2.3.2　遥感图像阴影检测通道设计

由于RGB颜色空间存在颜色感知不直观、颜色相似性难以区分等缺陷，所以需要先将RGB图像转换成由色度H、饱和度S和亮度I组成的HSI颜色空间。具体方法如下：

在得到H、S、I通道分量后，由于图像在采集过程中，传感器受照明条件及温度的影响会产生高斯噪声，所以可以用高斯滤波消除图像中的噪声。一般可采用二维的高斯函数来处理图像，具体函数如下：

其中，为像素的横坐标；为像素的纵坐标；为正态分布的标准差，即高斯分布的参数，其大小决定了图像被平滑的程度；输出的为周围相邻像素点的加权平均值。因此，高斯滤波就是对整幅图像进行加权平均，有利于边缘检测。

针对遥感图像阴影通道的设计，需要考虑阴影区域在HSI颜色空间中的特性。遥感图像阴影检测通道如图2.2所示。阴影区域是由于物体阻挡太阳光照而形成的，所以阴影区域内的亮度偏低。另外，由于大气瑞利散射的影响，使得阴影区域内饱和度更高。通过Phong光照模型可知阴影区域内的色度过高。

根据阴影区域内色度高、亮度过低的特点，设计出一个新的通道I-H，阴影区域在该通道中的数值小于0，即阴影在该通道图像上显示为黑色，能够有效区分阴影区域与非阴影区域，如图2.2（c）所示。

从图2.2（c）中可以看出，该通道通过设定某一阈值，可以将阴影从图像里区分出来，但是一些色度高的物体（如绿色、红色地物）也会被误认为是阴影区域，从而给阴影检测带来误差。针对这种情况，需要对从I-H通道剥离出的阴影区域继续抽取阴影。

从图2.2（d）中可以发现，H-I通道可以将一些色度高的地物与阴影区域分离开，因此，在进行上一步检测后，将得到的阴影区域继续放入H-I通道，通过某一特定阈值进一步优化阴影区域。但是从图2.2（c）中可以看出，当非阴影区域内存在深色地物（如深灰色道路）时，也会被误检为阴影区域，因此，接下来要从上述得到的阴影区域中对深色地物进行剥离。

从图2.2（e）、（f）中可以看出，阴影区域内的亮度低、饱和度高，与非阴影区域差异明显。因此，可以将这两个通道结合在一起作为判断依据，采用双阈值对上述得到的阴影区域进行检测，只有在饱和度图上高于某一阈值且在亮度图上低于某一阈值的区域才能被认为是阴影区域，从而将深色地物从检测的阴影区域内区分出来。

综上，在阴影检测通道的设计上，首先，遥感图像通过I-H通道将阴影区域从图像中初步分离出来；然后，将初始阴影区域放入H-I通道中，误检为阴影的色度高的地物可以在此通道中与阴影进行区分，进一步优化阴影区域；最后，针对一些深色地物难以与阴影区分的问题，通过饱和度（S）和亮度（I）通道的结合，采用双阈值方法进行检测。通过上述检测通道的设计，实现了对阴影区域的准确检测，如图2.2（g）所示。

图2.2　遥感图像阴影检测通道