医用电子内窥镜光源分色系统研究

以CCD为核心的彩色成像系统是医用电子内窥镜的关键部分。基于场顺序制分色扫描合成彩色图像的原理,主要通过对光学系统、分色轮、R、G、B三基色滤光片的设计,完成了整个光源分色系统,实现了利用单片单色CCD摄取彩色图象的电子内窥镜成像系统。     

分形技术在彩色纹理分割中的应用

应用分形技术,对彩色图象的纹理分割问题进行了探讨．为了有效地描述彩色纹理特征,我们利用图象中的色彩信息,通过象素的色彩曲面之间的体积值和单种色彩分量值进行分析,获得相应的分形特征,继而运用中值滤波技术和非监督聚类算法对特征图象进行分割．实验结果表明,利用分形技术进行彩色纹理分割是非常有效的．     

基于模板匹配的图像配准算法

在研究传统图像匹配方法和分色理论的基础上，提出了基于模板匹配的图像配准算法．在将标准图像和待测图像分别分色的基础上，采用序贯相似性检测算法对各色灰度图像分别进行模板匹配，并根据匹配数据，对图像进行平移、缩放及旋转操作，使两幅图像能够在空间上配准．实验表明，算法的效率和精度与采集设备的分辨率、模板选取以及匹配区域大小等因素有关，与传统图像配准算法相比，效率和精度分别提高了30％和35％以上，不仅满足了彩色精密印刷品质量检测的要求，而且还可应用于其他图像快速配准的过程中．     

基于HSV颜色模型扫描地形图的分色方法

彩色地形图分色对实现地形图全自动数字化有着重要的意义。本文针对彩色扫描地形图,首先根据对应关系进行颜色模型转换,然后提出一种最大方差理论与FCM聚类算法相结合的分色方法。从数学的角度,对分割定义和分色方法进行描述和分析。     

提高织物图案分色精度面向对象的一个新算法

本文设计了一个提高织物图案分色精度的新算法，该算法的分色过程在ＣＩＥ－Ｌａｂ均匀色度空间进行，能够完全控制分色过程的色差精度，同时提高分色过程的速度。     

身份证号码的自动识别系统

研究身份证号码的自动识别。对身份证号码图象进行了彩色空间分析，构造基于UV通道的彩色滤波器以去除身份证特有的彩色噪声；然后利用边缘图象切分数字，通过最值滤波器二值化切分后的图象；最后使用结构法对数字进行识别。实验结果表明，设计彩色滤波器可以有效的去除图象的彩色污染，提出的识别系统处理速度达到了实用水平。     

彩色图象分割方法及进展

图象分割是图象分析和模式识别的首要问题和基本问题,也是图象处理的经典难题.彩色图象比灰度图象具有更多的视觉信息,因而受到了越来越多的重视.本文结合近年来彩色图象分割中出现的新算法,将彩色图象的分割方法分为四大类,并分别加以介绍,分析了各种方法的优缺点,最后指出了彩色图象分割的发展趋势.     

一种公开数字图象块相关自适应随机水印算法

提出了一种新颖的公开数字图象块相关自适应随机水印算法，该算法以一幅彩色图象作为水印信息使得隐藏的水印信息量大，优于通常把文本、字符作为水印的方法；在水印嵌入时根据原始图象自身的特性，自适应地调节嵌入深度来保证水印的不可见性；分块随机嵌入提高了水印嵌入的顽健性；利用块相关技术使得水印提取过程不需要使用原始图象和其他参数，实现了有真正实用价值的公开水印图象算法．通过实验验证，效果良好。     

运用模糊连接理论分割非连通图象

本文提出了一种利用模糊连接理论讨论非连通图象的分割方案．该方案较好地利用了图象本身的模糊特性，修正了模糊连接强度的定义，从而成功地实现了分割数字、字母和汉字这样一些连通的或非连通的图象．它克服了Ｊ．Ｋ．Ｕｄｕｐａ算法仅能分割连通图的缺点．同时论文中还讨论了分割灰度图象和彩色图象的模糊连接强度定义及有关参数的选择方法．实验例子证明了这种方法的有效性．     

分莆技术在彩色纹理分割中的应用

应用分形技术,对彩色图象的纹理分割问题进行了探讨,为了有效地描述彩色纹理特征,我们利用图象中的色彩信息。通过象素的色彩曲面之间的体积值和单种色彩分量值进行分析,获得相应的分形特征,继而动用中值滤波技术和非监督聚算法对特征图象进行分割、实验发形技术进行彩色纹理分割是非常有效的。     

Lab空间的改进k-means算法彩色图像分割

为减弱经典k-means 算法中ＲGB( Ｒed Green Blue) 空间各个颜色分量高度线性相关以及欧氏距离的尺度相关性对图像分割结果产生的影响,并克服ＲGB 空间色彩分布不匀的缺陷,提出了一种基于Lab 颜色空间的改进k-means 聚类彩色图像分割方法。首先,将颜色空间从ＲGB 转换为Lab 空间,每个像素点都可以由L、a、b 3 分量组合进行表示。其次,用马氏距离替换欧氏距离进行改进,应用改进后的k-means 算法对图像像素点进行聚类,从而实现分割目的。通过实验证明该改进算法比经典k-means 算法具有更好的分割效果和准确度。     

