基于Sigmoid核函数的纺织品色差分类检测研究

颜色的自动检测分级是纺织、印染行业质量检测中的关键一环。为达到纺织品颜色的快速分级,根据人类视觉特性,提出了一种基于Sigmoid核函数的纺织品色差分类检测方法。该方法首先将采集的待测纺织品图像进行预处理操作,并将图像数据由RGB色彩空间转换至HSV色彩空间;其次对图像区域进行均匀分块,提取H、S、V分量值并采用加权和的方式计算待测纺织品与标准样品间的色差值ΔE;最后以ΔE作为特征向量,采用基于Sigmoid核函数的SVM分类器来实现纺织品颜色分级。通过色差检测系统分类实验验证该方法分类准确率较高,可以实现纺织品的色差检测分类。研究结果可为陶瓷、木材等其他行业的色差检测分类提供参考。     

基于机器视觉的纺织布品色差检测研究

纺织布品印染是纺织品生产过程的一个主要环节,色差则是纺织品印染质量好坏的重要因素.针对纺织布品染色过程中染色不匀,在线检测效率低等问题,提出一种新的检测方法.利用CCD工业相机进行图像采集,采用图像增强、颜色量化、开闭运算和双边滤波图像处理方法提取标准图像和待检测图像的颜色特征,用CIELAB色差公式计算色差.实验结果表明,该方法在图像处理中能够有效的去除图像中与颜色无关的像素特征,减少数据处理时间,检测精度能够达到87.5%以上.     

颜色空间的感知均匀性评价及其在图像处理中的应用

针对以感知为基础的彩色图像处理中涉及的小色差图像数据的处理,本文选择6幅常用的不同类型和不同色彩的图像并对它们实施明度、彩度、色相角等变换,针对变换后的图像色差进行了心理物理学视觉评价实验。根据视觉实验数据,用对小色差数据具有较好评价能力的基于CIELAB颜色空间的CIEDE2000色差公式、基于CIECAM02色貌模型的CAM02-SCD方法、基于图像的S-CIELAB模型、基于IPT颜色空间的色差计算方法和基于LAB2000HL的颜色空间进行了性能测试和分析评价。最后分析了不同的感知均匀颜色空间在不同图像处理中的应用特点。     

基于核方法协同表示的高光谱图像分类

为进一步利用高光谱图像在同一区域内像素点的相似特性完成地物分类,提出了一种基于核方法协同表示与绝对距离融合的分类算法。通过核函数将原始数据投影到高维核空间,在特征空间中用全部训练样本表示待测样本,再计算吉洪诺夫正则化下待测像元的重构残差和每个类别表示系数绝对值向量,使用不同权重予以融合作为分类依据。在实验中使用Indian Pines和Pavia University两种高光谱图像数据对该方法进行实验验证,实验结果表明:与原协同表示(CRC)及支持向量机(SVM)相比,改进后分类算法总体分类精度和平均分类精度都有更好的表现,均达到94%以上,具有较好的鲁棒性。     

浅析一种基于Mahalanobis距离的色差检测方法

在纺织印染行业,织物色差是影响织物质量的重要因素。国内外对色差的研究已经开始多年了,也提出了许多方法。分析了一种基于Mahalanobis距离的色差检测方法,在HSI颜色空间以H、S、I为变量计算两幅图像之间颜色的距离;且简单证明了该种方法与CIE色差公式的一致性。     

基于图像技术的迷彩面料颜色测量

颜色测量对于迷彩面料的色彩分析、产品设计、质量控制有着重要的指导意义。针对由织物组织纹理和图案的多样性造成测色难度增大的问题,提出一种迷彩面料图案分割的方法,并提取色彩信息加以分析。利用数码相机进行迷彩面料图像的采集,利用Mean Shift聚类算法将图像分割成不同颜色的色块,再用神经网络回归实现图像从RGB(red,green,blue)颜色空间到Lab颜色空间的转换,并通过正态分布法对迷彩颜色进行分析测量。试验结果表明:提出的图像处理方法可实现迷彩服面料颜色的自动分割;与Datacolor分光测色仪测色结果相比,正态分布法分析得到的平均色差不超过2。     

