基于改進osu閾值的均勻性osuosuosuosuosuosuosu邊緣檢測算法

基于改進osu閾值的均勻性osuosuosuosuosuosuosu邊緣檢測算法

在高分辨率航空圖像的成像過程中，由于成像技術(shù)的影響、地理障礙等客觀因素，存在不可避免的陰影現(xiàn)象。陰影的存在嚴(yán)重影響了影像的質(zhì)量和視覺解譯效果,會造成陰影中地物信息的丟失或干擾,影響地物識別、邊緣提取以及影像配準(zhǔn)等工序。隨著高分辨率遙感影像的廣泛應(yīng)用,探索高效的陰影檢測與補償方法,解決陰影帶來的干擾,對提高遙感影像的應(yīng)用價值具有重要意義。常用的遙感影像陰影檢測算法主要分為基于模型和基于陰影特征的方法。陰影補償?shù)闹饕康氖腔謴?fù)被陰影遮蔽的地物信息,一般采用圖像增強或補償陰影區(qū)域信息的方法。傳統(tǒng)的圖像增強法包括直方圖匹配、比值法、同態(tài)濾波法、Retinex法等,這類方法在補償陰影的同時也會改變非陰影區(qū)域的信息,導(dǎo)致不必要的信息丟失。補償陰影法主要是將陰影區(qū)域像素的亮度、顏色或輻射值通過陰影補償模型進行處理,將信息補償達到與非陰影區(qū)域一致的光照效果,從而使整幅圖像具有視覺上的光照一致性,補償效果依選定的模型而不同。在實時快速的陰影檢測中,選取合適的特征組合,自動確定合適的閾值是關(guān)鍵。陰影補償應(yīng)提升陰影區(qū)域的視覺效果,并保留非陰影區(qū)域的信息。本文通過分析陰影的特性,選取最佳的陰影特征組合———HIS空間中的亮度分量I、歸一化RGB后的B′分量以及YUV空間中的亮度分量Y,改進Otsu自動閾值法,能夠高效自動地檢測陰影,并設(shè)計了改進的Wallis濾波補償策略對檢測的陰影進行補償,突現(xiàn)陰影區(qū)域的地物。1陰影檢測1.1陰陽特征選取一般來說,影像中陰影區(qū)域的地物因缺乏光照而呈現(xiàn)暗色,具有亮度低、色調(diào)高等基本特征。另有一些輔助特征如藍綠波段的差值分量、飽和度等,可以輔助檢測陰影。將基本特征與輔助特征結(jié)合的多特征組合方法是目前應(yīng)用最廣泛的算法,可在一定程度上彌補單一特征存在的漏分和錯分缺陷。本文從陰影具有的顏色特性出發(fā),選出以下幾項典型的陰影特征作為本文實驗的候選特征。1)歸一化RGB后的B′分量高。通過分析Phong光照模型發(fā)現(xiàn),陰影區(qū)域的R、G、B三個波段的像素值下降量依次減少,因此,陰影在如式(1)所示的B′分量上具有較高的像素值。偏藍色地物在此分量上也占據(jù)高像素值端,容易被誤分為陰影:2)色調(diào)高。色調(diào)值實際反映了G與B的趨近程度。在陰影區(qū)域,G相對于B急劇減小,相關(guān)程度低,色調(diào)值高。但是由于偏藍色地物也具有較高的色調(diào)值,同樣會被誤分。3)亮度低。陰影區(qū)域由于無法直接接受太陽輻射,其接受到的輻射強度主要來自于天空光的輻射強度,因此,與非陰影區(qū)域相比,其亮度值普遍較低,除非陰影區(qū)域有高亮度的反射物。1.2選擇陰影功能組合進行自動檢測本文通過選取合適的陰影特征條件組合、改進Otsu閾值法自動檢測陰影來改善檢測的效果。1.2.1低清晰度特征組合實驗中,將上述的特性進行組合分析發(fā)現(xiàn),B′分量的Otsu自動閾值比H的自動閾值更接近最佳閾值,檢測效果更好。選取B′分量,結(jié)合低亮度特征Y輔助補充檢入被漏檢的陰影,再與低亮度特征I結(jié)合,剔除藍色地物。因此,按照式(2)的特征組合方式,實驗效果較理想:式中,Y(i,j)、B′(i,j)、I(i,j)分別為像素(i,j)對應(yīng)的Y、B′和I的特征值;T_Y、T_B′、T_I分別表示Y、B′和I的閾值。1.2.2基于自動檢測的投影補償算法將一維Otsu法應(yīng)用到陰影特征自動閾值的獲取中,原理是首先統(tǒng)計關(guān)于該陰影特征的統(tǒng)計直方圖,用閾值k把直方圖分割為C0與C1兩部分,并按照式(3)計算這兩類的類間方差σk2,取最大類間方差對應(yīng)的k值為最優(yōu)閾值,即可獲取自動閾值:式中,σk2為閾值為k時的類間方差;ωi、μi分別為Ci組產(chǎn)生的概率和均值;μ為整體屬性的均值。實驗發(fā)現(xiàn),一維Otsu法獲取的閾值在陰影檢測方面離最佳閾值仍存在一定的偏差,導(dǎo)致檢測效果不太理想。本文對Otsu算法中的統(tǒng)計直方圖進行了改進,將關(guān)于其他特征的限定條件引入到屬性直方圖的統(tǒng)計中。主要思路是:在統(tǒng)計特征屬性直方圖之前,首先按照一定的限定條件進行篩選,只有滿足條件的像素的屬性才被納入到統(tǒng)計直方圖中,而非原來的整幅圖像的所有像素都參與統(tǒng)計,然后在此直方圖的基礎(chǔ)上計算最大類間方差對應(yīng)的最優(yōu)閾值。