理论酮究 遥感信息 一种基于颜色恒常性理论的城市高分辨率 遥感影像阴影消除方法 徐秋红①，叶勤①，② （①同济大学测量与国土信息系，上海２０００９２；②同济大学遥感与空间信息技术研究中心，上海２０００９２） 摘要：阴影是遥感影像中普遍存在的一种现象，它的存在影响对被遮挡区域信息的获取，并且对影像的目视效 果造成不好的影响。因此，对阴影的去除在遥感影像信息提取中是一个需研究的问题，特别是对于具有大量高层建 筑物的特大城市区域。本文采用颜色恒常性的理论，来实现对高分辨率遥感影像上阴影的去除，利用上海市陆家嘴 区域的ＱｕｉｅｋＢｉｒｄ高分辨率影像对算法进行了实验，结果表明该方法对阴影的去除具有较好的效果，并且计算简便。 关键词：颜色恒常性；阴影检测；阴影去除 ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１０００—３１７７．２０１０．０４．００３ 中图分类号：ＴＰ７９ 文献标识码：Ａ 文章编号：１０００—３１７７（２０１０）１１Ｏ一００１３一Ｏ４ Ａ Ｍｅｔｈｏｄ ｏｆ Ｓｈａｄｏｗ Ｅｌｉｍｉｎａｔｉｏｎ ｆｒｏｍ Ｃｉｔｙ Ｈｉｇｈ Ｒｅｓｏｌｕｔｉｏｎ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅｓ Ｂａｓｅｄ ｏｎ Ｃｏｌｏｕｒ Ｃｏｎｓｔａｎｃｙ ＸＵ Ｑｉｕ－ｈｏｎｇ￣，ＹＥ Ｑｉｎ①，０ （①Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｓｕｒｖｅｙｉｎｇ ａｎｄ Ｇｅｏ—ｉｎｆｏｒｍａｔｉｃｓ，Ｔｏｎｇｊｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２０００９２； ②Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ＆Ｓａｐｔｉａｌ Ｉｍｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ，Ｔｏｎｇｊｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２０００９２） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｓｈａｄｏｗ ｉｓ ａ ｗｉｄｅｓｐｒｅａｄ ｐｈｅｎｏｍｅｎｏｎ ｉｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅｓ，ａｎｄ ｉｔ ｂｒｉｎｇｓ ａｂｏｕｔ ｓｅｒｉｏｕｓ ｐｒｏｂｌｅｍｓ ｔｏ ｔｈｅ ｉｎ— ｆｏｒｍａｔｉｏｎ ｇａｔｈｅｒｉｎｇ ｉｎ ｔｈｅ ｏｅｅｌｕｄｅｄ ａｒｅａｓ ａｎｄ ｈａｓ ａ ｈａｒｍｆｕｌ ｉｎｆｌｕｅｎｃｅ ｏｎ ｖｉｓｕａｌ ｅｆｆｅｃｔ ｏｆ ｉｍａｇｅ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅ ｒｅｍｏｖａｌ ｏｆ ｔｈｅ ｓｈａｄｏｗ ｆｒｏｍ ｔｈｅ ｉｍａｇｅｓ ｉｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｎｆｏｒｍａｔｉｏｎ ｅｘｔｒａｃｔｉｏｎ ｉｓ ａ ｐｒｏｂｌｅｍ ｔｏ ｂｅ ｓｔｕｄｉｅｄ，ｅｓｐｅｃｉａｌｌｙ ｉｎ ｔｈｅ ｌａｒｇｅ ｕｒｂａｎ ａｒｅａｓ ｗｉｔｈ ａ ｌａｒｇｅ ｎｕｍｂｅｒ ｏｆ ｈｉｇｈ－ｒｉｓｅ ｂｕｉｌｄｉｎｇｓ．Ｔｈｉｓ ｐａｐｅｒ ｉｓ ｂａｓｅｄ ｏｎ ｔｈｅ ｔｈｅｏｒｙ ｏｆ ｃｏｌｏｒ ｃｏｎｓｔａｎｃｙ ｔｏ ｒｅｍｏｖｅ ｔｈｅ ｓｈａｄｏｗ ｆｒｏｍ ｈｉｇｈ—ｒｅｓｏｌｕｔｉｏｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅｓ，ａｎｄ ｕｓｅｓ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｔｏ ｃｏｎｄｕｃｔ ｅｘｐｅｒｉｍｅｎｔｓ ｗｉｔｈ ｈｉｇｈ－ｒｅｓｏｌｕｔｉｏｎ Ｑｕｉｃｋｂｉｒｄ ｉｍａｇｅ ｉｎ ｔｈｅ ｒｅｇｉｏｎ ｏｆ Ｌｕｊｉａｚｕｉ ｉｎ Ｓｈａｎｇｈａｉ．Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｉｓ ｍｅｔｈｏｄ ｈａｓ ａ ｇｏｏｄ ｅｆｆｅｃｔ ｏｆ ｅｌｉｍｉｎａｔｉｎｇ ｔｈｅ ｓｈａｄｏｗ ａｎｄ ｔｈｅ ｃａｌｃｕ— ｌａｔｉｏｎ ｉｓ ｓｉｍｐｌｅ． Ｋｅｙ ｗｏｒｄｓ：ｃｏｌｏｕｒ ｃｏｎｓｔａｎｃｙ；ｓｈａｄｏｗ ｄｅｔｅｃｔｉｏｎ；ｓｈａｄｏｗ ｒｅｍｏｖａｌ １ 前 言 阴影的产生是源于光线被物体的遮挡，一般阴 影区域的灰度值与对比度比非阴影区域要小。这影 响了影像的质量，使得阴影区信息量减少，难以判 读，并对影像的后期处理工作如图像匹配、模式识别 如何去除阴影是遥感影像处理领域一直所关注的问 题，特别是在特大城市中心区域，高层建筑物的阴影 使高分辨率遥感影像的质量受到很大影响。 阴影的去除实际上就是将阴影区域中像素点的 亮度和颜色，恢复到非阴影区域光照的效果，从而使 整幅图像具有视觉上的光照一致性。由于在遥感影 和地物提取等带来困难，甚至会导致错误的结果。 像上建筑物阴影只存在于图像的部分区域，因此阴 收稿日期：２００９－－０７—３１ 修订日期：２００９－－０９—２１ 基金项目：８６３项目（编号：２ＯＯ７ＡＡ１２ｚ１７８），“十一五”国家科技支撑计划项目“村镇信息快速采集与处理关键技术研究”课题支持 （课题编号：２ＯＯ６ＢＡＪＯ９Ｂｏ１）。 作者简介：徐秋红（１９８５￣），女，硕士研究生，主要研究方向：遥感与数字摄影测量、图像处理。 Ｅ－ｍａｉｌ：ｘｕａｕｒｅｄ＠ｓｉｎａ．ｃｏｍ １３ 遥感信息 理论研究 的变化，然而人对该表面的色彩的认知在一定范围 内保持恒定 ］。