颜色空间转换的模糊神经网络辨识算法

为了提高颜色在不同成像设备之间传递的准确性,以RGB颜色空间与CIE L*a*b*颜色转换为例,提出采用颜色空间转换模糊模型将输入颜色空间划分为多个子空间,在子空间内采用神经网络模型对输入值进行输出,利用神经网络优化颜色空间模糊转换模型,得到了基于模糊神经系统的颜色空间转换模型.研究结果表明,该模型转化精度相对于单一的颜色空间模糊转换模型有很大提高,并解决了BP神经网络颜色空间转换模型由于空间采样点数目过多而引起的训练难度增加问题.     

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.     

一种彩色打印机标定的预测查找方法

提出的预测查找方法试图利用较小规模的测试数据表获得较高的转换精度．该方法根据实际测量数据建立RGB(设备颜色空间)和L^*a^*b^*(标准颜色空间)之间的近似转换模型，并建立一个按特定规律排列的RGB—L^*a^*b^*表，用给定的L^*a^*b^*查出一组近似的RGB值并计算相应的色差，进而利用模型的预测对RGB值进行修正，如此以逐步逼近的方式使色差小于一个预定的阈值．实验结果表明，由于这种逼近在模型预测指导下进行，多数情况下经过2～3次迭代即可达到色差小于2～3个CIELAB色差单位。     

基于模糊理论的RGB到CIEL*a*b*色彩空间转换模型的研究

为满足印刷一致性和预期性的要求,基于颜色的模糊性,根据模糊控制基本理论,采用三角形隶属函数并通过实验建立了模糊规则,实现了从RGB到CIEL^＊a^＊b^＊颜色空间模型的转换。     

贺兰山岩画的多尺度非局部滤波算法

针对贺兰山岩画提出了一种新的滤波算法,该方法基于混合多尺度和非局部平均滤波的思想处理噪声图像.首先,将RGB彩色空间转换到L*a*b*颜色空间;其次,对L*a*b*颜色空间的每个分量进行多层小波变换;然后通过2种不同的策略处理粗尺度的小波系数,即对低频系数进行非局部平均滤波,对高频系数进行阈值处理,并对处理后的粗尺度小波系数进行重构得到上一层的低频图像;之后,对每一个尺度继续上面的操作直到得到最细尺度的系数,并对完全重构的图像进行非局部平均滤波;最后,将处理结果转换到通常的RGB彩色空间.大量的实验用于讨论参数的选取和算法的有效性.结果表明,该方法在计算效率、鲁棒性和视觉效果方面均优于已有的混合高斯尺度方法、多尺度双边滤波方法、非局部平均滤波方法.     

色度学原理在确定化学反应终点中的应用

对常用的颜色度量方法进行了概括分析,并基于CIE1931标准色度系统及CIE 1976 L＊a＊b＊均匀颜色空间,提出了用三刺激值定量指示化学滴定反应终点的新方法,并通过求取滴定过程中不同阶段溶液的色差变化证明了该方法的可行性,将色度学原理定量表示颜色的方法和人的实际经验有效结合。     

可视电话的视频色彩空间的实时转换

可视电话视频信号处理的一项关键技术就是把RGB色彩空间转换成YCbCr色彩空间.由于视频信号的处理具有实时性,本文在介绍了彩色图像的色彩空间之后,根据RGB与YCbCr色彩空间的转换算法,用VHDL语言编程,在FPGA器件上设计并实现.具有较高的转换速率,满足了视频信号实时处理的要求.     

CMAC辨识的CMYK到CIE L*a*b*颜色空间转换模型的研究

为了解决设备相关颜色空间CMYK与设备无关颜色空间之间的相互转换问题,利用小脑模型神经网络(cerebellar model articulation controller, CMAC)高度非线性拟合能力,研究CMYK颜色空间与CIE L*a*b*之间的转换关系,研究结果显示该方法具有结构简单,易于软件和硬件的实现,将IT8.7/3标准色靶文件中104个专业色块值作为检验样本,检验样本的平均色差为1.6,完全适用于两种不同颜色空间之间的转换过程.      