基于主色色差的彩色图像边缘检测方法

图像边缘是图像重要特征之一,传统的边缘检测方法大都基于灰度图像,将彩色图像转为灰度图像后进行边缘检测不能充分利用彩色图像信息,而基于非均匀空间的彩色图像边缘检测方法也会造成信息丢失。文章提出了一种基于均匀颜色空间CIE1976L*a*b*空间色差的彩色图像边缘检测方法,充分考虑了颜色矢量距离差异和颜色矢量方向差异,能够比较准确的检测到彩色图像的边缘,优于基于灰度和非均匀颜色空间的边缘检测方法。     

基于映射色差的颜色分类表面检测方法研究

针对人类视觉和颜色分类检测问题,提出一种映射色差的颜色距离度量新定义.该映射色差满足距离度量的3个公理条件,并且以两幅图像均值向量之间的L2距离为下界;以映射色差为基础设计了一种表面颜色分类检测新方法,在CIE 1976L*a*b*空间用距离加权重心切分提取主色调,并以上述映射色差距离设计最小距离分类器实现表面检测.实验中对人民币和瓷砖产品表面质量进行自动检测,其检测结果和人的视觉感知特性取得了良好的一致性.该检测方法已应用于人民币印刷质量表面检测系统中.     

基于颜色特征相似性度量的包装图配色检索研究

色彩是包装设计中重要的设计元素，为了提供更多的包装案例配色参考，本课题提出了基于颜色特征的包装配色检索研究。选择HSV颜色空间量化图像，采用颜色特征直方图法提取图像特征和图像相似性度量。建立8种色彩情感图像资源库，采用基于PCA方法实现色彩情感图像库的分类判别。实验中根据输入的关键图，进行分析判断，并从图像库中输出相同色彩情感的图像，实验结果表明本文提出的方法能获得较准确的结果。     

RGB颜色空间新的色差公式

本文基于RGB颜色空间,对目前使用较为广泛和最近使用的几种RGB颜色色差算法进行分析对比,评价其优缺点,吸收它们的优点,屏蔽它们的缺点,提出了一种全新的基于特征向量的色差公式。本文给出了基于RGB颜色空间的特征提取方法和特征向量的色差计算方法。通过图像的分割实验对比,验证了本算法的有效性和平滑性。本算法得到的色彩溶差符合人眼的视觉判断。由于本算法具有较小的时间复杂度和空间复杂度,可应用于实际生产与生活。     

有雾图像和沙尘图像增强算法

针对有雾图像和沙尘图像存在色差、 清晰度较差的问题, 提出一种有雾图像和沙尘图像增强算法. 首先, 在Lab颜色空间用灰度世界算法解决沙尘图像的色差问题, 将调整色差后的沙尘图像与有雾图像转换到HSV颜色空间, 分别提高图像的饱和度和对比度; 其次, 用Laplace算子检测图像的模糊程度, 对于模糊度较高的图像, 用基于加权最小二乘滤波算法去除图像的模糊特征, 进一步提高图像可见度; 最后, 与现有的去雾算法和沙尘增强算法进行对比实验. 实验结果表明, 该算法可以更好地恢复图像的色彩, 并有效提高图像清晰度.     

基于K-均值聚类算法的中药叶片显微图像分割

本文试图利用图像分割技术,实现叶片自动分类。为了充分利用像素的色彩,分割算法在RGB颜色空间进行。颜色空间数据量巨大,直接进行聚类效率太低,因此,本文运用一种特殊的存储结构存储颜色空间数据,按颜色的密度特征对图像中的颜色进行排序和聚类,并根据待聚类色彩与已有聚类中心距离是否小于类内最大距离来决定归入已有的类或形成一个新的类。实验结果表明算法具有较好的分类效果。     

基于双空间金字塔匹配核的图像目标分类

提出一种基于局部特征的双空间金字塔匹配核(bi-space pyramid match kernel,BSPM)用于图像目标分类.利用局部特征在特征空间和图像空间建立统一的多分辨率框架,以便较好地表达图像的语义内容.该方法同时在特征空间和图像空间建立金字塔型结构,通过适当匹配可以得到正定核函数,该函数具有线性计算复杂度,可以运用于基于核的学习算法.将BSPM嵌入支持向量机对公共数据库中图像目标进行分类,实验结果表明该方法对图像具有良好的分类能力,优于词汇导向的金字塔匹配核和空间金字塔匹配核.     