由于阴影区的光照条件与非阴影区 差异很大，是一非标准光照下的场景图像，阴影消除 的目的是将其变换到标准光照（即非阴影区光照）条 件下，这个过程中的关键是估计光源颜色。 基于这一理论，在光源颜色估计上，众多学者根 据采用的假设条件和前提的异同提出了多种颜色恒 影去除包括两方面的工作：阴影区域的检测以及阴 影去除。 关于阴影区域的检测，这些年来，人们提出了多 种阴影检测方法，这些方法大致可以分为两类：基于 物体几何特性和基于阴影性质。具体有基于直方 图、基于同态系统阴影检测技术、归一化处理、基于 阴影强度与几何特性以及基于彩色不变模型等方 法。在文献Ｅ６１中利用阴影区域在亮度和色度上的 常计算算法。这些算法可归为两类：（１）依据图像底 特性，采用光谱比和Ｏｔｓｕ（最大类问方差法）阈值分 割技术，在ⅥＱ（美国国家电视标准委员会（Ｎ ）支 持的一种彩色电视传输的标准模式）空间进行阈值 分割，再利用数学形态学来去除草地、树木等对建筑 物阴影的影响；并且文中给出这种方法与在ＨＳＶ 和ＹＣｂＣｒ空间进行建筑物阴影提取效果的比较，认 为在ＹＩＱ空间最为理想。因此本文在针对城市高 分辨率遥感影像的阴影提取时，也采用这种方法。 而对于阴影的去除，因为遥感影像上每个像元的 亮度或色彩都是太阳光照函数和地物反射函数的复 合函数，这一复合函数相当复杂，从理论上来讲，要完 全消除影像上的阴影、恢复阴影区域中地物的本来面 目几乎是不可能的。传统的图像增强方法，如直方图 均衡、同态滤波、归一化处理等，对改善影像的阴影都 有一定的作用，但处理后的影像阴影仍然明显。 针对这一问题，本文重点研究基于颜色恒常性 的方法来实现对高分辨率遥感影像中的阴影去除， 特别是特大城市中心区的建筑物阴影去除。在处理 中，对阴影区域利用颜色恒常性算法进行阴影消除 处理，而对非阴影区域不做任何处理。实验表明这 种处理方法不仅具有较好的阴影去除效果，而且阴影 去除是在阴影检测的基础上的，故对非阴影区域不做 处理，这保证了非阴影区域的信息不受损失，弥补了 常用的阴影去除算法处理结果的缺点。例如，基于直 方图均衡的方法来讲，消除了直方图处理结果对于大 范围、复杂地形影像不适用的缺点；基于区域弥补的 阴影去除算法，该算法用临近非阴影区域的像素来填 充阴影区域，因此必将导致阴影区图像细节的丢失， 特别是当阴影区域是复杂纹理表面或者阴影区域很 大时，这种算法将导致比较严重的图像失真。 ２颜色恒常性理论 颜色恒常是指在照明发生变化的条件下人们对 物体表面的知觉趋于稳定的心理倾向。同一表面在 不同的照明条件下会产生不同的反射谱，人的颜色 机制确实能分辨这种由照明变化导致的表面反射谱 １４一 层特征的算法进行光源估计；目前主要有Ｇｒａｙ－ Ｗｏｒｌｄ算法，Ｍａｘ－ＲＧＢ算法和Ｇｒａｙ－Ｅｄｇｅ算法等。 这类算法计算量低，计算速度快捷有效，但是每种算 法也要基于一定的成像假设，只有对符合条件的图 像结合才能够取得较精确的估计。