随着高分辨率遥感影像空间分辨率的提高，影像上的阴影也更加明显。尤其是在城市区域，越来越高的密集建筑物造成分布广泛的阴影区域。在阴影覆盖区域，地物的亮度和对比度降低，影像反映地面信息的能力减弱。同时，阴影还会破坏影像上地物形状的完整性，影响地物信息的提取^[1]。而另一方面，阴影区域也可以作为辅助信息用于提取建筑物等^[2]。因此，高分辨率影像的阴影提取与信息恢复具有重要意义，国内外就阴影提取与恢复提出众多方法^[2-20]。尽管这些方法能够对阴影区域进行有效的信息增强，处理后的原阴影区域图像往往和周围图像具有明显的亮度和色度差异，影响影像的视觉一致性；为了取得较好的阴影修复效果，往往需要人工标注阴影和非阴影区域^[19]，或者基于阴影分布进行一定的假设^[20]。

本文利用多种特征提取有效的阴影，在此基础上提出了一种面向对象的自适应阴影提取与信息恢复方法。

1 高分辨率影像阴影分析

阴影通常被分为本影和投影两大类。本影是指目标物体本身未被光源直接照射的部分，在高分辨率遥感影像上主要表现为建筑物背光的立面。由于本影区域不仅能受到大气中的散射光的照射，还能受到地面反射光的照射，加上建筑材料一般具有高反射率，遥感影像上建筑物立面本影的灰度值一般相对较高。投影是指因目标遮挡而投到场景背景上的阴影，在遥感影像上大部分的阴影都属于投影。投影阴影又可分为全影和半影。全影是指完全得不到光源直接照射的投影阴影部分。当光源本身具有一定尺度时，由遮挡物体边界部分形成的投影阴影实际上是能够得到部分光源的直接照射的，故称之为半影。遇有能够受到部分直接照射，半影的灰度值也相对较高。半影其位于影像的边缘处，其宽度与光源的大小和遮挡物的高度成正比，与光源距离成反比。遥感影像的光源是太阳，由于太阳的直径非常大，几百米的建筑物会造成数米的半影，反映在高分辨率影像上，会形成阴影区域边缘处的灰度值明显高于阴影其他部分。

2 实验数据

本文采用的实验影像为北京地区的IKONOS彩红外影像，其空间分辨率为1 m，有红外、红和绿3个光谱波段，影像灰度级为256。实验影像如图 1(a)所示，影像上阴影分布广泛。影像的3波段直方图如图 1(b)所示。

由图 1可知，尽管影像3波段的直方图呈现明显的双峰分布，但仅依靠直方图形状所提取的阈值是无法有效提取所有的阴影，这是由于影像上地物和阴影的复杂性决定的。影像上的地物以沥青道路、建筑物、裸地和绿化植被为主。阴影区内有众多高大建筑物，建筑物的背光立面形成本影(如区域B)。建筑物本影区域在3个波段上反射率很高，灰度值要高于某些低反射率的非阴影地物。沥青道路具有较低的反射率，在影像上的灰度值与部分阴影相近。绿化植被在近红外波段有较高的反射率，这些地物即使被阴影覆盖，在影像的相应波段上仍具有较高的灰度值(如区域C)。同时，在高大建筑物的阴影边缘存在明显的灰度值较高半影(如区域A)。这些影像上阴影的复杂性对阴影区域的提取和信息恢复造成了困难。

