基于ENVI/IDL的遙感影像陰影區(qū)域內(nèi)水陸分割線的提取方法

廖旋芝，熊顯名,2，張文濤,2

(1.桂林電子科技大學(xué) 電子工程與自動化學(xué)院，廣西 桂林 541004；2.廣西高校光電信息處理重點(diǎn)實(shí)驗(yàn)室，廣西 桂林 541004)

基于ENVI/IDL的遙感影像陰影區(qū)域內(nèi)水陸分割線的提取方法

廖旋芝1，熊顯名1,2，張文濤1,2

(1.桂林電子科技大學(xué) 電子工程與自動化學(xué)院，廣西 桂林 541004；2.廣西高校光電信息處理重點(diǎn)實(shí)驗(yàn)室，廣西 桂林 541004)

針對遙感影像陰影區(qū)域內(nèi)水陸分割線的提取問題，提出一種結(jié)合C3分量和影像波段屬性的提取方法。在ENVI/IDL軟件平臺下，將多光譜影像和全色波段影像融合，生成高分辨率多光譜影像，由RGB彩色空間構(gòu)建C1C2C3彩色不變特征中的C3分量，以檢測影像中的陰影部分，結(jié)合水體對近紅外波段的強(qiáng)吸收特性，采用C3分量與NIR波段的比值圖像，突出陰影區(qū)域水體與陸地的邊界。利用Otsu閾值分割、形態(tài)學(xué)濾波算法和邊緣檢測，提取陰影區(qū)域的水陸分割線，并與直接用近紅外波段分割方法比較。實(shí)驗(yàn)結(jié)果表明，本方法對陰影區(qū)域內(nèi)的水陸分割線提取具有較高的精度和效率。

水陸分割線提?。魂幱皡^(qū)域；ENVI/IDL；C1C2C3彩色不變特征；水體光學(xué)特性

水陸分割線包括海岸線、湖泊岸基、水塘邊岸等水體與陸地的分界線[1]，其在湖泊、海岸管理與海洋環(huán)境保護(hù)中發(fā)揮重要作用，且具有行政意義[2-3]。在地震災(zāi)區(qū)，快速檢測堰塞湖邊界，以此評估受災(zāi)程度[4]。但由于光照條件所限，水域邊界物體陰影覆蓋水陸邊界線，對實(shí)際提取有一定影響，如山背面的蓄水湖、河流以及受災(zāi)時的堰塞湖邊界線等，容易將陰影邊界或?qū)嶋H物體受光照界線作為水陸分割線，特別是用近紅外波段進(jìn)行水陸分割時，很容易將亮度值低的陰影邊界當(dāng)成分割線[5]，這對影像處理和后續(xù)分析不利。

為此，提出一種結(jié)合陰影區(qū)域檢測和水體光譜特性的方法，提取水陸分割線。在陰影區(qū)域檢測方法主要分為基于模型和基于影像陰影性質(zhì)2種?；谀Ｐ偷姆椒ㄐ枰F(xiàn)場數(shù)據(jù)、光照情況[6-8]，建立分析模型[8-9]，此方法具有較大的局限性。基于陰影性質(zhì)的檢測有RGB色彩空間[10]、HSV色彩空間[11-12]和YIQ色彩空間[13]等方法。Tsai等[14]針對航空數(shù)字影像，提出C1C2C3彩色不變特征空間方法檢測陰影，得出C3分量更有利于陰影區(qū)域檢測，此特性被應(yīng)用于本方法中。在水體光譜特性方面，水體在近紅外波段具有強(qiáng)吸收特性，表現(xiàn)在近紅外波段影像上的灰度值很低，明顯區(qū)別于陸地和植被。本方法正是通過先檢測影像中的陰影區(qū)域，再依據(jù)水體的近紅外波段的光譜特性，提取陰影區(qū)域內(nèi)的水陸分割線。