（２）依据统计学 的方法进行光源估计；典型的代表是Ｃｏｌｏｒ ｂｙ Ｃｏｒ— ｒｅｌａｔｉｏｎ算法，该算法精确度不高，且需要大量的先 验知识，但具有很好的通用性。 在上述研究基础上，Ｇ Ｆｉｎｌａｙｓｏｎ和Ｔｒｅｚｚｉ提出 了一种颜色恒常算法Ｓｈａｄｅｓ ｏｆ Ｇｒａｙ算法，这种方 法假设图像的阴影区域和非阴影区域的场景图像部 分都应满足Ｍｉｎｋｏｗｓｋｉ范式的颜色恒常算法口 。 此外，Ｇ Ｆｉｎｌａｙｓｏｎ和Ｔｒｅｚｚｉ指出Ｇｒａｙ－Ｗｏｒｌｄ和Ｍａｘ－ ＲＧＢ算法都包含在明可夫斯基范式（Ｍｉｎｋｏｗｓ￣ ｎｏｒｍ）内，明可夫斯基范式如式（１）： …（厂（ｚ， ）） ｄｘｄｙ Ｉ 一 Ｊ 一定１一忌ｆ【 １——丽 ｔ＝ — １ （ ， １Ｊ ｌ（１ｌ ） 式中ｅ表示当前场景中的光源颜色，厂表示图 像各通道的灰度值，忌为比例系数，Ｐ可以取［１， ｏ。）内任意整数。当Ｐ＝１时，即为Ｇｒａｙ－Ｗｏｒｌｄ算 法，当Ｐ—ｏ。时，为Ｍａｘ－ＲＧＢ算法。Ｍｉｎｋｏｗｓｋｉ 范式参数Ｐ决定了估计光源所使用到的各个算法的 权重。文献ＥｌｓＪ中用此方法对普通场景图像做阴影 去除，实验效果表明ｐ一６效果最好，并且相对而 言，该算法计算简便。 与普通场景图像相比，高分辨率遥感图像具有 成像范围大、涉及的地物类型复杂、光照条件复杂等 特点，特别在大城市的中心区域，其建筑物阴影会造 成相邻地物间极大的光照条件差异。而针对普通场 景图像适用的光源估计算法，在高分辨率遥感图像 上的适应性还需研究。因此本文将采用该算法对城 市中心区高分辨率遥感图像进行阴影去除，分析比 较该算法对高分辨率遥感图像阴影去除的效果。 圈匿Ⅱ日 ④得到去除阴影后的图像为 遥感信息 ３ 基于颜色恒常性理论的阴影去除方法 基于颜色恒常性的阴影去除方法是建立在阴影 检测的基础上的，阴影检测的结果直接影响阴影去 除效果的好坏。 ｎｅｗｓ（ｉ，＿『）＝＝＝ｇ—ｈ（ｉ， ）＋ｈ（ｉ， ） （６） ⑤将处理后的每幅灰度图像ｎｅｗｓ （ ，．『），ｎｅ— ｗＳＧ（ ，－ｆ），ｎｅｗｓＢ（ ，Ｊ）按Ｒ，Ｇ，Ｂ中输出。 图１为算法流程图： ３．１阴影检测步骤 本文选用前言中提到的方法进行了高分辨率遥 感影像上的阴影检测，得到阴影区域为基于颜色恒 常性的阴影去除做准备，其检测过程、步骤如下： ①将基于ＲＧＢ的彩色图像转换到ＹＩＱ空间， 并提取出其中表示亮度Ｉ和色调Ｈ的分量，ＹＩＱ中 的Ｙ表示亮度，Ｑ表示色调。 ②利用光谱比技术，得到（Ｈ＋１）／（Ｉ＋１）比值 图像。（Ｈ＋１）／（Ｉ＋１）比值图像能增强亮度低的阴 影区域，使得色调值增加。在（Ｈ＋１）／（Ｉ＋１）比值 图像中，阴影区域像素值比非阴影区域内的像素值 要高。 ③利用Ｏｔｓｕ方法对比值图像进行分割。Ｏｔｓｕ 法利用比值图像中的直方图自动确定分割阈值，像 素值大于阈值部分即为阴影。 ④基于建筑物阴影与绿化树及其阴影在形态上 的差异，对图像进行形态学处理。首先对分割后图 像进行中值滤波处理，消除噪声影响；然后选择结构 元对图像进行腐蚀运算，断开图像中细长部分；再利 用开启运算，将连通区域面积较小阴影部分去掉；最 后对图像进行膨胀，以得到建筑物阴影。 ３．２阴影消除步骤 将原始彩色航空图像分解为Ｓ （ ， ），ｓ。（ ， ）， 图１算法流程图 ４实验结果与分析 本文在Ｗｉｎｄｏｗｓ ＸＰ操作系统下，利用Ｍａｔｌａｂ 的编程平台做的实验。选择上海２００５年上海埔东 Ｓｅ（ ， ）三幅灰度图像，利用颜色恒常性理论分别进 行阴影去除处理。具体步骤如下： ①根据阴影检测的成果将灰度图像分成阴影区 域和非阴影区域两幅的图像ｇ（ｉ，Ｊ）以及ｈ（ｉ， ） ｓ（ｉ，．『）一ｇ（ｉ， ）＋ｈ（ ， ） （２） 陆家嘴地区ＱｕｉｃｋＢｉｒｄ多光谱影像作为实验数据， 图象分辨率为２．４ｍ、大小为２４６×３８４像素，上面具 有明显的建筑物阴影特征如图２。图３为利用３．１ 中方法进行阴影区域检测的结果，其中白色区域为 阴影区域，黑色为非阴影区域。 ②对阴影区域和非阴影区域分别利用明可夫斯 基范式（Ｍｉｎｋｏｗｓｋｉ ｎｏｒｍ），即式（１），进行颜色恒常 性计算来求出光源颜色 １和 ２。其中Ｐ值需根据 实际图像来给定。 ③将阴影区域变换到标准光照条件下，即为 ｇ—ｂ（ｉ， ）一ｇ（ｉ， ）・（ｅ１） （３） 同样非阴影区变换到标准光照下为 ｈ ｂ（ｉ， ）一ｈ（ｉ， ，）・（Ｐ２） （４） ｇ—ｂ（ｉ， ）和ｈ—ｂ（ｉ，．『）场景光照是一致的，当阴 影区域变换到非阴影区域光照条件下时，即为 ｇ—ｈ（ ， ）一ｇ（ｉ， ）・（ｅ１）－１（Ｐ２） （５） 图２输入图像 图３阴影检测结果 １５ 遥感信息 圈回圃圈 Ｃｏｎｔｒａｓｔ：＝ （８） 同时也对原始图象上非阴影区的地物影像进行 了统计，计算结果如表１： 表１亮度与对比度的比较 户 原图 ２ ４ ６ ８ ｌＯ 对比度 拉伸图 Ｂｒｉｇｈｔｎｅｓｓ ６９．９４ ８１．Ｏ０ ８３．２５ ８４．４１ ８４．】３ ８３．２８ ６６．４２ ９．１７ 图４ 一２时结果 图５ ｐ一４时结果 Ｃｏｎｔｒａｓｔ ２５．９３ ７．８Ｏ ８．０８ ８．２７ ８．２Ｏ ８．１７ 从表１及实验结果图像可以分析得出： ①对于本文所用的方法，随着Ｐ取值的增大， 亮度与对比度增大，当Ｐ取６时，亮度、对比度值达 到峰值，随后户值增大，两者又开始变小。因此，当 Ｐ取６时去除阴影后的高分辨率遥感影像具有最好 的效果，这与普通场景图像的实验结果一致。 ②从目视效果来判断，采用颜色恒常算法阴影 去除，阴影区的颜色与非阴影区接近，没有出现大的 图６ ｐ一６时结果 图７户一８时结果 色调偏移，同时阴影区内的细节地物也得到了好的 体现；Ｐ一２时阴影区处理后的效果最接近非阴影 区，而其他几幅图像阴影区与非阴影区，感觉差异较 大，这主要是因为，Ｐ取其他值时，两者亮度上的差 异相对较大（非阴影区的平均亮度为７０，而处理后 的阴影区达到了８１甚至以上）上。 ③在阴影与非阴影的边界出现较明显的痕迹，这 一方面是由于两者之间的灰度差异，另一方面也和阴 影检测算法检测出的边界有微小移位而造成的。 ④对阴影区域做对比度拉伸的图像虽然对比度 得到了提高（９．