3 阴影区域提取

高分辨率遥感影像的阴影提取方法可以分为两种，基于几何光照模型的提取方法和基于阴影属性的提取方法。基于几何光照模型的方法是利用数字表面模型(digital surface model，DSM)，根据地物高度和成像时的太阳高度角等信息来模拟成像时的阴影区域^[3-7]；或利用光照方向预测阴影方向^[8]。该方法需要DSM数据和影像的成像信息，对数据要求较高，其应用范围受到限制。基于阴影属性的方法是利用阴影的光谱性质，采用分割或分类的方法来提取阴影区域。阴影在影像上的显著特点是其像素灰度值比较低，许多方法采用灰度直方图阈值分割方法提取阴影^[9]。影像上的水体一般也具有较低的反射率，会对阴影提取造成干扰。Chen等^[10]在阈值分割的基础上提出若干阴影指数来区分水体和阴影；Dare^[9]采用区域方差来区分水体和阴影；Makarau等^[11]提出利用黑体反射模型自适应计算直射光和散射光亮温的方法，来获得分割阴影和非阴影的阈值。采用一定的颜色变换模型，在不变颜色空间中突出影像中的阴影部分，也是常见的研究思路。Tsai^[12]提出利用分离色度和亮度，利用两者的比值作为阴影提取的方法，并比较了5种的颜色模型用于阴影提取的结果。Chung等^[13]利用指数函数对Tsai的阴影指数进行改进，并采用连续阈值分割的方法提取阴影。杨俊等^[14]提出在色调、亮度、饱和度(hue intensity saturation, HIS)空间下提取和补偿阴影区域的方法。Arevalo等^[15]采用c1c2c3空间下的c3分量作为阴影提取特征，采用区域增长的方法提取阴影区域。李存军等^[16]发现在使用主成分分析进行IKONOS影像融合时，阴影区域具有较大的光谱失真，他们利用该特点进行阴影提取。王树根等^[17]提出将阴影视为一种特殊的影像退化，采用整体变分模型进行阴影监测。

城市区域的遥感影像具有较为复杂的地面场景，影像上的阴影区域也呈现多样性，阴影提取时应该充分考虑多种特征^[18]。仅仅采用单一的光谱阈值分割方法无法有效提取所有的阴影区域，也难以避免相似地物如沥青和水体的混淆，如图 2所示。Tsai^[12]所提出的基于不变颜色空间的阴影提取方法，曾较好地用于航空影像的阴影提取。对于本文中的彩红外高分辨率卫星来说，由于其成像波段与自然真彩色图像有所差异，并不能很好地突出阴影部分。如图 3所示，色彩空间HIS模型和色调、饱和度、亮度(hue saturation value, HSV)模型中，阴影区域并不具有明显较大指数值。而对于色彩空间亮度、蓝色色度、红色色度(YCbCr)模型来说，阴影区域具有较明显的指数高值。因此，本文中采用YCbCr模型下的阴影指数。但在该模型中，城区影像上色度较大的非阴影区域地物，如彩色屋顶和植被也具有较高的阴影指数数值，如图 3(c)所示。因此，单独利用不变颜色模型下的阴影指数，也无法有效准确地提取所有阴影，需要与其他阴影特征联合使用。另外，建筑物本影既具有较高的反射灰度值，在不变颜色模型上的阴影指数值又较低，还需要采用别的提取特征。阴影与其周围的非阴影有明显的亮度对比关系，可以利用对象与其周围对象的最大灰度差和最小灰度差作为判别特征，这对于提取建筑物本影和反射率较大的地物的阴影区域很有效。

因此，本文综合使用影像灰度值、基于YCbCr模型的下的阴影指数以及对象与周围对象的最大灰度差和最小灰度差作为阴影提取特征。对不同类型的阴影采用不同的特征和阈值进行提取，如对于覆盖沥青路和裸地的阴影采用较均衡的阈值；对覆盖植被的阴影可设置相对较大的近红外波段阈值；对影像上灰度值较高的阴影区域则采用其邻对象的最大、最小灰度差以及YCbCr颜色模型下的阴影指数来提取。图 2为基于单一阈值分割和本文方法提取阴影的结果。基于单一阈值方法的阈值是根据影像的直方图形状(图 1)选取的，如图 2(a)所示，在影像的右上角和中部，有大片的阴影区域没有被提取，而且有很多沥青公路被误为阴影。本文所提出的阴影提取方法可以有效地提取阴影区域，如图 2(b)所示。