基于纹理和邻域信息的肤色分割算法

为有效分割图像中的肤色信息,提出一种基于纹理和肤色点的邻域信息肤色分割算法.首先,根据图像中的肤色点在RGB颜色空间上的分布规律,利用统计直方图模型对肤色部分进行初步分割;其次,为提取图像中的纹理信息,采用Gabor滤波器进一步过滤掉与人类皮肤颜色接近但纹理粗糙的区域;最后,采用掩码图像中的肤色点作为种子点进行邻域信息的扩散,得到最终掩码图像.实验结果表明,与统计直方图肤色模型相比,该方法肤色分割效果更好.     

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。     

基于颜色特征的胸环靶图分割算法

胸环靶图的识别是自动报靶系统的重要研究内容之一。在分析胸环靶颜色特征的基础上,提出了一种基于颜色特征的胸环靶分割方法。首先从RGB颜色模型颜色空间分析了靶环绿色恒量的存在性;并基于绿色恒量特征初提取胸环靶图像。然后在HSI颜色空间中基于色调和饱和度分量进一步提取靶环图像。最后对二值化后的图像作投影变换,确定胸环靶在图中的位置。该算法其他的胸环靶分割算法,避免了阈值选择不当的问题;并且能够有效克服光线、背景变化和天气条件的影响,具有很好的鲁棒性和自适应性,定位精度高。     

示温漆色彩量化及其图像分割算法研究

提出了一种基于颜色聚类和区域特征相结合的示温漆图像分割算法。利用PGF滤波算法进行图像的噪声滤波,通过聚类算法在HSV颜色空间对示温漆图像进行色彩量化,最后利用区域增长和合并方法达到分割目的。实验结果表明,与其它针对自然真彩图像分割的算法相比,本算法的计算复杂度相对较小,对示温漆图像分割的效果良好。     

基于HSV色彩空间和Otsu算法的无人机影像植被覆盖度自动提取

随着无人机遥感技术的不断发展和普及,其在生态学等领域中的应用已成为当前研究热点。植被覆盖度信息提取是无人机遥感的重要应用领域之一,然而目前无人机影像的植被覆盖度提取存在阈值难以选取、耗费时间过长等问题。为提高植被覆盖度提取的精度和速度,本文提出一种基于HSV色彩空间与Otsu算法的图像分割方法。该方法将无人机影像进行色彩空间变换,在HSV色彩空间中提取H分量并结合Otsu阈值分割方法,全程快速自动地完成植被覆盖度提取。实验结果表明,Otsu算法能显著缩短植被覆盖度提取时间,且提取精度较高,并且在结合HSV色彩空间时,准确度更高,对比传统植被覆盖度阈值提取有较为明显的优势,提高了植被覆盖度提取的时效性。     

基于颜色信息的水稻稻曲病图像分割算法研究

提出一种从颜色空间进行稻曲病图像的稻曲球分割算法,通过研究稻曲病图像颜色空间的各颜色分量对应坐标值的比值,分析颜色分量的色差模型,找到稻曲球、稻穗和叶片之间颜色信息的不同分布区域,采用动态阈值法有效分割稻曲球。图像分割实验结果表明所提算法的有效性,为后续进一步研究稻曲病的图像特征提取与图像识别等提供研究基础。     

基于改进K-均值聚类的图像分割算法研究

为了实现彩色图像的准确分割,研究了在HLS颜色空间中基于优化初始中心的加权K-均值彩色图像聚类算法.首先对大样本的目标颜色进行数理统计,获取优化的初始聚类中心,从而实现准确分类和避免K-均值容易陷入局部最优的问题;然后在HLS颜色空间中引入加权欧氏距离来度量对象间的相关性,通过调整系数使对象不同的颜色属性内在特征得以充分利用.实验证明,该算法在保持K-均值聚类简洁、收敛速度快的同时能产生更好的聚类效果,实现彩色图像的快速准确分割.     

基于颜色空间和优化初始中心的模糊c均值聚类算法

提出了一种基于HIS空间的优化初始中心的模糊c-均值的彩色图像分割方法．首先将彩色图片由RGB转换为HIS,并将H和1分开处理,通过计算样本的权重,选取有代表性的样本作为初始聚类中心,给出优化初始聚类中心的FCM算法,将该算法应用于H和I通道,得出新的基于颜色空间的FCM算法．该算法可以得到较稳定的结果,并且提高了聚类的准确率．     

一种室内彩色图像的分割方法

讨论室内彩色图像的区域增长法分割技术．直接使用彩色图像作分割，效果并不理想．可以利用室内图像中非金属目标界面反射较弱的特点，简化反射模型，使用规一化彩色，然后再作区域增长，这样分割的效果令人满意．实验结果表明了这一点．