１７），并且比其他方法的对比度值要 图８户一１０时结果 图９对比度拉伸结果 大，但亮度比原图非阴影区低，而且从目视效果看， 出现了较大色调偏差。 本文利用３．２中的方法，对Ｍｉｎｋｏｗｓｋｉ范式参 数Ｐ取值为２、４、６、８和１ｏ来实现阴影区域的去除， 实验结果如图４～图９所示。本文还对该图像的阴 影区域利用对比度反差线性拉伸方法来消除阴影区 域的影响，结果如图９。 为了对阴影消除结果做客观质量评估，本文对 阴影去除后各实验结果上阴影区的亮度（ｂｒｉｇｈｔ— ５ 结束语 本文探讨了利用颜色恒常理论来实现对高分辨 率遥感影像阴影的去除，主要是高大建筑物阴影的 去除。采用光谱比和Ｏｔｓｕ阈值分割技术在ＹＩＱ空 间进行阔值分割、再利用数学形态学去除细小阴影 来提取建筑物的阴影，然后基于颜色恒常性算法对 阴影区进行阴影去除。实验证明对于高分辨率遥感 ｎｅｓｓ）和对比度（ｃｏｎｔｒａｓｔ）进行了统计。 亮度反映了图像的明暗程度。其计算方法如式（７）。 卅 ３ 影像，该方法具有较好的阴影去除效果、不影响阴影 区域的细节特征、阴影区的色调与非阴影区基本保 持一致，弥补了常用去阴影方法的缺点。由于只对 阴影区进行处理，因此非阴影区域的信息不受任何 ∑∑∑Ｓ（ｉ， ，愚） Ｂｒｉｇｈｔ舢 一旦 一 （７） 对比度反映图像的黑白反差，当对比度越大，图像 中的黑白反差也就越明显。式（８）为对比度计算方法。 影响。就算法本身而言，它与同态滤波等方法相比， 又具有较低的计算复杂度。 （下转第１１１页） ｌ６ 一 ２０１０．４ ＧＩＳ技斑 遥感信息 ６ 结束语 本文在对空间信息服务集成技术的现状与存在 问题的分析基础上，提出基于服务总线的空间信息 集成框架，并结合相关实例，进行了验证说明。该方 及服务路由动态选择机制，提高了服务集成的灵活 性、稳定性，对空间信息服务集成技术研究有着重要 的参考价值。在今后的研究工作中，我们将对服务 集成的安全性、事务性、服务节点间数据高效传输等 关键性问题进行进一步研究与探讨，以便更好满足 空间信息的普适化应用发展趋势要求。 法解决了现阶段空间信息服务集成中点对点模式的 弊端，支持多种异构平台的服务接入，采用异步通信 参考文献 １－１３ 王方雄，边馥苓．从ＧＩＳｙｓｔｅｍ到ＧＩＳｅｒｖｉｃｅ：ＧＩＳｙｓｔｅｍ发展的必然趋势［Ｊ］．华中师范大学学报：自然科学版，２００４，３８ （４）：５２８—５３２． ［２３ 乐鹏．语义支持的空间信息智能服务关键技术研究［Ｄ］．武汉：武汉大学。２００７。 ａ１．Ｔｈｅ ｅｎｔｅｒｐｒｉｓｅ ｓｅｒｖｉｃｅ ｂｕｓ：Ｍａｋｉｎｇ ｓｅｒｖｉｃｅ－ｏｒｉｅｎｔｅｄ ａｒｃｈｉｔｅｃｔｕｒｅ ［３］ ＳＣＨＭＩＤＴ Ｍ Ｔ，ＨＵ ＴＣＨＩＳＯＮ Ｂ，ＬＡＭＢＲＯＳ Ｐ，ｅｔｒｅａｌ［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｗｗｗ．ｒｅｓｅａｒｃｈ．ｉｂｍ．ｃｏｒｎ／ｊｏｕｒｎａｌ／ｓｊ／４４４／ｓｃｈｍｉｄｔ．