基于Hadoop的大规模图像数据处理

为了分析高速增长的海量输电杆塔检测数据,提出了分布式环境下基于梯度方向直方图特征的径向基核支持向量机鸟巢检测法。图像采集系统采集输电线路杆塔鸟巢图像,对图片进行灰度化处理,仿射变换实现空间变换;支持向量机(SVM)提取图像正负样本的特征并建立分类边界,构建速识别待测分类数据;将图像的HOG特征写入txt文件,作为HADOOP的处理对象,进行海量数据的并行化处理。实验结果表明:分类正确率为88. 2%,6节点集群运行时间为单机时间的64. 9%.     

基于空间概率乘积核函数的图像分类算法

针对词袋模型统计聚集算法忽略了编码矢量的其它统计特征信息及空间信息,并且只能与常用核函数相配合度量图像之间相似性的问题,该文提出一种基于空间概率乘积核函数的图像分类(SPPKBIG)算法。使用Parzen窗方法估计编码矢量所服从的概率密度分布,用来描述图像内容,使用空间概率乘积核函数构建图像之间的核矩阵,最后使用基于此核矩阵的支持向量机对图像进行分类。实验结果表明,SPPKBIC算法对15类场景数据集和MSRcv2数据集的平均分类正确率分别为84.1%和94.8%。     

利用颜色信息的人脸检测方法

提出一种利用颜色信息的人脸检测方法,首先把输入的彩色图像从ＲＧＢ转换到ＹＩＱ颜色空间,提取与人的肤色相关的Ｉ分量图像,通过对整幅Ｉ分量图像进行尺度变化和窗口扫描,解决待测人脸的位置,大小不同问题,实现平移不变和尺度不变。然后对Ｉ分量图像进行门限化处理。     

道路交通标志检测方法研究

针对中国道路交通标志特征, 提出一种基于颜色搜索定位和形状判别的交通标志检测方法： 首先在HSB颜色空间设定阈值分割色彩区域, 对分割后的图像进行色块搜索初步定位出感兴趣区域, 色块搜索缩小搜索范围, 提高检测效率; 然后, 根据交通标志图形边框具有像素颜色一致的特征, 提出构造图形边缘函数的方法对定位出的感兴趣色彩区域进行交通标志形状判别检测. 实验结果表明, 该方法能有效定位交通标志.     

基于最小最大概率机的虹膜图像分类方法研究

为了提高虹膜图像分类的准确性和稳定性，提出了一种基于最小最大概率机的虹膜图像分类方法．该方法通过控制错分概率实现分类的最大化，将一般的二维分类问题扩展到虹膜特征的多维空间，并利用最小最大概率机的高维映射泛化特性，实现了不同核函数下的虹膜图像多维分类问题，具有分类准确率高、稳定性好的特点．通过虹膜图像库的实验验证表明，该方法在保持分类稳定性的同时，获得了径向基核函数高达98．55％的分类率，该分类率比最近特征线方法和相异度函数方法的分类率分别提高了4．47％和6．41％．     

道路交通标志检测方法研究

针对中国道路交通标志特征,提出一种基于颜色搜索定位和形状判别的交通标志检测方法:首先在HSB颜色空间设定阈值分割色彩区域,对分割后的图像进行色块搜索初步定位出感兴趣区域,色块搜索缩小搜索范围,提高检测效率;然后,根据交通标志图形边框具有像素颜色一致的特征,提出构造图形边缘函数的方法对定位出的感兴趣色彩区域进行交通标志形状判别检测.实验结果表明,该方法能有效定位交通标志.     

基于最优解的数字成像系统色彩校正方法

由于受图像传感器光谱响应灵敏度、镜头光谱透过率等因素影响,数字成像系统的成像过程可能会带来图像颜色的失真.而图像的颜色信息往往是进行图像分析的重要依据,对数码成像系统的彩色还原性评价、检测以及校正方法进行研究具有重要的意义.在CIELAB色度空间采用数学方法,求出校正矩阵最优解,进而对图像的色彩进行校正.通过对标准色块标板图像进行实验,发现最优解法校正后的图像各个色块色差值均有减小,实现了对标准色板全部色块颜色的综合校正.