城市遙感影像陰影檢測與補償方法研究（二）

提取的陰影區(qū)域邊緣產(chǎn)生誤差。為修正這種誤差，采用一種具有較好邊緣性的近紅外）波長最長，散射光最小，陰影區(qū)域與非陰影區(qū)域目標地物反射率差值點，前者有很好的定位性，但邊緣誤差較大；后者有較好的邊緣性,但陰影提取的精度低。如果兩種方法能很好地結(jié)合起來，既有好的定位性，又有好的邊緣將大大提高。圖2-8就是這兩種方法92.4實際影響檢測效檢測結(jié)果如下圖（圖中黑色為檢測出的陰影區(qū)域，白色為檢測的非陰影區(qū)域）：(a)基于亮度的雙峰法(b)歸一化互相關(guān)函數(shù)可以看出前兩種方法對陰影的檢測結(jié)果差別，主要原因由于而歸一測陰影時，利用了亮度近似線性變化這一特點，因此當(dāng)亮度有突然的明為陰影。而雙峰法，當(dāng)我們選取了比較合適的閾值，就能把陰影和光照絕大多數(shù)圖片，這種方法提取出的部分，幾乎都是陰影區(qū)域，只帶有少點。如圖(a)所示，圖中非常小且分布不規(guī)則的斑點有些是樹蔭，有些則是顏色較深的車輛的車頂，植被，屋頂?shù)取?a)和(b)圖其原理其實都是基于亮度變化進行的檢測，所以對亮度變化對這兩種方法的影響起決定性的作用。對于亮度較低的實物卻容易被然很低。同樣的情況還可能是顏色很深的房頂，這些比較深的顏色，在高分辨中，非常容易與影像自身的陰影相互混淆，因此在用雙峰法檢測時，造成很多的本質(zhì)屬性就是亮度很低，因此當(dāng)出現(xiàn)了顏色很深造成的影像中亮度值低的部目前還沒有比較成熟的方法，能夠精確的檢測出陰影的全部區(qū)域而不發(fā)生誤檢。3.1灰度線性映射的陰影補3.1.1灰度級線性變換圖像增強原要采取增強手段。圖像增強的方法分為空間域方法和頻率域方法兩大類，空間對圖像的像素直接處理為基礎(chǔ)的增強。空間域處理可g(x,y)=T[f(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 ,g僅依賴于f在(x,y)點的值，T操作成為灰度級變換函數(shù)，形式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是空間域圖像在增強的一種，也就是通過分段線性變整圖像灰度級的動態(tài)范圍。通過點(r1,s2)和點(r2，s2)的位置控制變換函數(shù)的形狀，(r1,s2)和(r2，s2)的中間值將產(chǎn)生輸出圖像中灰度級不同程度的展開，因而影響其對其中（3-4這一問題，對遙感影像中的灰度進行線性調(diào)整。從而使得陰影得到一定3.1.2圖像陰影補償處出，該圖像的陰影區(qū)域和圖像非陰影區(qū)域的灰度值比較接近，通過查看其灰度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：按照上述分析結(jié)果，要想使圖像部分和背景部分較好地分離，達到增強圖像的目的，可局部調(diào)整圖像的灰度值。采用對圖像的灰度級進行變換，使圖像對比度得到達到圖像增強的目的。這里筆者采用三段線性變換方法，調(diào)節(jié)中間交叉部分的灰度值直方圖上的雙峰分開，進而調(diào)節(jié)其灰度值，最理想的結(jié)果是將政府圖像布變成背景灰度和圖像灰度兩部分。具體的三段灰度根據(jù)灰度值分布分為：輸經(jīng)過上述灰度級線性變換圖像增強處理后，圖像的灰度值右側(cè)，陰影部分減弱了，圖像部分也變暗了。再調(diào)節(jié)整幅圖像的對比度，可將背景和圖像對比度增強。將現(xiàn)有灰度值范圍均勻分布，使其對比度增強，得到對比度增強后的處理圖像。經(jīng)過亮度和對比度調(diào)整后，可以看出，陰影和圖像進行了的下方還存在一定的灰度交叉現(xiàn)象，應(yīng)再進行相應(yīng)處理。采用高帽低帽想的效果。高帽低帽處理方法實際上是對灰度圖像進行一定的加減法計經(jīng)過高帽、低帽處理的圖像其灰度值偏向灰度直方圖的左景也增強了，且灰度值分布較為集中。再經(jīng)過灰度調(diào)整，使其均勻分布，得到灰度級線性變換圖像增強技術(shù)在處理灰度值分布呈雙峰形態(tài)的退化圖像增3.2基于直方圖均衡的補償方比度增強方法。直方圖拉伸和直方圖均衡化是兩種最常見的間接對比度增強方法。