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。     

基于同态滤波与圆孔定位的禁令标志检测

基于禁令标志的颜色相对固定,亮度易受光照影响的特点,提出一种基于同态滤波光照抑制的禁令标志检测算法。把图片从RGB空间转换到HSI空间,利用同态滤波对亮度分量进行光照抑制;转换到RGB空间,基于颜色分量的差值提取图片中红色分量,利用形态学和提取红色圆孔的方式定位禁令交通标志。实验结果表明,该方法可以在光照不佳、背景复杂、标志相连、轻度遮挡的环境下准确定位禁令标志,具有鲁棒性好,检测率高的优点。     

基于颜色信息足球机器人视觉跟踪算法

机器人足球比赛是一项非常复杂的高技术对抗活动,其中快速准确地识别小球和机器人小车是决策及控制的基础,在足球机器人视觉跟踪中,颜色信息是最主要的识别分别依据由于ＨＳＶ模型更接近人眼对颜色的感知,在不同光照条件下,色调参数Ｈ数值较稳定,比较适合用识别处理更接近人眼对颜色的感知,在不同光照条件下,色调参数Ｈ数值较稳定,比较适合用做识别处理的基础。因此使用色调Ｈ和亮度Ｖ作为识别颜色的参数,同时为了提高识别速度,作了一些改进,并提出了一种闹尔夫球和机器人小车的快速识别算法,试验快速准确,证明了该算法的可靠性和有效性。     

基于HSV颜色特征的多目标视频检测与跟踪算法

针对跟踪多个运动目标交错运动时容易丢失目标的问题,提出了一种基于HSV颜色空间去识别与跟踪不同颜色目标的算法,对光照具有一定的鲁棒性。通过颜色空间转换提取目标原始二值图像,经中值和高斯滤波后,通过亮度检测判断是否对滤波后二值图像进行形态学膨胀;之后对较为精确的目标二值图像进行边缘检测,得到其最小包围矩形框,逐帧检测后绘制各颜色目标对应的运动轨迹,完成多目标的视频跟踪。对比经典Cam-Shift算法,实验表明,在多个目标具有不同颜色特征时,有效解决了视频跟踪中多目标交错运动丢失目标,且对光照敏感的问题,跟踪精度较高。     

基于颜色特征的数字式仪表读数定位方法

利用颜色特征提出一种数字式仪表读数定位方法,先对仪表彩色图像进行颜色特征转换,将仪表中的液晶屏区域分割出来,然后对液晶屏图像进行二值化,最后利用读数字符串的投影特征对字符串进行精确定位。利用现场实际采集的仪表图像进行实验,实验结果表明该算法对光照不均以及复杂背景具有较好的适应能力,有效地解决了静态图像和复杂背景下数字式仪表图像中的读数定位问题,且定位准确度较高。     

基于局部线性映射神经网络和亮度补偿的彩色人脸检测

人脸识别是一个具有广阔应用前景和极富挑战性的研究课题。作为自动人脸识别系统的第一步,快速有效的人脸检测至关重要。利用颜色信息进行人脸检测,具有直观、简单、快速的特点,非常适用于作为自动人脸识别系统的人脸粗定位环节。该文提出一种基于局部线性映射（ Ｌ Ｌ Ｍ）神经网络和亮度自适应补偿的人脸区域检测算法,根据待检测图像上每点的颜色值判断它属于人体区域还是背景区域,从而框出可能的人脸区域。实验表明,此算法对于实验室背景下的人脸检测取得了较好的效果。一方面可以较好地区分人脸区域和背景区域,甚至与人脸颜色比较相近的背景区域,同时对实验室环境下各种光照条件的变化具有很好的鲁棒性。     

基于改进多尺度Retinex的墙体开槽机器人目标检测与定位

近年来，随着人工成本的提高和人口红利的消失，建筑行业急需机器人代替人工。针对于墙体开槽机器人在复杂多变的光照条件下特征提取失败、错误提取等问题，提出了一种改进的多尺度Retinex算法进行图像预处理。在原始多尺度Retinex应用到图像亮度分量得到每个像素位置亮度增量的基础上，本文采用衰减函数抑制高亮区域的亮度值增量，然后将亮度值增量转化为RGB三通道的变化量。试验结果表明，该预处理算法能在多种光照条件下得到了颜色较一致的图像，且能显著抑制色偏现象，克服了在单尺度Retinex阶段容易造成图片的灰化以及在高亮条件下颜色失真的问题。使用基于该预处理算法的墙体开槽机器人目标检测与定位方法使得机器人在复杂多变的光照条件下依然能够实现准确的目标检测与精准定位，为墙体开槽机器人的开发奠定了试验基础。     

基于HSV空间的视频实时水位检测算法

提出一种新的基于视频水位检测算法,能对设立于水中的标尺刻度进行自动和实时的测算.针对水面图像特有的属性,在将视频转换到HSV颜色空间的基础上,利用色调分量基本不受光照条件影响等特性,以一种基于能量函数的统计模型和可变区域的策略,解决了图像模糊、背景复杂且有倒影干扰等不利条件下,传统边缘检测算子无法准确测算的问题.     

基于改进同态滤波的光照补偿车牌定位

为了更有效地提高车牌定位准确率,文章对传统同态滤波器进行了改进,在提升光照补偿效果的同时,减少了滤波器的参数,提高了计算机的运行速度。将车辆图像从RGB颜色空间转换到HSV颜色空间,对HSV颜色模型进行3通道分离,保持色调分量不变,对饱和度分量进行拉伸,利用改进的同态滤波对亮度分量进行光照补偿;按蓝、黄车牌颜色对应的H、S、V值的范围进行阈值化,把得到的3幅二值图进行与操作,得到HSV空间下二值图,接着进行数学形态学除噪,再结合车牌的纹理特征定位出车牌区域。实验结果表明,该方法不仅能够快速、准确定位出车牌,而且对夜晚及光照不均的车辆图像也能有效地定位。     

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.     