4 阴影信息恢复

在阴影区域，地物只能反射较弱的大气折射光，在影像上表现为整体灰度较暗，对比度较低。对阴影区域进行信息恢复，需要对阴影区域影像进行对比度、亮度增强。常用的方法有亮度映射法和拉伸补偿法。亮度映射法是采用一个非阴影区域作为参照区域，采用直方图匹配等方法建立阴影和非阴影的亮度映射表对阴影区域影像进行增强。拉伸补偿法是采用线性变换对阴影影像灰度进行拉升，并对整体亮度进行补偿。相比于亮度映射法，拉伸补偿法无需进行复杂的参照区域选择，且其计算简单且效果较好的优点^[9]，本文采用拉伸补偿法来进行阴影信息恢复。拉伸补偿法的计算方法为：

$ {V_i} = {k_i} \times {G_i} + {M_i} $

(1)

式中，i表示波段; k表示拉伸系数; M是亮度补偿系数。

Guo等^[19]采用人工经验确定以上计算参数，并且其参数随着地点、影像类型的不同而变化，虽然取得了较好的效果，但方法的普适性受到影响。另一种确定参数的方法是根据影像中阴影和非阴影区域的性质，自适应计算各参数。常见的方法是根据阴影和非阴影区域的均值和方差进行计算^[9]，为：

$ {V_i} = \frac{{{\sigma _{nsi}}}}{{{\sigma _{si}}}} \times ({G_i} - {M_{si}}) + {M_{nsi}} $

(2)

式中, σ_nsi为第i波段整幅影像的非阴影区域的方差; M_si为第i波段整幅影像阴影区域均值；M_nsi为第i波段整幅影像非阴影区域均值。

式(2)可以有效地增强影像上阴影区域的信息。但对于遥感影像来说，其覆盖范围大，场景内太阳光照和地物反射率的差异较大，采用全局信息计算的变换参数会造成有的区域阴影被过度补偿，而有的区域阴影补偿不足的现象，这使得原阴影区域与周围区域存在明显的亮度、色度差异。因此，本文对式(2)进行改进，V_i为：

$ {V_i} = \frac{{{\sigma _{nsi}}}}{{{\sigma _{si}}}} \times ({G_i} - {M_{oi}}) + {M_{\mathit{lnsi}}} $

(3)

式中，M_oi表示像素所在的阴影对象的均值; M_lnsi表示像素所在的阴影对象的相邻非阴影对象的加权均值。

在阴影区域的边缘处，由于阳光折射、混合像元以及建筑物本影的原因，影像上的灰度值比阴影中心区域要大一些。因此，在补偿后会显得边缘处较亮。对此，采用5像素×5像素大小的平滑算子对边缘处进行平滑。最终结果如图 4所示。本文同时按式(2)计算了原始方法的结果作为对比。

从图 4中可以看出，相比与原始方法，本文方法能有效补偿阴影区域信息，补偿后的阴影区域具有与周围较好的亮度色度一致性，视觉效果好。值得注意的是，在图 4(c)和图 4(d)中，有一块沥青公路区域被误提为阴影，对于原始方法，该区域被补偿后亮度明显高于周围的公路，与周围地物不协调。而本文提出的方法是利用周围信息计算亮度补偿，即使该区域作为误提区域被补偿了，处理后仍与周围具有一致的亮度，过渡自然。

5 结束语

高分辨率遥感影像上的阴影对影像的信息提取具有重要影响。本文综合利用灰度值、阴影指数和对象邻域信息来有效提取阴影，并提出一种改进的阴影信息恢复方法。既利用全局信息，又利用局部邻域信息自适应计算信息恢复系数，消除了阴影信息恢复中的亮度和色度不均衡现象。信息恢复后的阴影区域与周围非阴影区域具有亮度和色度一致性，具有较好的视觉效果。