最优区域与离散小波变换结合的颜色恒常性计算算法

颜色恒常性计算就是通过消除光照对颜色的影响,得到与光照无关的稳定的颜色描述因子。目前基于底层特征驱动的颜色恒常性算法,大多数利用整幅图像的像素信息来估计场景的光照。然而,并不是所有的像素点都包含颜色恒常性计算的有效信息,而且没有考虑像素点周围的空间信息的影响。本文针对这两个问题提出一种基于最优区域选择和离散小波变换结合的颜色恒常性算法,在分割区域上进行不同尺度的离散小波变换,利用得到的小波系数估计出不同区域不同尺度上的误差,选择出误差最小的分割区域用于整幅图像的光照估计。该算法简单易行,实验结果证明可以取得比较好的光照估计效果。     

基于颜色恒常的照度准不变边缘分类算法

现有的照度准不变边缘分类算法在标准光源下分类效果较好,但是该算法没有考虑光源颜色的影响,而实际上光源颜色对算法的分类效果影响很大,因此提出了一种基于颜色恒常的照度准不变边缘分类算法.该算法首先估计光源颜色,然后用估计出的光源颜色参数矫正照度准不变边缘分类算法.与传统的照度准不变边缘分类算法相比,该算法由于能估算出光源的颜色,所以当光源颜色发生改变时,矫正以后的照度准不变分类算法仍然对光照颜色改变具有鲁棒性.实验结果显示,基于颜色恒常的照度准不变边缘分类算法,在光照颜色变化的情况下,不仅能检测出更多的边缘,噪声点更少,而且检测的边缘更准确,稳定,线条更光滑连续.     

多尺度光照估计和层次化分类的衣着颜色识别

衣着颜色是行人最显著的表观特征,在视频监控场景中极易受到光照变化的影响.为此,笔者提出了一种基于多尺度光照估计和层次化分类的衣着颜色识别方法.首先,提出一种多尺度局部反射统计的光照估计模型,通过该模型实现对偏色图像的光照矫正;其次,为了精确地识别衣着颜色,设计基于融合多颜色空间特征的层次化分类器;最后,在校园监控场景采集4 998张行人衣着图像(晚上2 052张,白天2 946张)进行对比实验.实验结果表明,该方法能有效提高监控视频中衣着颜色识别准确率且至少提高12.5%.     

计算机视觉系统的二步法颜色恒常性

理论研究表明 ,三色视觉系统在单视野条件下 ,三维颜色恒常性的计算问题只有在一些约束下才能解决。约束选择的合理与否和后续的任务密切相关。针对不同环境光照条件下的人体肤色分割的具体任务 ,提出了一个新的关于三色系统颜色恒常性问题的物理模型 :1 )将视觉系统所获得的原始信息分裂为亮度信息和颜色信息。 2 )将传统的颜色恒常性问题分解为基于亮度的亮度恒常性和基于颜色信息的颜色恒常性 ,并用二维描述子描述等亮度彩色图像中物理表面的颜色特征。该描述子具有颜色恒常的特性。基于颜色的图像分割实验结果表明 ,二步法颜色恒常性技术是一种非常有效的方法。     

基于颜色图直方图的监督颜色恒常性算法

在颜色物体识别等应用中，获取不随光照变化的颜色恒常性特征是问题的关键。监督颜色恒常性方法，即通过在环境中放置校正用的颜色片来计算并消除光照的影响，由于其简单方便而得到了广泛的应用。在本文中，基于对直方图光照不变量的分析，提出了一种新的监督颜色恒常性算法。该算法与传统算法相比较，不需要知道颜色片的反射率和成象系统的通道响应，从而大大简化了实现的要求。文中给出了算法的基本思想，并对实验结果进行了分析。     

基于Retinex模型的彩色图像全局增强算法

介绍了基于颜色恒常性理论的亮度感知Retinex模型,通过对HSV空间亮度图像的快速高斯滤波和全局γ变换,估计场景的光照信息,获得仅包含物体本身特性的反射信息图像,进而实现图像增强.主观视觉观察以及客观定量计算结果均表明,对于受光照等因素影响的可视性较差的图像,基于Retinex模型的彩色图像全局增强算法效果十分显著.     

基于二维伽马函数的光照不均匀图像自适应校正算法

提出了一种基于二维伽马函数的光照不均匀图像自适应校正算法. 利用多尺度高斯函数提取出场景的光照分量,然后构造了一种二维伽马函数,并利用光照分量的分布特性调整二维伽马函数的参数,降低光照过强区域图像的亮度值,提高光照过暗区域图像的亮度值,最终实现对光照不均匀图像的自适应的校正处理. 通过与经典算法对比表明,本文算法可以更好地降低光照不均匀对图像的影响,提高图像的质量.      