1 研究方法

1.1 陰影區(qū)域檢測

1.1.1C1C2C3彩色不變特征空間

QuickBird影像具有多光譜(分辨率為2.44 m，包含紅、綠、藍(lán)和近紅外4個波段)和全色影像(分辨率為0.61 m)。影像處理前，利用Pan Sharpening融合方式，將多光譜與全色影像在ENVI下進(jìn)行融合，生成高分辨率多光譜影像，融合的影像進(jìn)行彩色空間轉(zhuǎn)換。由于C1C2C3彩色不變特征空間與RGB彩色空間具有一種關(guān)系函數(shù)[15]，C1C2C3彩色空間變量與RGB彩色空間變量轉(zhuǎn)換公式為：

C1C2C3彩色空間是通過非線性變化得到的只對反射光敏感的彩色空間，采用彩色空間的轉(zhuǎn)換檢測陰影是最好的非線性變換[16]。利用IDL編寫轉(zhuǎn)換函數(shù)，在ENVI下用Band Math功能直接調(diào)用編寫的功能函數(shù)運(yùn)行，即可獲得C3分量圖像。

根據(jù)物體光照模型，陰影區(qū)與非陰影區(qū)RGB通道亮度差值為：

ΔIR=cos θ∫λKd(λ)I1(λ)SR(λ)dλ；

(4)

ΔIG=cosθ ∫λKd(λ)I1(λ)SG(λ)dλ；

(5)

ΔIB=cosθ ∫λKd(λ)I1(λ)SB(λ)dλ。

(6)

其中SR(λ)、SG(λ)、SB(λ)分別對應(yīng)R、G、B通道的通頻帶[17]。由于Kd與光線波長成正比，Kd(λ)中R通道最大，B通道最小，可得

ΔIR>ΔIG>ΔIB。

(7)

陰影區(qū)域中，R、G分量下降較多，B分量下降最少，相當(dāng)于增加了陰影區(qū)域的藍(lán)色分量。

試驗(yàn)1：毒餌噴撒機(jī)掛接在JDT-654型拖拉機(jī)后，在發(fā)動機(jī)空載情況下，分別操縱力、位調(diào)節(jié)手柄升降毒餌噴撒機(jī)10次(升降角度范圍0～36°)，試驗(yàn)次數(shù)2次，記下試驗(yàn)數(shù)據(jù)。

由式(7)可知，C1C2C3彩色不變特征中的C3為B分量與R和B中大值的比值，突出了B分量。

1.1.2 近紅外波段水體吸收特性

在多光譜波段中，天然水體對近紅外波段的吸收明顯高于其他3個波段，幾乎吸收了全部能量[18]，體現(xiàn)在NIR波段灰度影像上，水體區(qū)域的亮度值很低，明顯區(qū)別于陸地。上述分析的C3分量圖像中，陰影區(qū)域內(nèi)的水體亮度值比陰影區(qū)域內(nèi)的非水體區(qū)域高。為此，將C3分量NIR波段進(jìn)行比值處理，突出陰影區(qū)域內(nèi)的水體。

1.2 水陸分割線提取

在生成的C3/NIR比值圖像上進(jìn)行水陸分割線提取，利用Otsu閾值分割、形態(tài)學(xué)閉運(yùn)算和Laplacian二階微分算子邊緣提取功能提取水陸分割線。陰影區(qū)域水陸分割線提取流程如圖2所示。提取方法步驟為：

圖1 陰影區(qū)域水陸分割線提取流程 Tab.1 Flow chart of split line extraction in shadow area

1)將多光譜影像與全色波段影像用Pan Sharpening方法進(jìn)行融合，生成高分辨率多光譜影像，得到既保留光譜信息又增加了空間分辨率的影像。

2)利用彩色空間變換公式，從RGB彩色空間轉(zhuǎn)換到C1C2C3彩色不變特征空間，得到C3分量，同時在融合后的影像中抽離NIR波段影像。

3)對C1C2C3彩色不變特征空間的C3分量與NIR波段進(jìn)行比值運(yùn)算，得到比值圖像。

4)對比值圖像采用Otsu閾值分割，獲得包括陰影區(qū)域內(nèi)的水體與陸地二值化圖像。

5)對二值化圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)閉運(yùn)算(即先進(jìn)行膨脹再腐蝕)剔除孤立點(diǎn)，填充小孔，用Laplacian二階微分算子提取邊緣，最后進(jìn)行一次中值濾波再次濾除噪聲，使分割線更加平滑和連續(xù)。

