（地图学与地理信息系统专业论文）quickbird卫星影像的阴影检测及提取方法研究.pdf

摘要 近年来，高分辨率遥感影像在人类日常生活中扮演了越来越重要的角色，比如 i k o n o s 、q u i c k b i r d 、o r b v i e w 和w o r l d v i e w 等高分辨率卫星影像在城市环境、精准农业、 交通设施、林业测量、军事目标识别和灾害评估中得到应用。它们的特点是细节信息极 为丰富，但是如何快速、自动识别和提取影像信息，使遥感技术应用的深度和精度得以 提高面临新的挑战。 阴影是遥感影像中普遍存在的问题。高分辨率卫星的高度相对较低，阴影更是高分 辨率遥感影像的基本特征之一。在市区，高大建筑物在高分辨率卫星影像上会产生明显 阴影，导致阴影区域的地物信息严重丢失，不仅降低视觉判读效果，且影响影像处理， 甚至产生错误结果。阴影的检测对于高分辨率卫星影像的目标识别和信息恢复十分关 键。 本文以提取高分辨率q u i c k b i r d 遥感影像上阴影边缘为研究目标。在系统分析当前影 像阴影检测方法和理论研究现状的基础上，运用小波分析法，结合q u i c k b i r d 卫星影像的 纹理特征，对影像阴影进行检测及提取方法研究，实现了阴影边缘的检测及提取。 全文共分为五个部分。第一章主要阐述论文的选题依据和研究背景，分析了高分辨 率遥感影像阴影提取的国内外研究现状和发展趋势，最后介绍了论文的结构和组织情 况。第二章主要讨论了遥感影像上阴影的特点和性质，对阴影的边缘特征，光谱特征做 了综合分析。第三章主要阐述 q u i c k b i r d 影像的纹理特征，总结了现有的纹理分析方法 以及他们的不足。第四章论述了现有的小波分析方法，并利用d b 标准正交紧支小波基 不同窗口对q u i c k b i r d 影像进行纹理分析，最终验证边缘提取的精度并做精度评价。最后 对比分析哪种窗口更适合做阴影的提取。第五章结论和展望。 关键词：q u i c k b i r d 影像；阴影；纹理特征：小波分析 a b s t r a c t h i 曲r e s o l u t i o ns a t e l l i t ei m a g e ss u c ha s 0 n o s ，q u i c k b i r d ，o r b v i e wa n dw o r l d v i e w h a v ep l a y e dam o r ei m p o r t a n tr o l ei no u rl i f e w ec a ne x t r a c tm o r ed e t a i l e di n f o r m a t i o no n u r b a ne n v i r o n m e n t ，p r e c i s i o na g r i c u l t u r e ，t r a f f i cf a c i l i t ya n dm i l i t a r yt a r g e tf r o mh i g h r e s o l u t i o n i m a g e s t h o u g hh i g hr e s o l u t i o nr e m o t es e n s i n gi m a g e sp r o v i d eu s r i c h e r i n f o r m a t i o no fs u r f a c et a r g e t s ，h o wt oi d e n t i f ya n de x t r a c tf e a t u r e sf r o mt h e s ei m a g e s a u t o m a t i c a l l ya n dq u i c k l yh a sb e e nab i gc h a l l e n g e s h a d o wi sau s u a lp r o b l e mi nr e m o t es e n s i n gi m a g e s ，w h i c hb l o c k sp a r to ft h es u r f a c e i n f o r m a t i o n i ti sp a r t i c u l a r l yo b v i o u si nh i g hs p a t i a lr e s o l u t i o ns a t e l l i t ei m a g e r y e s p e c i a l l yi n d e n s eu r b a na r e a 。t h es h a d o w so ft a l lb u i l d i n g sb l o c kal o to fs u r f a c ei n f o r m a t i o n ，t h o s eo ft h e l o w e rb u i l d i n g sa l s os c r e e nal o to fi n f o l r m a t i o no fr o a d sa r o u n d t h et r e a t m e n to ft h es h a d o w p r o b l e mi nh i g h - r e s o l u t i o ns a t e l l i t ei m a g e si sp a r t i c u l a r l yi m p o r t a n t i