基于超像素和局部颜色恒常性的自适应阴影去除

为快速有效地去除监控视频中运动目标的投射阴影,提出了一种基于超像素和阴影区域的局部颜色恒常性的自适应阴影去除算法。首先采用改进的简单线性迭代聚类算法将视频图像中的运动前景分割为互不重叠的超像素;然后计算了RGB颜色空间中背景与运动前景的亮度比率,并分析了阴影区域的局部颜色恒常性;在此基础上,以超像素为基本处理单元,计算亮度比率的标准差,并利用阴影区域标准差的特征及其分布规律提出基于拐点的自适应阈值算法检测并去除阴影。实验结果表明,该算法可以适用于多种真实场景下的阴影检测,且阴影检测率与目标识别率均超过85%;基于超像素处理可以大幅度降低算法的计算复杂度,该算法每帧平均处理时间为20 ms。该算法可以同时满足阴影去除对准确度、实时性和鲁棒性的要求。

基于Landsat8数据的近海养殖区自动提取方法研究

利用遥感影像进行近海养殖区提取,是近海渔业资源监管的一种有效手段。然而由于近海养殖区受海水叶绿素和悬浮泥沙浓度差异分布的影响,海域水色背景往往较为复杂,使得传统近海养殖区提取方法很难取得理想效果。为了准确提取复杂水色背景下的近海养殖区,提出一种结合光谱和纹理信息的养殖区自动提取方法。首先,利用基于正交子空间投影的约束能量最小化(orthogonal subspace projection-weighted constrained energy minimization,OWCEM)方法增强近海养殖区信息;然后,利用近海养殖区的空间纹理信息,使用局部标准差自适应分割法(standard deviation adaptive segmentation,SDAS)对影像进行划分;最后,基于分割图像对近海养殖区进行自动提取。选取山东桑沟湾养殖海域和福建三都澳养殖海域为实验区,采用Landsat8数据对所提方法进行近海养殖区提取实验,结果表明:在复杂水色背景下,该方法能够准确快速地识别出近海养殖区的分布情况,在2个实验区都能达到93%以上的准确率,为近海养殖区自动提取提供了一种新的有效方法。