颜色相似度在南通蓝印花布图像检索中的应用研究

针对国家非物质文化遗产——南通蓝印花布在数字信息化方面的空白,分析了基于内容的蓝印花布数字图像检索系统技术可行性,得出通过颜色特征向量相似度的计算可以实现图像高效检索;在Java EE环境下利用OpenCV函数库对蓝印花布数字图像进行4种相似距离计算。通过分析,选定计算标准,为实现基于内容检索的南通蓝印花布数字图像检索系统打好基础。     

一种色调变化模糊量化方法

分析了MPEG-7中可伸缩颜色描述符将HSV颜色空间均匀量化到256个子区间的不足,给出了一种非均匀量化方法。就人眼的视觉特征来说,色调的过渡是一种色调影响的减弱和另一种色调影响的加强,文中线性地模拟色调的变化,提出了一种模糊量化策略;使用精确度、检索率和MPEG-7推荐的ANMRR指标评价实验结果的优劣。实验的结果表明,对HSV进行非均匀量化的效果要优于均匀量化,而模糊策略可以改善非均匀量化的效果。     

基于模糊颜色量化的彩色显微医学图像检索

模糊量化方法能很好地表达人的视觉感知,是颜色量化的一个重要方法.根据彩色显微医学图像的颜色特征,提出一种适合其图像检索的模糊量化算法:将整个HSV空间划分成78个模糊子集,由模糊子集的隶属函数计算每种颜色的隶属度,并统计图像的模糊量化直方图,图像间的相似性用模糊量化直方图间的距离进行评判.实验结果表明,该算法在基于内容的彩色显微医学图像检索中,具有较好的检索效果.     

基于颜色特征的改进图像检索算法

本文提出一种综合图像的颜色、灰度和空间信息提取特征向量的改进算法将图像从RGB空间转换成HSV空间,将彩色图像转换成黑白图像,并分别进行直方图量化后,进行相似度比较;改进颜色相关图的算法,提高颜色空间特征的检索效率.     

一种基于均匀颜色空间的色彩量化聚类算法

主要研究了将彩色图像重新量化为仅有几种颜色的色彩量化问题.将RGB非均匀颜色空间变换到CIE1976L*a*b*均匀颜色空间,并根据图像在L*a*b*颜色空间中的a*,b*取值范围来自动选取最初始的聚类中心,再通过K均值动态聚类算法和最近临准则得到最终的量化结果.实验结果表明,算法具有一定的实用性,量化效果也较为理想.     

基于HSV与MLPQ的自适应人脸检测算法

针对复杂背景下彩色图像的人脸检测问题,提出一种基于HSV与MLPQ的自适应人脸检测算法。首先用HSV空间的肤色模型分割出可能包含人脸的区域;其次用可调的搜索窗口提取可能的人脸区域,并提取其多尺度局部相位量化特征(MLPQ);最后通过计算人脸候选区域MLPQ直方图与训练样本库中人脸的MLPQ直方图的欧式距离,自适应的进行人脸的确认与定位。在BioID人脸库,及彩色FERET人脸库中进行了多组实验,分别取得了92.5%及90.5%的检测率,充分验证了该方法的有效性。     

在CIECAM97s中建立均匀颜色空间

利用色差评估数据构造的色分辨椭圆,对基于国际照明委员会1997年推荐的色表模型CIECAM97s的颜色空间进行均匀性分析,并用线形回归方法调整初始颜色空间明度、红绿度和黄蓝度坐标的量表,推导出新的均匀颜色空间J_ucsa_ucsb_ucs·与初始颜色空间比较,新颜色空间的均匀性有了明显的改善.     

一种基于颜色直方图的图像检索方法

在环形颜色直方图基础上采用具有视觉一致性的颜色空间——HSV,并把各通道分别进行非等间隔量化,采用各通道向量加权的形式把各通道组合为一个特征向量作为环形颜色直方图的颜色值,最后采用扩展的直方图交算法进行相似性匹配。实验验证了这种方法的有效性。     

一种非均匀照明彩色图像自适应校正方法

为解决非均匀照明条件下彩色图像亮度不均、细节丢失、对比度低等问题,提出一种非均匀照明彩色图像自适应校正方法研究非均匀照明图像的自适应增强.首先,提出一种双伽马校正直方图均衡(bilateral Gamma adjustment histogram equalization,BIGAHE)算法处理HSV颜色空间的V通道,来调整图像全局对比度和亮度,同时使用构建的自适应拉伸函数对S通道进行非线性拉伸以提高图像整体饱和度,然后利用对比度受限的自适应直方图均衡算法(contrast limited adaptive histo-gram equalization,CLAHE)对L?a?b?颜色空间中L?通道进行局部对比度增强,得到最终增强图像.实验结果表明,与现有流行的图像增强方法相比,该算法的平均梯度(mean gradient,MG)、熵(entropy)指标为所有对比算法中最优,对比度改善指数(contrast improvement index,CII)在所有方法中排名第二.可见该算法能够有效提高非均匀照明图像亮度和对比度,提供更多的细节增强,同时避免过度增强,保持图像的自然性,获得更好的增强效果.     

任意视点电视系统中深度数据的自适应非均匀量化方法

为了降低现有任意视点电视系统中深度数据量化所带来的量化失真,提出一种自适应非均匀深度量化方法.首先根据深度数据的统计特性,选取有效深度子空间;然后对有效深度子空间重新进行精细划分,得到对应的自适应量化表;最后使用该自适应量化表对原深度数据进行自适应量化.实验结果表明,与现有的均匀量化和普通非均匀量化方法相比,使用所提出的方法可使深度数据的量化信噪比平均提高20 dB.因此,自适应非均匀量化方法能够显著降低深度数据量化误差,有助于在任意视点电视系统的接收端获得高精度深度数据,从而得到主观效果更好的虚拟视图.