多光源非均匀光照场景的颜色恒常性

针对多光源非均匀光照场景,提出了一种新的颜色恒常性解决方法.首先将场景图像划分成若干较小区域,分别对各区域光源颜色进行估计,然后根据各区域对场景光源颜色的贡献合并为一种复合光源颜色作为场景光源颜色的近似估计,最后通过对角模型重构图像.实验结果表明,扩展的方法能够更好地解决多光源非均匀光照等场景的颜色恒常性问题.     

采用局部差分模型描述的彩色图像配准技术

针对光照方向、强度、色彩或摄像头参数等因素的变化导致待配准彩色图像对间存在复杂的色彩变化,从而严重影响彩色图像配准效果的问题,提出了一种对彩色变化不敏感的彩色图像配准方法.该方法首先根据彩色图像间的von Kries彩色变换模型,建立图像的彩色不变量空间,在此空间利用尺度不变量特征转换(SIFT)算法完成特征点的检测;为加快运算速度,采用2阶局部差分模型(LDP)方法对特征点进行描述,并完成彩色图像特征间的初匹配;再进一步利用RANSAC算法消除误匹配特征点对,得到最终的匹配特征点对.实验结果表明,该彩色图像配准方法与其他算法相比,可以快速、准确地获得彩色图像间的映射关系,因此更加适合存在色彩变化的彩色图像的配准.     

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.     

一种基于全局和局部光照估计的Retinex图像增强算法

具有色彩还原特性的Retinex算法,可以实现图像对比度、亮度提高及色彩还原;但是增强后的图像色彩饱和度下降严重,色彩失真,其关键在于光照分量的估计失真。针对上述问题,提出了基于全局光照和局部光照细分的Retinex增强算法,实现了图像光照分量的精确计算;并通过实验证明增强后的图像在提高亮度突出细节的同时,最大程度保持了原来的真实色彩。     

基于YCb＇Cr＇肤色特征和Otsu算法的人眼定位优化方法

为了解决光照和人脸姿态对人眼定位的影响,提出一种基于肤色特征和最大类间方差法（Otsu）相结合的人眼定位优化方法.该方法首先在检测出人脸的基础上,在YCb＇ Cr’色彩空间里做肤色检测,运用肤色分割原理缩小人眼检测的搜索区域;接着,对图像进行Otsu阈值分割,提取二值图像的眼睛区域;最后,在眉眼区域利用二值积分投影分别定位左右眼睛.该方法减小了光照对图像的影响,并且简单快速.在标准的VidTIMIT人脸库和自采图库上进行了实验仿真,结果表明,此算法在光照和人脸姿态变化的情况下都具有很好的鲁棒性.     

基于特征颜色模型的粒子滤波改进算法

针对在视觉跟踪任务中,当目标体的外形发生变化时,传统的粒子滤波算法在模型更新的过程中往往出现偏差并逐渐累积,最终导致跟踪性能降低的问题,作者通过挖掘目标体区别于背景的颜色信息,建立特征颜色模型,提出了一种改进算法.该算法首先使用粒子滤波进行粗定位,然后基于特征颜色模型分割目标.实验表明,作者提出的算法速度快,能够准确地跟踪目标的外观变化,对目标体的旋转和遮挡以及光线变化具有一定的鲁棒性,特别适合于跟踪行人和车辆等具有显著颜色的目标.     

采用亮通道先验的低照度图像增强算法

针对低照度彩色图像亮度偏低、对比度差等问题,提出基于亮通道先验的低照度图像增强算法.首先,分析Retinex算法所存在的缺陷,提出了亮通道先验.然后,将原RGB彩色图像转换到HSV彩色空间,对亮度分量V使用亮通道先验和引导滤波估计光照分量和反射分量,并且采用自适应对数校正对光照分量进行提升.最后,将增强后的图像转换到RGB彩色空间.实验结果表明:该算法快速有效,能够很好地提升图像整体亮度和对比度,图像细节得到增强,克服了颜色失真和光晕等问题,增强后的彩色图像更为明亮、自然.     

基于色彩恒常理论的图像去雾技术

针对户外图像采集处理系统，讨论了1种有效的图像去雾方法。由于雾退化图像对比度较低，从图像增强角度入手，将雾的退化作用等效成景物的照度变化，根据色彩恒常理论，采用Frankle—McCann Retinex（FMR）算法进行图像去雾处理；结合人眼对亮度的指数视觉特性，采用软复位算法对其进行改进。仿真分析表明，改进后的算法可以有效增强雾退化图像的对比度，获得满意的视觉效果。     

一种基于色彩恒常理论的薄雾图像增强方法

针对薄雾天气下的图像对比度较低,以及光照不均引起的颜色退化失真问题,提出了一种基于色彩恒常理论的薄雾图像增强方法。该方法将Frankle_McCann Retinex(FMR)算法与光照补偿算法系统地结合。首先利用FMR算法来提高图像对比度,再采用光照补偿方法,将彩色图像从RGB空间转换至HSV空间,对亮度分量进行直方图均衡处理;再转回RGB空间,以此提高图像亮度同时保留色彩真实性。实验表明,此方法比传统FMR算法能更有效去除色彩失真,改善退化细节,获得良好视觉效果。