基于颜色协调性的典型场景彩色融合图像颜色质量评价

提出典型场景双波段彩色融合图像颜色协调性模型,实现图像颜色质量的无参考评价.通过衡量海天、绿色植物这类自然场景融合图像颜色与对应典型类记忆色的相似度,以及选择城镇建筑物图像的最佳色彩度范围,计算三种典型场景图像色彩与场景内容的协调性;在颜色组合协调性模型基础上,将颜色区域面积之和作为加权系数构造图像中不同大小颜色区域组合加权协调性模型.主观评价实验结果表明,综合这两方面提出的协调性模型计算结果与人眼主观感受具有较好的一致性,可以有效地对典型场景彩色融合图像颜色协调性进行客观评价.     

基于颜色纹理联合特征直方图的自适应Meanshift跟踪算法

传统的meanshift跟踪算法利用图像中的颜色直方图作为目标的代表,其鲁棒性不高,容易受光照,目标缩放等因素的影响,造成定位精度不高,跟踪算法的稳定性不好.鉴于此,文中提出一种基于改进LBP特征描述子的方法,并将其与颜色直方图进行巧妙的融合,构建了一种新颖有效的联合直方图目标外观模型,并将其嵌入到meanshift跟踪框架中;另外,通过有效利用目标候选区域的矩信息,估计跟踪过程中目标的尺度和方向的变化.不同场景的跟踪实验结果表明,与传统的meanshift跟踪相比,文中提出的跟踪算法可以有效克服场景中相似目标的干扰,光照及目标尺度的变化,取得了更好的跟踪结果,具有更高的鲁棒性、稳定性、有效性.     

农产品颜色量化硬件系统的建立

依据色度学理论,建立了一套用于颜色量化的计算机视觉系统,光源选用CIE推荐的标准照明A光源、0/45的观察条件,设计并制作了适用于农产品图像采集的封闭式光照系统.本文重点介绍了A光源的获取方法,所建立的系统主要用于无损跟踪测试产品的颜色及颜色变化.     

农产品颜色量化硬件系统的建立

依据色度学理论,建立了一套用于颜色量化的计算机视觉系统,光源选用CIE推荐的标准照明A光源、0/45的观察条件,设计并制作了适用于农产品图像采集的封闭式光照系统.本文重点介绍了A光源的获取方法,所建立的系统主要用于无损跟踪测试产品的颜色及颜色变化.     

融合MCAP和GRTV正则化的无人机航拍建筑物图像去雾方法

针对传统去雾处理复原得到的图像清晰度和对比度较低、整体颜色偏暗的问题，提出了一种改进的图像去雾方法，应用于无人机航拍建筑物图像处理中.针对全局大气光取值易受场景中景物影响的问题，提出一种颜色衰减先验投影最小方差的大气光求解方法，构建明度与饱和度差值图像，求解最小方差出现区域，并确定全局大气光估计.将利用图像场景深度信息求解的区域大气光与全局大气光相融合，获得新的大气光图.采用基于非局部信息的雾霾线先验理论对透射率进行优化，提出了一种基于雾霾线理论和引导相对总变分正则化的算法，通过计算透射率可靠性函数对透射率修正，并消除图像中存在的大量无用纹理信息，提升了透射率估计精度，有效改善了无人机航拍场景中浓雾及景深突变区域的复原图像质量.实验结果表明，所提算法与其他算法相比，获得的复原图像平均梯度、对比度、雾霾感知密度估计及模糊系数等指标分别平均提升了12.2%、7.0%、11.9%和12.5%,运算时长也优于部分算法，航拍图像更加清晰，更符合人眼视觉感受.     

光强倒数色度空间的彩色人脸光照预处理

为了解决彩色人脸识别中色彩信息易受光照影响的问题,提出一种基于光强倒数色度空间（IICS）的彩色人脸图像预处理方法。本方法首先将图像均匀地分割成子块;将每个图像块变换为 IICS 空间中的一个二维数据集,并根据数据集的线性分布特性估计图像块的光照颜色;然后对全部图像块的光照估计进行颜色直方图统计,根据直方图对分块估计的结果进行合并;最后,利用估计得到的光照和对角模型将图像光照校正到标准白光下,用于人脸识别。在 AR 和 FERET 人脸库上的实验表明,通过引入本光照预处理,有效增强了彩色人脸识别方法对光照变化的鲁棒性,提高了识别精度。     

多光源实时全局光照算法的实现

针对全局光照尤其是多光源的全局光照的复杂性使其一直局限于离线应用的问题.对能量大的能代表多个光源的主光源,采用立即辐射度的方法,跟踪其光线产生虚拟点光源(VPLs:Virtual Point Lights),这些VPLs再照亮场景实现实时的一次反射的间接光照.对场景中其他非主光源采用预计算光照图的方式计算其直接光照,动...     

