肖 斌，徐 勇，何宏昌，张 洁，苗林林，刘 兵

(桂林理工大学 测绘地理信息学院，广西 桂林 541006)

0 引言

在遥感影像分类中，阴影对分类精度有较大影响，尤其在丘陵地区[1-2]。阴影削弱了地物在传感器上的响应，严重干扰了目标地物的识别与解译[3-4]。阴影在影像上与水体的光谱曲线较为接近，因此为了提高分类精度，必须考虑图像中的阴影。

基于多光谱影像的阴影检测方法十分丰富，但在高光谱影像中研究较少。当前影像阴影检测的方法可分为2大类：基于像素的方法和基于对象的方法，前者主要利用阴影的颜色、结构和轮廓等特性，后者则是将阴影的性质与先验知识相结合[5-6]。Vicky等[7]基于像素的方法提出将RGB转换为HSV模式，把色调、饱和度和明度参数转为圆柱体的颜色、半径和高度，通过定量分析每个像素的值来判断是否为阴影。杨元维等[8]通过改进Wallis模型对高分辨率影像的阴影进行自动补偿，有效地补偿阴影，使其亮度和对比度共同提升到与非阴影区域相一致的水平。Ni等[9]基于对象的方法通过2幅不同时期影像覆盖区域的亮度值差异，提取云和阴影区域。Sabri等[10]通过二维经验模式的自动和数据驱动的阴影检测和消除方法，利用阴影区域的纹理特征与明亮区域的差异性，从而分割出阴影区域。但在复杂的地物分类中，需将各种地物有效区分，必须考虑“异物同谱”现象[11]；阴影的光谱曲线与水体的光谱曲线十分接近，容易造成水体的“误识别”和“漏识别”[12]。为了解决上述问题，Li等[13]引入表面粗糙度的方法对阴影区域与水体区域进行计算，并通过阈值选择，提取出阴影区域，可以有效区分水体与阴影。……