基于YUV色彩空间的Retinex夜间图像增强算法

通常夜间拍摄图像容易出现细节分辨不清的情况。为了改善夜间拍摄图像的质量,提出一种基于YUV色彩空间的Retinex图像增强算法和色度自适应校正方法。首先将图像从RGB色彩空间转换到YUV色彩空间;其次对明亮度分量Y采用多尺度Retinex算法增强,并利用增强后的Y分量对色度分量U、V进行自适应校正;最后将图像转换到RGB色彩空间输出,使图像在细节信息得到增强的同时颜色得到较好的保持。通过与其他Retinex算法比较,实验结果表明该算法在颜色保持和细节增强方面能够达到很好的效果。     

基于色域分析的大雾图像特征提取与等级识别方法

基于色域分析对大雾图像的特征展开研究,首先将大雾图像数值化,获取其RGB空间;其次将图像由RGB空间转换到YCbCr空间,提取其亮度特征;然后使用主成分分析法降维得到高层抽象特征,实现大雾图像特征提取;最后基于提取的特征空间,使用K近邻算法建立大雾识别模型,并对模型进行了测试。     

基于光照分量提取的光照不均匀图像校正

针对光照不均匀的灰度图像,在频域采用多尺度高斯函数提取出光照分量,并对光照分量进行对数变换,再根据提取出的光照分量和变换后的光照分量对原始图像的灰度值进行幂次变换,从而实现光照不均匀灰度图像的校正。对于真彩色RGB图像,先将该图像从RGB空间转换到Lab空间,然后对L分量的灰度值进行幂次变换校正,最后将校正后的图像从Lab空间转换回RGB空间。Matlab仿真结果表明,频域提取光照分量比空域处理速度更快,幂次变换校正后的图像质量得到明显改善,与伽马函数校正相比,在客观评价标准和主观视觉效果两方面均能够取得更好的结果。     

基于RGB比例空间的立体匹配算法

实际场景中, 由于光照条件不同, 使从不同角度获得的、对应同一场景的图像像素对的RGB 值不同,从而导致匹配错误, 为了改善此问题, 根据RGB 色彩模型, 形成RGB 比例空间, 提出基于RGB 比例空间的自适应权值算法。实验结果表明, 在光照条件不同时, 与传统的基于RGB 空间的匹配算法进行比较, 该算法可以得到更准确的视差图。     

浅析130ka以来柴达木盆地东南部沉积物色度记录的古气候意义

本文通过柴达木盆地东南部沉积物的色度L＊、a＊和b＊值与有关地球化学指标的相关关系分析,探讨了沉积物色度的古气候意义,并据此分析了130kaB.P.以来该区的古气候演变过程.结果表明,L＊值高时,气候冷干;反之,气温上升,湿度增加;高a＊值反映气温较高,高b＊值反映湖水浅且氧化作用强.柴达木盆地东南部沉积物色度曲线反映的气候变化特征与其他的气候指标曲线相吻合.     

基于FPGA的色彩空间转换系统设计

在视频图像获取的过程中,采集的图像通常是RGB色彩空间表示,但在实际的图像处理中为了降低带宽、压缩存储要将RGB图像转化为YCbCr色度空间的图像。本篇论文用FPGA芯片EP2C8Q208C8N作为核心芯片,同时结合解码芯片TVP5150和编码芯片ADV7123共同完成色彩空间的转换并通过VGA显示结果。     

颜色模型在脱绒棉种检测分级中的应用

颜色模型是基于机器视觉技术实现脱绒棉种外观颜色分级的关键。本文对机器视觉中常用的RGB、XYZ、CIEL＊a＊b＊、HIS等不同的颜色模型进行了对比研究,结果表明适合脱绒棉种检测分级的颜色模型为HIS模型;并对大量棉种图像进行研究,通过结果确定I分量为脱绒棉种分级的重要参考标准,这一结论可为实现脱绒棉种的自动检测分级提供的理论依据。     