ｈｔｍｌ，２００５—１２—０１． ＮＳ０Ｎ Ｒ．Ｕｎｄｅｒｓｔａｎｄ ｅｎｔｅｒｐｒｉｓｅ ｓｅｒｖｉｃｅ ｂｕｓ ｓｃｅｎａｒｉｏｓ ａｎｄ ｓｏｌｕｔｉｏｎｓ ｉｎ ｓｅｒｖｉｃｅ－ｏｒｉｅｎｔｅｄ ａｒｃｈｉｔｅｃｔｕｒｅ［ＥＢ／ＯＬ］．ｈｔ— ［４］ Ｒ０ＢＩｔｐ：／／ｗｗｗ．ｉｂｍ．ｃｏｍ／ｄｅｖｅｌｏｐｅｒｗｏｒｋｓ／ｗｅｂｓｅｒｖｉｃｅｓ／ｌｉｂｒａｒｙ／ｗｓ—ｅｓｂ－ｓｃｅｎ２．ｈｔｍｌ，２ＯＯ４—１２—３１． ［５］ Ｉ．Ｆｏｓｔｅｒ，Ｃ．Ｋｅｓｓｅｌｍａｎ，ａｎｄ Ｓ．Ｔｕｅｃｋｅ．Ｔｈｅ ａｎａｔｏｍｙ ｏｆ ｔｈｅ ｇｒｉｄ：Ｅｎａｂｌｉｎｇ ｓｅａｌａｂｌｅ ｖｉｒｔｕａｌ ｏｒｇａｎｉｚａｔｉｏｎｓ．Ｉｎｔｅｒｎａｔｉｏｎａｌ［］］． Ｓｕｐｅｒｃｏｍｐｕｔｅｒ Ａｐｐｌｉｃａｔｉｏｎｓ，２００１，１５（３）． ［６］ 徐志伟，冯百明，李伟．网格计算技术［Ｍ］．北京：电子工业出版社，２００４． ｏｂｕｓ Ａｌｌｉｎａｃｅ．ｈｔｔｐ：／／ｗｗｗ．ｇｌｏｂｕｓ．ｏｒｇ ［７］ Ｔｈｅ Ｇｌ［８］ 袁占亭，张秋余，翟志万．基于软件总线技术的软件工程方法［Ｊ］．计算机工程与应用，２００３（１５）：１３７—１３９． ［９］ 王凌云，李琦，等．Ｗｅｂ Ｓｅｒｖｉｃｅ与地理信息互操作［Ｊ］．测绘科学，２００４，２９（１）：３８—４１． （上接第１６页） 参考文献 ［１］Ｈｉｇｈｎａｍ Ｒ，Ｂｒａｄｙ Ｍ．Ｍｏｄｅｌ—ｂａｓｅｄ ｉｍａｇｅ ｅｎｈａｎｃｅｍｅｎｔ ｏｆ ｆａｒ ｉｎｆｒａｒｅｄ ｉｍａｇｅｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，１９９７，１９（４）：４１０—４１５． ［２］Ｖｏｉｃｕ Ｌ Ｉ，Ｍｙｌｅｒ Ｈ Ｒ，Ｗｅｅｋｓ Ａ Ｒ．Ｐｒａｃｔｉｃａｌ ｃｏｎｓｉｄｅｒａｔｉｏｎｓ ｏｎ ｃｏｌｏｒ ｉｍａｇｅ ｅｎｈａｎｃｅｍｅｎｔ ｕｓｉｎｇ ｈｏｍｏｍｏｒｐｈｉｃ ｆｉｌｔｅｒｉｎｇ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｉｍａｇｉｎｇ，１９９７，６（１）：１０８—１１３． ［３］虢建宏，田庆久．一种ＩＫＯＮＯＳ影像阴影检测与去除的方法口］．遥感信息，２００４（４）：３２—３４． ［４］Ｊｉａｎｇ Ｃ，Ｗａｒｄ Ｍ Ｏ Ｍ．Ｓｈａｄｏｗ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ．ｃｏｍｐｕｔｅｒ ｖｉｓｉｏｎ ａｎｄ ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］／／ＩＥＥＥ Ｃｏｍｐｕｔｅｒ Ｓｏｃｉｅｔｙ Ｃｏｎ— ｆｅｒｅｎｃｅ ｏｎ．１９９２（６）：６０６—６１２． ［５］ Ｓａｌｖａｄｏｒ Ｅ，Ｃａｖａｌｌａｒｏ Ａ，Ｅｂｒａｈｉｍｉ Ｔ．