nt h i st h e s i s ，w et r yt oe x t r a c tt h ee d g eo ft h es h a d o wi nq u i c k b i r di m a g e r y b a s e do n a c t u a l i t yo ft h et h e o r e t i c a lb a s i sa n dd e t e c t i o nm e t h o d so ft h es h a d o w , d bw a v e l e ta n a l y s i s m e t h o d ，c o m b i n e dw i t ht h et e x t u r ec h a r a c t e r i s t i e so fq u i c k b i r ds a t e l l i t ei m a g e r yi su s e dt o d e t e c ts h a d o w t h em l lt e x ti sd i v i d e di n t of i v ep a r t s t h ef i r s tc h a p t e rd i s c u s s e st h er e s e a r c ho ft h i s t h e s i s ，a n dt h e na n a l y z e st h es t a t e - o f - a r tt e c h n o l o g ya n dt r e n d so fs h a d o wi d e n t i f i c a t i o nf r o m h i g h - r e s o l u t i o nr e m o t es e n s i n gi m a g e s a n de x p l a i n st h et h e s i s s t r u c t u r ea n do r g a n i z a t i o n f i n a l l y c h a p t e ri if o c u s e so nt h ec h a r a c t e r i s t i c so ft h es h a d o wi nr e m o t es e n s i n gi m a g e r ya n d f u l f i l l sac o m p r e h e n s i v ea n a l y s i so ft h es h a d o we d g ec h a r a c t e ra n dt h es p e c t r a lf e a t u r e s c h a p t e ri i ir e v e a l st e x t u r ef e a t u r e so ft h eq u i c k b i r di m a g e ，a n ds u m m a r i z e st h ee x i s t i n g m e t h o d so ft e x t u r ea n a l y s i sa n dt h e i rd e f i c i e n c i e s c h a p t e ri vd i s c u s s e st h ee x i s t i n gm e t h o d s o fw a v e l e ta n a l y s i s ，a n dt h e nu s e st h ed bw a v e l e tb a s i n go nq u i c k b i r di m a g et e x t u r ea n a l y s i s w i t ht h ed i f f e r e n tw i n d o w s ，t h e nv e r i f i e st h ea c c u r a c yo fe d g ee x t r a c t i o na n de v a l u a t e st h e p r e c i s i o n a f t e rm a n yc o m p a r i n gt e s t s ，t h em o r es u i t a b l ew i n d o w sf o re x t r a c t i n gs h a d o w s a r e d e f i n e d c h a p t e rv m a k e sm a i nc o n c l u s i o n so ft h i ss t u d ya n dd i s c u s s e st h ep r o s p e c t so f s h a d o wd e t e c t i o n k e yw o r d s ：q u i c k b i r di m a g e r y ；s h a d o w ；t e x t u r ec h a r a c t e r i s t i c ；w a v e l e ta n a l y s i s i i 独创性声明 本人郑重声明：所提交的学位论文是本人在导师指导下独立进行研究工作所取 得的成果。据我所知，除了特别加以标注和致谢的地方外，论文中不包含其他人已 经发表或撰写过的研究成果。对本人的研究做出重要贡献的个人和集体，均已在文 中作了明确的说明。本声明的法律结果由本人承担。 学位论文作者签名：盔查筮日期：沙97 。