相关函数可以看出前两种方法对阴影的检测结果差别，主要原因由于而归一测阴影时，利用了亮度近似线性变化这一特点，因此当亮度有突然的明为阴影。而双峰法，当我们选取了比较合适的阈值，就能把阴影和光照绝大多数图片，这种方法提取出的部分，几乎都是阴影区域，只带有少点。如图(a)所示，图中非常小且分布不规则的斑点有些是树荫，有些则是颜色较深的车辆的车顶，植被，屋顶等。(a)和(b)图其原理其实都是基于亮度变化进行的检测，所以对亮度变化对这两种方法的影响起决定性的作用。对于亮度较低的实物却容易被然很低。同样的情况还可能是颜色很深的房顶，这些比较深的颜色，在高分辨中，非常容易与影像自身的阴影相互混淆，因此在用双峰法检测时，造成很多的本质属性就是亮度很低，因此当出现了颜色很深造成的影像中亮度值低的部目前还没有比较成熟的方法，能够精确的检测出阴影的全部区域而不发生误检。3.1灰度线性映射的阴影补3.1.1灰度级线性变换图像增强原要采取增强手段。图像增强的方法分为空间域方法和频率域方法两大类，空间对图像的像素直接处理为基础的增强。空间域处理可g(x,y)=T[f(x,y)]（3-1其中f(x,y)是输入图像，g(x,y)是处理后的图像，T是对f一种操作，(x，y)是图 ,g仅依赖于f在(x,y)点的值，T操作成为灰度级变换函数，形式s=T(r)（3-2其中s和r分别为g(x,y)和f(x,y)在任意点(x,y)的灰度级灰度级线性变换增强是空间域图像在增强的一种，也就是通过分段线性变整图像灰度级的动态范围。通过点(r1,s2)和点(r2，s2)的位置控制变换函数的形状，(r1,s2)和(r2，s2)的中间值将产生输出图像中灰度级不同程度的展开，因而影响其对其中（3-4这一问题，对遥感影像中的灰度进行线性调整。从而使得阴影得到一定3.1.2图像阴影补偿处出，该图像的阴影区域和图像非阴影区域的灰度值比较接近，通过查看其灰度从图像的灰度值直方图分布可以看出，该图像的灰度值分布呈双峰分布：按照上述分析结果，要想使图像部分和背景部分较好地分离，达到增强图像的目的，可局部调整图像的灰度值。采用对图像的灰度级进行变换，使图像对比度得到达到图像增强的目的。这里笔者采用三段线性变换方法，调节中间交叉部分的灰度值直方图上的双峰分开，进而调节其灰度值，最理想的结果是将政府图像布变成背景灰度和图像灰度两部分。具体的三段灰度根据灰度值分布分为：输经过上述灰度级线性变换图像增强处理后，图像的灰度值右侧，阴影部分减弱了，图像部分也变暗了。再调节整幅图像的对比度，可将背景和图像对比度增强。将现有灰度值范围均匀分布，使其对比度增强，得到对比度增强后的处理图像。经过亮度和对比度调整后，可以看出，阴影和图像进行了的下方还存在一定的灰度交叉现象，应再进行相应处理。采用高帽低帽想的效果。高帽低帽处理方法实际上是对灰度图像进行一定的加减法计经过高帽、低帽处理的图像其灰度值偏向灰度直方图的左景也增强了，且灰度值分布较为集中。再经过灰度调整，使其均匀分布，得到灰度级线性变换图像增强技术在处理灰度值分布呈双峰形态的退化图像增3.2基于直方图均衡的补偿方比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实现；直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强基于直方图的均衡处理正是基于直方图的这一基本原理，具：（设某值域为[0,1]的单调增函数F(x)的反函数是F-1(x)，则考察F-1(b)的分布情况，这个定理说明了均匀分布的随机变量的地位，对于任意分布的随机变量，布函数的反函数，就可能直接构造出来（不过大部分是很难有简一张图片，可以看成是对现实景物的一次抽样，就是一个样本，样看成是随机变量，就某个特征，比如灰度，它有一定的分布，而直方图就是它 ,均衡化就是先求出F(x)，把密度函数逐段求和就行了，再用F(x)作用每一个像素，将(a)处理前的原图(b)左图的直方图(3-8(c)补偿处理后的图区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性分配图像像元值，是一定灰度范围内的像元数量大致相同。直方图均衡化就是的直方图分布改变成“均匀”分布直方图分布。缺点：又由于是离散的变换，所以结果不会绝对均衡，有3.3其它方影像的算法和结果。可以看到，阴影区地物特征信息被清晰显现出来。设图像R(x,y)任一离散点的灰度值为rk,图像S(x,y)对应点的灰度值为Sk式中：Sk[0,Ds]；Ds为影像S(x,y)的最大灰度值；rk[rmin,rmax]其中度线性映射变换的阴影区域影像和非阴影区域影像具有相同的灰度级别，不同。为使整幅影像合成后有较好的视觉效果,将阴影区域影像与非阴影区域影像进行直方图的像元和处于非阴影区域边界的像元，由于既有阴影部分，又有非阴影部分，射光的差异，形成阴影边界的亮边缘和非阴影边界的暗边缘。为消除这种边缘追踪阴影区域和非阴影区域的边界线，对这两条边界线上像元进行式中：f(x,y)为原影像灰度值；g(x,y)为处理后影像灰度值；S为两条边界线邻域息从而得到目标识别的结果。这样，就消除了阴影对目标识别的不利影响，从而样相除得到的结果中，既保存了原始图像的信息，又消除了图像中Fac(1),Fac(2),...,Fac(N),图像因子矩阵，它们为算法中每次碟带运算得到的结果，其中间矩阵。Δ为阈值调整常量，Δ，阈值调整矩阵，各个元素为阈值调整常量Δ，矩阵Fh×ω,其中h为图像的高度，ω为图像的宽度，β为联接强度，该算法中，每个神经元的β均相同。α为联接强度的衰减因子，‘’表示相同维数的矩阵中对应元素进行相乘(7)IfY(i,j)=1，Yout(i,j)=θ(i,j)，Temp(i,j)=F(i,j)/Yout(i,j),(i=1,...,h；j=1,...,ω)；Y(i,j)，Yout(i,j)，θ(i,j)，Temp(i,j)，F(i,j)分(8)调整阈值，θ=θ-Δ+100*Y。一方面，随着时间的增加减回到(4)原始图像经过PCNN去阴影处理后，本分解成了多个图像因子Fac(1),Fac(2),...,影就给有效的去除了。影后的图像因子Fac(n)几乎一样，因此，目标识别时，可以用训练图像的Fac(n)(n≥2)作为模板，将待识别图像的Fac(n)(n≥2)与之相比，从而得到目标识别的结果。这样，即使的增加，Fac(n)越来越浅，最后变为全白，这可从算法中看出，实验也证明了这一点，实际应用中，可用Fac(2)作为模板。以下是我们分别采用灰度级线性变换和基于直方图均衡处(a)直方图均衡法的补偿结果(b)灰从上图可以看出，二者都能够把原本阴影所造成的影响很大程度上的补偿可以看到阴影区域内部的景物。但是基于直方图均衡的补偿方法由于是结果不会绝对均衡，有时甚至会严重失真。从图(a)中我们也可以看出有模糊失真的效果。而相比之下灰度级线性变换图像增强技术在处理灰度discriminationofGeologicMaterialsin[4]许妙忠，余志惠.高分辨率卫星影像中阴影的自动提取与处理[J].绘信息与工[5]唐亮，谢维信，黄建军.城市彩色航空影像中的阴影检测.中国体视学与影像[8]王树根，王军利，郭丽艳.基于K-L变换的彩色航空影像阴影检测[J].测绘信