基于透射率融合与优化的水下图像复原

由于光与水体介质的相互作用的固有复杂性,所拍摄的水下场景图像发生降质退化,这导致诸如水下图像的低对比度以及色彩失真等问题.尤其是对于污染较为严重或者高浑浊度水体下获得的图像,典型的水下图像处理方法有一定的性能缺陷,而其根本原因在于其无法对于散射造成的色彩失真问题进行有效处理,同时也未充分考虑对比度信息带来的影响.因此,本文提出了一种透射率融合与优化方法,并由此给出有效的水下图像复原方案.该方案考虑各通道在水下衰减差异性,建立了基于颜色衰减差异的水下图像形成模型,其场景环境光由成像光源计算得到.首先,利用色彩校正算法来处理水下图像存在的色彩失真的问题,并利用灰度色调算法对场景光源的颜色进行估计;接着,基于水下场景约束,提出水体透射率估计方法,同时基于对比度先验提出对比度透射率估计算法;然后,将上述两种透射率进行融合,并使用多方向梯度加权正则化进行细化;最后,通过求解基于颜色衰减差异的水下图像形成模型复原图像.通过多次实验,所提出的基于透射率融合优化的水下图像复原方法得到的图像不仅具有相对自然的颜色,同时保持着良好的细节和对比度信息.     

一种雾天退化场景快速复原方法

针对雾天条件下图像退化的问题,提出一种新的场景复原方法.首先,结合大气散射模型与光学反射成像的特性,对大气耗散函数提出物理约束条件,利用双边滤波的边缘保持特性得到大气耗散函数的初始估计.然后,引入局部均值与局部标准差近似估计图像对比度,从而降低对比度较强的部分区域的雾浓度估计来获取更加准确的大气耗散函数.最后,求解雾图成像方程,恢复理想光照条件下的辐射强度.实验结果表明:该方法对图像的细节和颜色恢复非常有效,并能有效克服边缘残雾现象以及颜色过饱和等不足.     

基于模糊集的车牌提取方法

利用了车牌的颜色特征与纹理特征,提出一种新的基于模糊集的车牌提取方法.该方法用图像颜色对区域检测、颜色对边缘检测、色度峰值统计及密集小边缘增强,使用模糊集算子综合它们的结果,精确提取出车牌.实验结果表明:对在不同条件下拍摄的图像应用本方法,车牌提取准确率达到98.0%.特别地对光照不均、背景复杂的图像,本方法仍具有很强的鲁棒性.     

自然场景文本区域定位

自然场景文本区域定位是场景图像内容分析的重要步骤,文本区域定位能够为后续的文本识别提供便利.从场景文本特性出发,提出了一种基于最大极值稳定区域(maximally stable extremal regions,MSER)、颜色聚类和视觉显著性的鲁棒性文本定位方法.为了尽可能多地提取出潜在的文本区域,分别在灰度图像和彩色图像上采用最大极值稳定区域和颜色聚类来进行连通域的分析.对于得到的候选连通域,利用自然场景文本的显著性特征和少量的先验信息来滤除其中的非文本区域.将保留的文本区域用数学形态学水平膨胀的方法连成文本行输出.显著性评估的引入使得该方法能够减少大量参数的设定.标准数据集上的实验结果表明,在没有额外的训练数据和少量先验信息的情况下,该方法可以获得较好的正确率和召回率.     

非均匀光照条件下的水下图像增强算法

自然水域非均匀光照环境中,针对图像存在模糊、对比度低、颜色失真等退化现象,提出一种视觉显著性分割和Retinex算法相结合的水下图像增强方法。首先,依据图像的亮度、色度和方向特征得到图像显著图,进而分割出前景区域和背景区域;然后,基于Retinex算法分别对两区域增强处理,并对背景区域进行二次增强;最后,采用泊松融合算法得到两区域增强后的合成图像。实验结果表明,提出的算法提高了水下非均匀光照条件下的图像清晰度,与其他算法相比,具有更好的性能。     

农产品颜色量化硬件系统的建立

依据色度学理论,建立了一套用于颜色量化的计算机视觉系统,光源选用CIE推荐的标准照明A光源、0/45的观察条件,设计并制作了适用于农产品图像采集的封闭式光照系统。本文重点介绍了A光源的获取方法,所建立的系统主要用于无损跟踪测试产品的颜色及颜色变化。