直方圖拉伸是通過對比度拉伸對直方圖進行調(diào)整，從而“擴大”前景和背景灰度的差別，以達到增強對比度的目的，這種方法可以利用線性或非線性的方法來實現(xiàn)；直方圖均衡化則通過使用累積函數(shù)對灰度值進行“調(diào)整”以實現(xiàn)對比度的增強基于直方圖的均衡處理正是基于直方圖的這一基本原理，具：（設(shè)某值域為[0,1]的單調(diào)增函數(shù)F(x)的反函數(shù)是F-1(x)，則考察F-1(b)的分布情況，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，布函數(shù)的反函數(shù)，就可能直接構(gòu)造出來（不過大部分是很難有簡一張圖片，可以看成是對現(xiàn)實景物的一次抽樣，就是一個樣本，樣看成是隨機變量，就某個特征，比如灰度，它有一定的分布，而直方圖就是它 ,均衡化就是先求出F(x)，把密度函數(shù)逐段求和就行了，再用F(x)作用每一個像素，將(a)處理前的原圖(b)左圖的直方圖(3-8(c)補償處理后的圖區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。直方圖均衡化就是對圖像進行非線性分配圖像像元值，是一定灰度范圍內(nèi)的像元數(shù)量大致相同。直方圖均衡化就是的直方圖分布改變成“均勻”分布直方圖分布。缺點：又由于是離散的變換，所以結(jié)果不會絕對均衡，有3.3其它方影像的算法和結(jié)果?？梢钥吹剑幱皡^(qū)地物特征信息被清晰顯現(xiàn)出來。設(shè)圖像R(x,y)任一離散點的灰度值為rk,圖像S(x,y)對應(yīng)點的灰度值為Sk式中：Sk[0,Ds]；Ds為影像S(x,y)的最大灰度值；rk[rmin,rmax]其中度線性映射變換的陰影區(qū)域影像和非陰影區(qū)域影像具有相同的灰度級別，不同。為使整幅影像合成后有較好的視覺效果,將陰影區(qū)域影像與非陰影區(qū)域影像進行直方圖的像元和處于非陰影區(qū)域邊界的像元，由于既有陰影部分，又有非陰影部分，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。為消除這種邊緣追蹤陰影區(qū)域和非陰影區(qū)域的邊界線，對這兩條邊界線上像元進行式中：f(x,y)為原影像灰度值；g(x,y)為處理后影像灰度值；S為兩條邊界線鄰域息從而得到目標識別的結(jié)果。這樣，就消除了陰影對目標識別的不利影響，從而樣相除得到的結(jié)果中，既保存了原始圖像的信息，又消除了圖像中Fac(1),Fac(2),...,Fac(N),圖像因子矩陣，它們?yōu)樗惴ㄖ忻看蔚鷰н\算得到的結(jié)果，其中間矩陣。Δ為閾值調(diào)整常量，Δ，閾值調(diào)整矩陣，各個元素為閾值調(diào)整常量Δ，矩陣Fh×ω,其中h為圖像的高度，ω為圖像的寬度，β為聯(lián)接強度，該算法中，每個神經(jīng)元的β均相同。α為聯(lián)接強度的衰減因子，‘’表示相同維數(shù)的矩陣中對應(yīng)元素進行相乘(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(xiàn)(i,j)分(8)調(diào)整閾值，θ=θ-Δ+100*Y。一方面，隨著時間的增加減回到(4)原始圖像經(jīng)過PCNN去陰影處理后，本分解成了多個圖像因子Fac(1),Fac(2),...,影就給有效的去除了。影后的圖像因子Fac(n)幾乎一樣，因此，目標識別時，可以用訓(xùn)練圖像的Fac(n)(n≥2)作為模板，將待識別圖像的Fac(n)(n≥2)與之相比，從而得到目標識別的結(jié)果。這樣，即使的增加，F(xiàn)ac(n)越來越淺，最后變?yōu)槿?，這可從算法中看出，實驗也證明了這一點，實際應(yīng)用中，可用Fac(2)作為模板。以下是我們分別采用灰度級線性變換和基于直方圖均衡處(a)直方圖均衡法的補償結(jié)果(b)灰從上圖可以看出，二者都能夠把原本陰影所造成的影響很大程度上的補償可以看到陰影區(qū)域內(nèi)部的景物。但是基于直方圖均衡的補償方法由于是結(jié)果不會絕對均衡，有時甚至?xí)乐厥д?。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(shù)在處理灰度discriminationofGeologicMaterialsin[4]許妙忠，余志惠.高分辨率衛(wèi)星影像中陰影的自動提取與處理[J].繪信息與工[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(xué)與影像[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