Ｓｈａｄｏｗ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ａｎｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｕｓｉｎｇ ｉｎｖａｒｉａｎｔ ｃｏｌｏｒ ｍｏｄｅｌｓ［Ｃ］／／ＩＥＥＥ Ｉｎ— ｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ．２００１，３（７—１１）：１５４５—１５４８． ［６］喻红艳，李利军．彩色航空影像中的建筑物阴影提取［ｊ］．科学技术与工程，２００７，７（７）：１３８９—１３９３． ［７］陈硕，沈模卫．颜色恒常理论及模型探索［Ｊ］．心理科学，２００３，２６（２）：２１５—２１８． ［８］Ｇ Ｂｕｃｈｓｂａｕｍ．Ａ ｓｐａｔｉａｌ ｐｒｏｃｅｓｓｏｒ ｍｏｄｅｌ ｆｏｒ ｏｂｊｅｃｔ ｃｏｌｏｒ ｐｅｒｃｅｐｔｉｏｎ［Ｊ］．Ｆｒａｎｃｋ Ｉｎｓｔ，１９８０（３１０）：１－－２６． ［９］Ｅ Ｌａｎｄ，Ｊ ＭｃＣａｎｎ．Ｌｉｇｈｔｎｅｓｓ ａｎｄ ｒｅｔｉｎｅｘ ｔｈｅｏｒｙ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｏｐｔｉｃａｌ ｏｃＳｉｅｔｙ ｏｆ Ａｍｅｒｉｃａ，１９７１，６１（１）：１—１１． ［１Ｏ］Ｊ ｖａｎ ｄｅ Ｗｅｉｊｅｒ，Ｔ Ｇｅｖｅｒｓ，Ａ Ｇｉｊｓｅｎ￣．Ｅｄｇｅ－ｂａｓｅｄ ｃｏｌｏｒ ｃｏｎｓｔａｎｃｙ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ ｏｎ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ，２００７，１６（９）： ２２０７—２２１４． ［１１］ Ｇ Ｆｉｎｌａｙｓｏｎ，Ｓ Ｈｏｒｄｌｅｙ，Ｐ Ｈｕｂｅ１．Ｃｏｌｏｒ ｂｙ ｃｏｒｒｅｌａｔｉｏｎ：Ａ ｓｉｍｐｌｅ，ｕｎｉｆｙｉｎｇ ｆｒａｍｅｗｏｒｋ ｆｏｒ ｃｏｌｏｒ ｃｏｎｓｔａｎｃｙ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ．Ｐａｔｔｅｒｎ Ａｎｅ１．Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌ，２００１，２３（１１）：１２０９—１２２１． ［１２］Ｋ Ｂａｒｎａｒｄ，Ｌ Ｍａｒｔｉｎ，Ｂ Ｆｕｎｔ，Ａ Ｃｏａｔｈ．Ａ ｄａｔａ ｓｅｔ ｆｏｒ ｃｏｌｏｒ ｒｅｓｅａｒｃｈ［Ｊ］．Ｃｏｌｏｒ Ｒｅｓｅａｒｃｈ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ，２００２，２７（３）： １４７—１５１． ［１３］王宁．图像的阴影检测与去除算法研究［Ｄ］．北京：北京交通大学，２００８． ［１４］江兴方，金龙，何隆华，陶纯堪．基于Ｒｅｔｉｎｅｘ彩色图像增强及其闭合区域提取的研究［Ｊ］．光子学报，２００７，３６（３）：５６５—５６７．