j 墨， 学位论文使用授权书 本学位论文作者完全了解东北师范大学有关保留、使用学位论文的规定，即： 东北师范大学有权保留并向国家有关部门或机构送交学位论文的复印件和电子版， 允许论文被查阅和借阅。本人授权东北师范大学可以将学位论文的全部或部分内容 编入有关数据库进行检索，可以采用影印、缩印或其它复制手段保存、汇编本学位 论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名：盔塑叁， e t 期：坐2 丛i j 学位论文作者毕业后去向： 工作单位： 通讯地址： 指导教师签名： 日期： 益 口i - e f x 3 1n r o o ，1 ，2 ，6 5 6 0 ( 3 1 0 ) j i l。 i = 1 其中e ，是纹理单元t u = e o ，e l ，e 2 ，e s l 中的第i 项。 所有上述定义的一组6 5 6 1 个纹理单元描述了一个给定像素的“本 纹理特征，即中 心像素与其周围邻域之间的相对灰度关系。对图像的所有纹理单元的发生频数进行统 计，这个发生频数函数表征了所要分析图像的纹理信息。所有纹理单元的频数发生函数 被称为纹理谱。用横坐标表示纹理单元数n t u ，纵坐标表示发生频数就可形成纹理谱直 方图。 由于纹理谱直方图体现了图像的纹理特征，故随图像中纹理成分的增加，纹理谱图 像会出现较有规律的峰值变化且不同纹理图像所对应的纹理谱直方图的峰有着不同的 分布，因此，可用纹理谱来表征图像的纹理特征。对纹理单元的不同标记方法将会影响 各纹理单元在纹理谱中的相对位置，但不会影响各纹理单元在纹理谱中的出现频率【3 4 】。 东北师范大学硕士学位论文 综上所述，各种纹理分类方法都具有自身特点和弱点：共生矩阵法虽能给出纹理影 像的很多特征，但这些特征很难与具体的纹理特性( 诸如粗糙性、纹理基元) 联系起来， 而且无法实现合成。分形维方法由于其主要的测度是分形维，因而常常会出现同分维值 不同纹理的情形。马尔可夫随机场方法的分类精度亦有待提高等弱点【3 5 。 3 5 基于纹理分析方法的阴影检测 纹理是复杂的视觉实体或者子模式的组合，有亮度、色彩、陡度、大小等特征，因 而纹理可以看作相似子影像的组合。在影像分析中，纹理分析方法是十分常见的。进行 纹理分析、提取影像的纹理特征，进而达到影像分类的目的。阴影在影像中有着独特的 纹理特征，因此，就可以利用纹理分析方法，构造一个判别函数来区分阴影和周围地物， 以达到阴影检测的目的。 常见的纹理分析方法前面己做论述，最近研究的主要进展是使用多分辨掣3 6 。剐( 例 如小波变换) 及多通道( 几个波段结合分析纹理特征) p 9 】的纹理特征描述。小波分析是常见 的一种纹理分析方法，目前也已非常成剽删。基于小波多分辨率方法进行目标识别引起 了人们的极大关注【4 卜4 3 1 。本文就是利用小波分析的纹理分析方法来对图像进行处理， 以提取阴影边界。 1 2 东北师范大学硕士学位论文 第四章基于小波变换的q u i c k b i r d 卫星影像阴影检测 4 1 小波变换的相关理论 4 1 1 小波的基本理论 小波分析是近1 5 年来发展起来的一种新的时频分析方法，时域分析的基本目标是： 1 边缘检测和分割；2 将短时的物理现象作为一个瞬态过程分析。其典型应用包括齿 轮变速控制，起重机的非正常噪声，自动目标锁定，物理中的间断现象等。而频域分析 的着眼点在于区分突发信号和稳定信号以及定量分析其能量，典型应用包括细胞膜的识 别、金属表面的探测，金融学中快变量的检测，i n t e r n e t 的流量控制等 4 4 1 。 从以上的信号分析的典型应用可以看出，时频分析应用非常广泛，涵盖了物理学， 工程技术，生物科学，经济学等众多领域，而且在很多情况下单单分析其时域或频域的 性质是不够的，比如在电力监测系统中，即要监控稳定信号的成分，又要准确定位故障 信号。这就需要引入新的时频分析方法。小波分析正是由于这类需求发展起来的。 采用小波变换进行图像处理的优点【4 5 】： ( 1 ) 小波变换是介于函数的时间域( 或空间域) 表示和频率域表示之间的一种表示方 法，小波函数在空间域和频率域均有良好的局部性，从而能在变换域反映出图像的局部 细节，这是一般频率域表示法无法做到的。 小波变换的这一特性和人的有限视觉特性很相似，该特性和g a b o r 变换也很相似， 但小波变换在整体上性能更好。尽管小波变换的局部性没有g a b o r 变换好，但它是由正 交基构成的，分解和重构更方便。 ( 2 ) 离散小波变换可用金字塔算法逐层分解实现，其性能优于拉普拉斯金字塔编码和 子带编码。 ( 3 ) 采用小波分解有以下四个优点m ： a ) 小波分解是非冗余的，分解完成后的总数据量不会变大。从这点看，小波变换 比拉普拉斯金字塔法更好。 b 1 小波分解后各分量是相互正交的，而拉普拉斯金字塔分解是相关的，子带变换 中各子带尽管也正交，但性能不如小波好。 c 1 小波变换具有方向性，这一点也比拉普拉斯金字塔方法更好。人眼对不同方向 的高频分量具有不同的分辨率，若对分解出的不同方向的细节分量分别加以编码，就能 充分利用这一视觉特性，编码效率更高。 d ) 用2 7 分辨率分解得到的各细节信号都是带通分量，通带在 2 j p ，2 川p 及其负方 向的镜像之间。随着，从1 递减，各分辨率的细节信号的相对带宽在对数频率轴上相等。 这一特性也和人的视觉特性接近。 ( 4 ) 小波分解可用q m f 来实现。