2研究方法-遥感学报.doc

利用包络线去除的丘陵地区遥感影像阴影信息重建收稿日期：2016-08-10；修订日期: 2016-10-23 基金项目：国家科技支撑计划项目(2013BAJ11B02)；重庆市决策咨询与管理创新计划类重点项目(cstc2013jccxB00012)。 第一作者简介：张 甜（1989—），山西大同人，博士研究生，主要研究方向为生态遥感与国土规划。E-mail： HYPERLINK mailto:jianyirong614@ jianyirong614@.。 通讯作者简介：廖和平（1964—），重庆璧山人，教授，博士生导师，主要研究方向为土地规划与管理。E-mail：liaohp@. 张 甜1，廖和平1*，崔林林2， 1.西南大学地理科学学院，重庆 400715；2.成都信息工程大学资源环境学院，成都 610225 摘要：中国西南丘陵常态山和喀斯特山交错分布，遥感影像普遍存在山体阴影，分布零散且无规律，基于DEM的地形校正模型（C校正等）虽然算法成熟、易于操作，但在复杂地形区存在误差。本文引入基于相似像元包络线的阴影校正方法（CR校正），按照阴影提取、包络线去除、相似像元寻找和阴影亮度重建的步骤，采用西南丘陵地区Landsat_8_OLI影像进行验证实验。结果表明：CR校正后，阴影区的视觉特征与邻近非阴影区趋于一致，阴影像元亮度有明显提升；校正后影像主要波段标准差减小，与非阴影区参考光谱的相对均方根误差在2.919%以内，最低仅为0.516%；自动分类精度从43.59%提高到61.57%，因此CR校正有效提高了有阴影的丘陵地区遥感影像质量。 关键词：阴影校正；包络线去除；阴影提取；Landsat_8_OLI影像；西南丘陵 中图分类号: TP702 文献标志码: A1 引 言 中国西南丘陵地区的遥感影像普遍存在大量山体阴影，分布零散且无规律，影响了自动解译效果和各种定量分析，因此丘陵地区遥感影像的阴影去除一直是技术难题（虢建宏 等，2006）。 阴影在遥感影像数据上表现为像元亮度值（DN值）偏低，信息量相对较少，为了降低阴影对遥感影像质量的影响，国内外发展了多种校正模型，主要包括早期比较理想的Teilet（1982）回归校正、Minnaert（2008）校正[4]、Cosine校正，以及随后出现的改进余弦校正（C校正）模型、Cosine-C模型、Cosine-b模型、SCS模型、SCS +C模型等（Gao 等，2009；穆悦 等，2014； Yamazaki 等，2009），这些地形校正模型都是依托于数字高程模型（DEM）数据，并取得了一定的校正精度，其中余弦校正（C校正）模型，算法成熟，易于操作且精度较高（Richter 等，2009），其基本思想是：对于任意波段影像的像元DN值和其对应的太阳入射角余弦值都遵循线性关系，因此可选择C校正做对比研究。另外，城市高分影像的阴影校正算法也取得了一些成果，经典方法有直方图匹配法，伽玛校正、均值方差变换法等（Chen 等，2007；Shahtahmassebi 等，2013；温兆飞 等，2016），这些阴影校正方法的核心思想都是基于阴影区像元保留的微弱信息，建立阴影像元和非阴影像元之间的某种特征关系而实现的。 然而基于数字高程模型（DEM）数据的地形校正模型有两个局限性：一方面，校正精度取决于DEM的质量、完整性和空间分辨率，以及遥感影像与DEM的配准误差，如目前广泛使用的SRTM-DEM数据分辨率为90m，而Landsat TM/ETM影像分辨率为30m，校正中的重采样错误，可能导致校正后图像不连续，而高精度DEM数据目前并不能全部公开获取；另一方面，太阳入射角接近90°的像元，容易出现过度校正现象，不适合在复杂地形区使用，如中国西南喀斯特山和常态山交错分布的丘陵地区，地表异质性明显，覆被类型复杂，误差更为显著（杨奇勇 等，2012）。同时，基于阴影像元和非阴影像元之间特征关系的校正模型，有许多参数是通过半经验模型推算获取（Liu 等，2012），也给阴影校正又带来一定的不确定性。 因此，为降低DEM数据和半经验参数给地形校正带来的误差，提高有阴影的丘陵地区遥感影像质量，引入一种基于相似像元光谱包络线的阴影校正方法（Zhou 等，2014），充分利用阴影和非阴影像元光谱的相关性，通过替换包络线修复阴影区亮度，摆脱了DEM数据依赖，最大化实现计算机自动识别和参数独立获取。本文随机截取我国西南丘陵地区Landsat_8_OLI多光谱影像试验，按照阴影提取，去除包络线，寻找相似像元和阴影信息重建的步骤在ENVI IDL软件中操作，并通过视觉评价、统计分析、对比验证和自动分类对试验结果进行了校正精度检验。 2 研究方