6)將提取的分割線疊加在融合后的高分辨率多光譜圖像上顯示，觀察效果。

2 實(shí)驗(yàn)與分析

通過截取2個在陰影區(qū)域內(nèi)有水體與陸地的QuickBird影像區(qū)域驗(yàn)證本方法，得到的陰影區(qū)域內(nèi)的水陸分割線疊加顯示在RGB彩色影像上，便于可視化觀察。

區(qū)域A中，融合效果和C3分量影像如圖2(a)和(b)所示。在圖2(b)中，紅線穿過陰影區(qū)域內(nèi)的水體

圖2 區(qū)域A的分割效果 Tab.2 Segmentation result of area A

和陸地，截面圖顯示紅線上的灰度值變化，由此截面圖可以看出陰影區(qū)域內(nèi)的水體亮度平均值大于陸地。圖2(c)為采用近紅外波段分割水陸得到的融合圖像。本方法所得圖像如圖2(d)所示，可以看出，陰影區(qū)域內(nèi)的水陸分割線能夠分割水體和非水體，與近紅外方法相比，豐富了很多細(xì)節(jié)。

區(qū)域B中，近紅外波段分割和本方法分割效果分別如圖3(c)和(d)所示。與近紅外波段分割相比，本方法避開了大部分白泡云的干擾，線島岸線描繪得更加實(shí)際具體。從圖2可看出，本方法比近紅外波段方法更為準(zhǔn)確地反映出水陸分割線。

圖3 區(qū)域B的分割效果 Tab.3 Segmentation result of area B

3 結(jié)束語

針對遙感影像中水陸分割線被陰影覆蓋的情況，提出的方法是：先檢測含水體的陰影區(qū)域，然后與近紅外波段做比值，突出陰影區(qū)域內(nèi)的水陸差異，以此提取水陸分界線。通過影像的實(shí)驗(yàn)驗(yàn)證，此方法能提取水陸分割線。與采用近紅外波段閾值分割比較，分割效果更好。但也存在一些不足，具體表現(xiàn)在檢測陰影時，一定程度上還存在易將水體與陰影混淆，需今后進(jìn)一步研究。

[1] 黃忠剛，哲張，容羅，等.海洋劃界法理與領(lǐng)?；c(diǎn)信息系統(tǒng)建立[J].海洋測繪，2011,31(5):79-81.

[2] AEDLA R,DWARAKISH G S,REDDY D V.Automatic shoreline detection and change detection analysis of Netravati-Gurpur rivermouth using histogram equalization and adaptive thresholding techniques[J].Aquatic Procedia,2015,4:563-570.

[3] LI Xuejie,DAMEN M C J.Coastline change detection with satellite remote sensing for environmental management of the Pearl River Estuary,China[J].Journal of Marine Systems,2010,82:s54-s61.

[4] 陳曉玲，陸建忠，蔡曉斌，等.基于空間信息技術(shù)的堰塞湖庫容分析方法研究將[J].遙感學(xué)報，2008,12(6):885-982.

[5] 虢建宏，田慶久，吳昀昭.遙感影像陰影多波段檢測與去除理論模型研究[J].遙感學(xué)報，2006,10(02):151-159.

[6] ZHANG Xukai,ZHANG Xia,LAN Qiongqiong,et al.Automated detection of coastline using Landsat TM based on water index and edge detection methods[C]//2012 Second International Workshop on Earth Observation and Remote Sensing Applications,2012:153-156.

[7] AREVALO V,GONZALEZ J,AMBROSIO G.Shadow detection in colour high-resolution satellite images[J].International Journal of Remote Sensing,2008,29(7):1945-1963.

