一种基于RGB颜色分量的枝干图像分割方法

在RGB色彩空间的基础上,以苹果枝干识别为目标,提出了一种用于枝干识别的彩色图像阈值分割的方法。通过分析RGB三个色彩分量的关系,得出了基色两两之间的线性关系表达式,进而提出色差环的概念,并建立了色差环,取得线性关系表达式之间的联系,得出枝干图像分割阈值范围公式。引入对阈值进行整体调节的参数μ,实现根据实际果园环境实时调节阈值范围大小。通过实验验证,本文方法能够实现对自然光照射下的果树枝干等彩色图像的准确快速分割和识别。     

基于HSI图像分割的AGV道路标线中心线提取

针对视觉导航AGV的道路标线中心线提取,提出了一种新型的基于HSI图像分割的方法。该方法首先将原始的RGB图像转换成HSI图像,在此基础上完成图像分割。图像分割所获得的单色位图,经过图像形态学的处理,包括开运算、腐蚀、差运算等,最终可提取出道路标线的中心线。对实际道路图像数据的实验验证了该方法的有效性。与原有方法相比,该方法所需运算简单,实现该方法所需硬件资源消耗小,适合基于嵌入式系统开发的视觉导航AGV。     

基于权重的HSI多通道图像融合

针对现有的彩色图像融合方法所存在的融合失真问题,提出了一种基于权重的HSI多通道图像融合方法.将源图像从RGB颜色空间转换为HSI颜色空间,采用不同的融合规则对I、H和S分量进行融合,再将融合后的通道图像再转换为RGB图像.该算法融合后的图像更加清晰,无颜色失真,并且算法复杂度低.实验结果表明,该图像融合算法优于传统经典的融合算法.     

基于形态学和贴标签法的苹果图像增强

苹果图像的精准分割是目标果实识别与定位的关键步骤,然而分割出的图像往往存在较多的孔洞和噪声,影响着进一步的识别与分析,因此需要对目标果实的分割图像进行完善和去噪处理.应用于苹果采摘机器人的图像处理中,既要考虑处理精度,还要考虑处理效率.将数学形态学和贴标签法相结合,首先利用数学形态学方法去除分割图像的孔洞以及部分噪声,求出最大连通区域;然后利用贴标签法进一步处理,得到较为完好的目标果实图像.在HSI和Lab两种颜色空间下进行实验,对组合方法处理后的图像再利用Sobel算子进行边缘检测,结果表明,该方法能够有效地填补孔洞和滤除噪声,且不会破坏图像的边缘信息,为进一步的图像识别打下基础.     

基于彩色的印鉴图像分割技术

本文主要阐述了在银行印鉴自动识别系统中印鉴图像分割技术的研究,提出了改进的基于颜色的印鉴图像分割技术,由传统的基于RGB色度模型的彩色图像分割过渡为基于HSI色度模型的印章图像分割。     

属性论方法在图像分割中的应用研究

提出一种基于属性论的图像分割方法,首先将彩色图像转换到HSI颜色空间,然后根据定性映射原理建立HSI颜色空间的智能融合模型,通过像素点间的不同颜色分量的特征匹配实现对图像的分割,最后用MATLAB进行仿真实验,实验结果表明,所提出的定性映射颜色分割算法快速、有效、可靠.     

基于Otsu阈值彩色图像分割方法研究

彩色图像的分割一直是现在研究的热点和难点,提出先分析彩色图像空间,转换成RGB图像,利用数据融合技术生成灰度图像,根据不同图像基于最大类间方差（Otsu）动态获取阈值,最后闽值判断分割图像。     

基于颜色模型和区域特性的交通标志提取方法研究

为了提升交通标志的检测效率,研究了基于RGB归一化交通标志阈值分割算法和基于HSI颜色模型的交通标志阈值分割算法,对比分析了两种分割算法的性能。针对分割后二值图像交通标志虚警率高的问题,研究了标志的区域特性,提出了基于区域特性的交通标志提取阈值处理方法,为进一步提升基于形状特征或基于机器学习的交通标志检测效率奠定了坚实基础。     

一种紫色土图像的分割与提取方法

【目的】研究紫色土的图像分割与提取，为将来实现机器视觉识别紫色土打下基础。【方法】利用在RGB颜色空间的像素值分布特点，计算多变量条件概率，通过建立优化模型提取颜色特征值的边界，结合分段函数构建分割测度；然后，使用构建的分割测度建立基于密度峰值思想的优化模型，按照两次迭代差异最小化原则，优化局部分割阈值，从多个局部分割阈值中利用类内方差最小化模型获得优化的分割阈值，实现紫色土的图像分割；最后，以像素四邻域连通标记递归算法标记包含空洞的紫色土区域图像的连通区域以消除分割结果中的背景离散区域。同理，标记背景连通区域以填充紫色土区域图像空洞实现图像中紫色土区域的提取。【结果】计算综合评价指标F1、调整的兰德系数ARI和归一化互信息NMI来评价分割提取的结果。试验表明，提出的方法平均分割准确率达96.01%,97.16%和82.02%；与对比方法比较，提出的算法可以更加准确完整地分割与提取紫色土区域图像，最终实现紫色土图像土壤区域的完整分割。【结论】提出的算法是有效的。     

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。     

基于区域的自动种子区域生长法的彩色图像分割算法

提出了一种基于区域的自动种子区域生长法进行彩色图像分割的算法.该方法首先应用分水岭算法对图像进行初始化分割,形成过分割效果.然后从分水岭算法形成的区域出发,根据一定的规则自动选出一些区域作为种子区域,进行种子区域生长.与传统的种子区域生长法(SRG)以图像中的像素点作为种子进行生长的方法不同,本方法以区域作为种子并以区域作为生长单位进行区域生长.实验结果表明,该算法能够产生较好的分割效果及较快的分割速度.     