鸡蛋透光图像特征提取与新鲜度检测模型研究

消费者对蛋品品质的要求越来越高,系统地对鸡蛋新鲜度进行无损检测也越来越重要。通过冷光源照射获取鸡蛋彩色透光图像,提取透光图像Lab空间的L分量进行灰度阈值分割得到鸡蛋的二值图像;将L分量进行预处理后,采用连通区域检测法提取气室边缘、霍夫直线检测气室与鸡蛋的分割线,得到气室的二值图像;提取透光图像RGB空间的G分量进行自适应灰度调整、自定义模板的线性空间滤波,利用形态学方法和阈值分割法提取蛋黄图像;使用sobel算子提取蛋黄边缘并利用最小二乘法拟合蛋黄椭圆。提取透光图像中与新鲜度有关的气室大小、蛋黄大小和椭圆度三种特征,计算三种因素值并分别建立了它们与鸡蛋新鲜度的单因素线性回归模型;利用梯度下降法综合三种特征因素训练得出鸡蛋透光图像三元新鲜度模型。该模型经拟合优度检验和F检验具较高可靠性,可对禽蛋进行实时新鲜度检测与分级。     

基于K-means聚类的纺织品印花图像区域分割

对纺织品彩色印花图像进行颜色区域分割.将彩色纺织品印花图像转换到CIEL*a*b颜色空间,用K均值聚类分析算法对描述颜色的a*争b*通道进行聚类分析;通过提取各个颜色区域独立成为单色的新图像,对彩色纺织品印花图像进行分割处理.实验结果表明,在CIE L*a*b空间使用K-means聚类算法可以有效地分割彩色纺织品图像的颜色区域.     

基于K-means算法的RGB图像色彩聚类

给出了一个利用K-means算法进行迭代聚类,并以聚类结果建立彩色图像调色板的算法。该算法在统计图像中各种颜色的RGB组合值出现次数的基础上,以聚类得到的256种颜色建立调色板,从而将BMP格式图像转换成GIF格式。实验表明,这种转换的色彩失真较小。     

基于图像识别的棉花水分状况诊断研究

探讨了利用图像识别技术快速获取棉花水分信息的方法。分析了颜色参数与棉花水分含量及水分含量指数的关系，并建立了水分状况的预测模型。结果表明，HIS颜色系统的色调H值与棉花含水量显著正相关，而亮度I值和水分含量指数呈极显著正相关；RGB颜色系统的G—R与棉花水分含量及水分含量指数相关性最好。以G—R参数和棉花水分含量及水分含量指数建立回归模型，预测精度分别达到了90．71％和91．02％，顶测模型分别为0．3955＋0．0139（G—R）（R^2=0．7460^＊＊）和-0．0428＋0．0223（G—R）（R^2=0．8552^＊＊）。基于图像识别技术诊断棉花水分状况是可行的，有单成为作物水分信息获取的新手段。     

融合彩色模型空间的非线性低照度图像增强

低照度图像存在图像整体亮度偏低、亮度不均匀、色彩饱和度过高、图像模糊等问题,针对此类问题,提出了一种融合彩色模型空间的低照度图像增强算法。在该算法中,将图像的亮度增强与图像色彩恢复转换至不同的彩色模型空间分别进行处理:在RGB彩色模型空间中,首先对图像的高灰度级进行预处理,随后进行滤波处理,最后再用三分量增强函数对图像进行亮度恢复;在HSV彩色模型空间中,利用非线性色彩饱和度校正函数与亮度增强函数进行图像的色彩恢复,最后将两个空间中的处理结果进行加权融合。最终的对比实验结果表明,该方法在避免图像出现过度增强、色彩恢复与图像照度增强方面有着良好的效果,所处理的图像符合人眼视觉特性。