以對亮度分量I的閾值改進為例,引入關(guān)于比值分量P=(H+1)/(I+1)的限定條件,首先獲取P分量的原始Otsu自動閾值T_P0,然后以P>T_P0為限定條件,統(tǒng)計圖像滿足此條件的像素的I分量,并統(tǒng)計這些I分量的直方圖。對I分量采取上述方法進行改進,對B′分量的閾值采用限定條件R<100進行改進,對圖1(a)所示的原始影像進行陰影檢測,自動檢測結(jié)果見圖1(d),圖1(g)為改進后的檢測結(jié)果圖。可以看出,改進后的自動檢測結(jié)果的正確率明顯提高了。引入與其他陰影特征有關(guān)的限定條件在一定程度上有效綜合了陰影的多項特征,使得特征閾值能夠更靈活地變動,改進后的閾值更理想。限定條件的選取應(yīng)根據(jù)已存在的問題先篩選可行的條件,再通過實驗確定具體方案。2陰影補償2.1不同圖像區(qū)域的對比Wallis濾波器原理是將局部影像的灰度均值和方差映射到給定的灰度均值和方差,使不同的影像或者影像中的不同區(qū)域具有近似相等的均值和方差,可以增強原始影像的反差,同時壓制噪聲。Wallis濾波器的一般形式為:2.2改進的東南角補償策略將Wallis濾波原理直接應(yīng)用到陰影補償中,存在參數(shù)過多、補償結(jié)果對比度不明顯等問題。對比度問題主要源于Wallis濾波在局部陰影區(qū)域等價于線性變換,而原始的r1、r0對應(yīng)的線性關(guān)系偏平,補償效果不明顯。針對這些問題,本文設(shè)計了適用于陰影補償?shù)男虏呗?步驟如下:(1)只對陰影區(qū)域進行Wallis濾波處理。(2)Wallis濾波所需的目標(biāo)特征值直接通過統(tǒng)計陰影周圍的局部非陰影區(qū)域的特征值獲取。這樣不僅直接減少了Wallis濾波所需的參數(shù),還有效保證了陰影區(qū)域與非陰影區(qū)域的色彩平衡。(3)對式(4)進行改進,提出了式(5)所示的補償公式:其一般形式為:其中,R1、R0分別為新的乘性系數(shù)與加性系數(shù);R1=A/r1,R0=A(mnoshadow-mshadow/r1-r0r1),A代表補償系數(shù),mnoshadow、mshadow分別代表非陰影區(qū)域和陰影區(qū)域的特征均值;r0、r1為原始的Wallis濾波的乘性系數(shù)和加性系數(shù)。改進后的補償策略有效納入了陰影區(qū)域與非陰影區(qū)域的特征信息,線性關(guān)系較之前更為陡峭,不僅恢復(fù)了陰影區(qū)域的基本特征信息,對比度也得到有效增強,且并未改變非陰影區(qū)域的信息,補償效果更為理想。本文基于HIS色彩空間對H、I、S分別采用改進后的Wallis濾波策略進行補償。首先統(tǒng)計陰影區(qū)域及其周圍的局部非陰影區(qū)域?qū)?yīng)的特征均值與方差mshadow、σ2shadow和mnoshadow、σ2noshadow,以此為目標(biāo)特征值,結(jié)合系數(shù)b和c計算參數(shù)r1、r0,再結(jié)合補償系數(shù)A計算R1、R0,代入式(6)即可實現(xiàn)改進的Wallis濾波補償。3應(yīng)用效果分析本文采用上述方法對多幅不同來源的高分辨率遙感影像進行實驗,對B′采用限定條件R<100,對I采用P>T_P0分別獲取改進后的閾值。陰影補償所需的參數(shù)需要根據(jù)影像類別人工調(diào)整。圖2(a)為分辨率偏低的遙感影像,影像色彩偏深綠。陰影自動檢測結(jié)果(如圖2(b)所示)較完整地檢測出了建筑物的陰影,其中有少量暗色水體被誤分為陰影,其原因主要有:(1)暗色水體與陰影在本文所取特征中存在相似的特性,文中所取的特征組合不足以完全區(qū)分這兩種目標(biāo);(2)剔除水體部分所需的特征閾值與檢測全部陰影的閾值不一致,本文方法所采用的閾值主要顧及陰影,并應(yīng)用于整幅影像,引起水體與陰影的部分混淆。圖2(c)為補償后的效果圖,可見陰影區(qū)域較好地保持了與非陰影區(qū)域一致的色彩特征,被遮蔽的建筑物紋理、道路等信息得到有效恢復(fù),但并不十分清晰,主要是原始影像的質(zhì)量一般,補償后噪聲多。圖2(d)為城市高分辨率航空影像,地物環(huán)境復(fù)雜,陰影區(qū)域的地物信息受到嚴(yán)重干擾。自動檢測效果(如圖2(e)所示)較好地區(qū)分了陰影與樹木、裸地等干擾地物。補償結(jié)果如圖2(f)所示,原被陰影遮住的幾乎無法分辨的地物信息基本得到再現(xiàn),有效補充了丟失的信息,雖還存在輕微的亮度偏暗的問題,但總體效果不錯,可被再利用。圖2(g)中的地物環(huán)境簡單,自動