这点和子带编码很相近，但小波变换在恢复时仍用h 、 东北师范大学硕士学位论文 、g ，且不同层不变，比较单一，子带变换则比较灵活，允许综合滤波器和分析滤波器不 同，且不同层之间滤波器也可变换。 小波变换的这些优点有利于对图像数据的特性进行分析。因为分解是正交的，若分 解后的不同分辨率下的分解系数有相似性，则原始数据必定含有内在的自相似性，从而 可以利用这一特性，采用分形等方法对图像进行分析和处理。相反，如果采用拉普拉斯 金字塔算法，由于分量间的相关性，即使发现各分量间有相似性，也不能判断出这种相 似性是源于原始数据本身的自相似性，还是需去除的由于分解的冗余性而形成的相似性 1 4 5 1 。 4 1 2 几种小波函数 1 h m r 4 , 波 h a a r d x 波来自于数学家h a a r 于1 9 1 0 年提出的h a a r 正交函数集，其定义是： f l 0 t = t 2 、+ c h ； c v = ( c v - t 3 ) + c v c d = ( c d - t 4 ) c d ； r e s u l t = i d w t 2 ( c a ，c h ，c v c d ，w f l l t e r , c h e n g q u ) ， 光滑性高和消失矩火说明作为带通滤波器的分频效果好口”。同时作为低通滤波器能 够较好地保持原信号的低频分量不产生很大的模糊效应。由于小波分析中，不同的频道 中都包含了一定的纹理信息，因此本文试验了几种层次的分解，选取了n - 2 、3 、4 、8 ， 当n _ 2 时，影像的二层滤波分频效果不好，n = 4 时低通滤波信号较好，但影像的边界却 模糊不清，n = 8 时产生了更严重的边界效应，而且，小波变换的时问与n 2 成正比，冈此， 经过试验，本文选取t n - 3 的小波变换，将一幅维遥感图像分解为三层进行特征抽取。 具体结果如图41 3 所示： 东北师范大学硕士学位论文 图4 1 2 不同小波基对图像的分解 譬哥 到! ! = j ! = 一! = _ - u 一三土爿 型一一麴当岩一型一一 东北师范大学硕士学位论文 图4 1 3n = 3 时纹理特征抽取 进行图像纹理结构抽取时，9 个子图像分为三组：第一组为e 8 ，e 9 和e 1 0 ，第二组为 e 5 ，e 6 和e 7 第三组为e 2 ，e 3 和e 4 ，它们分别描述了小波分解后三层图像纹理结构在水 平、垂直和对角线方向的纹理结构特征。分布如图41 4 所示： 崩。 雎l 卧 图4 1 4 各层子图像编码 影像上扶度值与阴影最相近的就是水体，边缘提取中要充分的识别道路、建筑物和 阴影，本文在此利用了一个识别函数( 式43 ) ： 九1 = e 4 e 2 + e 3 1 x 2 = e 7 ( e 5 + e 6 ) ( 4 3 ) k = e i o ( e 8 + e 9 、 上述三个参数h 、k 和x 3 分别代表各分解层次内( 同一分辨率) 纹理的对角方向分量的 平均能量与水平和垂直方向分量的平均能量之和的比值。因而这三个参数具有旋转9 0 。、 东北师范大学硕士学位论文 1 8 0 0 和2 7 0 0 不变的性质。这对于纹理的识别是很有利的p 。 由于本研究区域没有水体，只选取道路、建筑物和阴影为目标，提取影像纹理结构 特征在不同分解层次上的水平、垂直和对角线方向的平均能量，并利用以上的函数计算 数值，作为分类的识别参数。具体结果见表4 1 ： 表4 1 部分地物纹理识别参数 选好了合适的小波基，其次就是分析窗口尺寸的确定。分析窗口要包含能体现该类 地物特征的充分的和必要的信息。本文用1 6 x 1 6 和3 2 x 3 2 两种不同大小的窗口作了对比试 验，发现大窗口的纹理内点识别精度更高，但容易产生窗口边缘效应；小窗口可以避免 边缘效应，但却损失了识别精度。考虑到高分辨率q u i c k b i r d 卫星影像中纹理结构的特点， 以及在影像分解过程中第三层中也要充分反映地物纹理结构特征，本文采用了1 6 x1 6 像 素的窗口对三层影像做滤波处理。然后对每点的参数进行计算，最后结果与表4 一l 进行 对比，即可划分阴影区域。得到的阴影区域如图4 1 5 所示： 图4 1 5 阴影区域 图4 1 6 阴影边缘 4 2 4 阴影边缘提取 边缘检测可以借助空域微分算子利用卷积来实现。常用的算子有梯度算子和拉普拉 斯算子和c a n n y 算子等。这些算子不但可以检测二维边缘还可以检测图像序列的三维边 缘。利用微分算子对图像进行检测所得的边界常常会有断裂现象。将边缘连接起来的方 式主要有几种：领域端点搜索、启发式搜索、曲线拟和和h o u 曲变换等1 5 0 1 。这些算法使 用m a t l a b 图像处理工具中的e d g e 函数都能够实现。算法本文借助地理信息系统软件 a r c v i e w 对实验区进行边缘检测，检测结果如图4 1 6 所示： 4 2 5 阴影提取后处理 阴影提取后可以发现，边缘部分有好多零散边缘，证明检测有噪声的存在，需要做 提取后处理工作，对阴影区域图像做二值化处理，阴影部分灰度值为0 ，其他区域灰度 2 5 东北师范大学硕士学位论文 值为1 ，发现会有冗余多边形，需要进行细化和去噪处理，本文是在m a t l a b 中实现 的，列出一段算法： i = i m r e a d ( c h e n g q u t i f ) ； i m s h o w ( i ) 1 2 = i m h m i n ( i ，5 0 ) ；h m i n i m at r a n s f o r m f i