[8] SCHULMANN T,KATURJI M,ZAWAR-REZA P.Seeing through shadow:modelling surface irradiance for topographic correction of Landsat ETM+ data[J].ISPRS Journal of Photogrammetry and Remote Sensing,2015,99:14-24.

[9] MAYER B,HOCH S W,WHITEMAN C D.Validating the mystic three-dimensional radiative transfer model with observations from the complex topography of Arizona’s Meteor Crater[J].Atmos Chem Phys,2010,26:8685-8696.

[10] 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(shù)，2002,26(12):7-8.

[11] MA H J,QIN Q M,SHEN X Y.Shadow segmentaion and compensation in high resolution satellite images[C]//IEEE International Geoscience and Remote Sensing Symposium,2008:Π-1036-Π-1039

[12] TSAI V J D.A comparative study on shadow compensation of color aerial images in invariant color models[J].IEEE Transactions on Geoscience and Remote Sensing,2006,44(6):1671-1771.

[13] 喻紅艷，李利軍.彩色航空影像中的建筑物陰影提取[J].科學(xué)技術(shù)與工程，2007,7(7):1389-1393.

[14] TSAI V J D.Automatic shadow detection and radiometric restoration on digital aerial images[C]//2003 IEEE International Proceedings on Geoscience and Remote Sensing Symposium,2003:732-733.

[15] DGT GEVERS T,SMEULDERS A W M.Color-based object recognition[J].Pattern Recognition,1999,32(3):53-464.

[16] SARABANDI P,YAMAZAKI F,MATSUOKA M,et al.Shadow detection and radiometric restoration in satellite high resolution images[C]//2004 IEEE International Proceedings on Geoscience and Remote Sensing Symposium,2004:3744-3747.

[17] 唐亮，謝維信，黃建軍.城市彩色航空影像中的陰影檢測[J].中國體視學(xué)與圖像分析，2003,8(3):129-133.

[18] 劉峰，張繼賢，靳奉祥，等.地物波譜研究現(xiàn)狀及方法的初步探討[J].北京測繪，2005(3):1-6.

編輯：翁史振

An approach for split line extraction of water and land from shadow area of remote sensing images based on ENVI/IDL

LIAO Xuanzhi1, XIONG Xianming1,2, ZHANG Wentao1,2

(1.School of Electronic Engineering and Automation, Guilin University of Electronic Technology, Guilin 541004, China;2.Guangxi Colleges and Universities Key Laboratory of Optoelectronic Information Processing, Guilin 541004, China)

For extracting split line of water and land in the shadow area, an approach had been proposed which combined theC3component and band properties of images. The algorithm in this paper implemented on ENVI/IDL software platform; firstly, By fusing multispectral images and panchromatic image to generate high resolution multi spectral image. For distinguishing shaded portion of the images, theC3component ofC1C2C3color invariants had been established by RGB color space. The boundary of water and land in shadow area had been highlighted through ratio ofC3and NIR which based on strong absorption properties of water in near-infrared band. Finally, the split line extracted via Otsu threshold segmentation, mathematical morphology algorithm and edge detection. And compare with directly segmentation by NIR. The experimental results indicate that the proposed approach of extract split line of water and land performs higher precision and efficiency.

split line extraction of water and land; shadow area; ENVI/IDL;C1C2C3color invariants; water inherent optical property

2016-02-29

廣西自然科學(xué)基金(2014GXNSFGA118003)；廣西教育廳科研項(xiàng)目(ZD2014057)；桂林市科學(xué)研究與技術(shù)開發(fā)計劃(20150133-3)

熊顯名(1964-)，男，廣西桂林人，研究員，研究方向?yàn)闇\海、水色遙感技術(shù)。E-mail:xmxiong@guet.edu.cn

廖旋芝，熊顯名，張文濤.基于ENVI/IDL的遙感影像陰影區(qū)域內(nèi)水陸分割線的提取方法[J].桂林電子科技大學(xué)學(xué)報，2016,36(6):500-503.

TP751.1;P237

A

1673-808X(2016)06-0500-04