基于颜色相似系数的虚拟人股肌分割

虚拟可视化人研究是虚拟人研究计划的初始阶段,而虚拟人可视化人研究的必备前提是快速、准确地进行彩色图像数据集的组织分割.引入一种足球机器人系统中快速目标定位的算法,在RGB颜色空间中,利用两个像素之间的颜色相似系数的计算结果,同时根据设定的阈值来判断两种颜色是否具有相似性.该方法省去了在其他针对彩色图像的分割方法中,颜色空间的转换过程,节约了大量计算时间,提高了图像分割过程的效率.实验结果证明,该方法可对彩色图像进行有效的分割,符合人类视觉特性,特别适合于虚拟人计划中海量彩色尸体切片的组织分割.     

HSI空间中基于自适应阈值的彩色地图的道路提取

目前地理信息系统的应用非常广泛,其中,电子地图中道路网的提取是目标识别中重要的研究内容之一。提出了一种基于彩色理论的自适应阈值道路提取方法,首先将图像从RGB空间转换至HSI空间后,利用自适应阈值的方法对图像进行分割,并对分割结果进行了平滑和增强的后处理,最后利用数学形态学的相应方法对目标进行提取。将该方法应用于北京的电子地图图像进行道路目标的提取,得到了很好的效果。     

基于颜色相似系数的彩色图像分割方法

基于两种像素之间颜色相似系数的计算,根据设定的阈值来判断两种颜色是否具有相似性·计算在RGB颜色空间进行,省去了其他分割方法中的颜色空间转换过程·为提高图像分割过程的效率,采用了改进的区域生长法实现整个彩色图像的分割·实验结果表明,本方法可对彩色图像进行有效的分割,符合人类视觉感知特性,适合于不同的应用目的·     

基于图像色彩特征融合的绝缘子污秽等级检测

针对绝缘子污秽状态非接触检测问题,提出基于可见光图像RGB(red green blue)和HSI(hue saturation intensity)空间信息特征级融合的污秽等级检测方法.利用最佳熵阈值分割法(OET)提取绝缘子盘面区域,分别在RGB和HSI色彩空间进行特征计算,根据Fisher准则进行特征选择,得到可以有效表征污秽状态的特征量,利用核主元分析(KPCA)对两个色彩空间特征的组合进行降维融合,得到三维融合特征向量,结合概率神经网络(PNN)实现污秽等级识别.实验分析表明,基于核主元分析的图像信息特征级融合能够全面地反映绝缘子污秽状态,与单独利用RGB或HSI特征进行识别相比,其准确率有显著提高,可以实现绝缘子污秽等级的有效识别,为绝缘子污闪防治提供了新的方法.     

基于图像识别算法的森林防火系统设计

传统的森林火灾监测技术包括人工护林监测、飞机航测、卫星监测等。本文提出一种基于普通CCD摄像头和瞭望塔上现有的短波无线通信设备的森林防火监测系统,根据实时图像与参考图像的差分及小波分解结果,当有异常情况发生时,提取出火焰及烟雾区域,判断提取区域是否具有烟雾和火焰的动态特征。若判定发生火灾,即将压缩后的图像通过短波通信设备传回指挥中心。     

淋巴细胞自动阈值分割算法的研究

本文根据淋巴细胞的彩色特征,结合临床病理专家的先验知识,提出了基于RGB彩色空间和HSI彩色空间的淋巴细胞自动闽值分割算法。采用基于最小二乘法的曲线拟合的算法分别在两彩色空间中进行直方图曲线拟合,求出分割阈值序列,并定义评价函数,从中选取最优阈值,从而实现淋巴细胞的细胞核与细胞浆的分割。实验证明,该方法可以取得较好的分割效果。     

基于颜色特征的漂浮机器人三点定位系统

针对现有机器人全局相对定位方法的局限性,研究和提出了一种带有颜色特征的漂浮机器人定位算法.首先,在机器人表面标定3个红色标记点,利用CCD摄像机和图像采集卡采集全局视图,并将采集到的视图用HSI模型描述,从而增强颜色特征的鲁棒性,减少光照等外界因素的影响.然后,通过对HSI模型图像全局扫描、滤波和除噪,确定机器人表面3个标记点的位置,再根据三点定位法找出机器人在图像中具体的像素位置和像素姿态.最后,按照微分坐标转换法,根据已知的机器人像素位置和像素姿态数据,求得其在工作台上的实际位置和姿态,以达到精确定位的目的.与同类方法相比,该方法可以显著提高算法的效率和精度.