基于HSV颜色空间的视频镜头检测算法

根据视频镜头与镜头切换时颜色特征的变化,提出了一种基于HSV（色调Hue,饱和度Saturation和亮度值Value）颜色空间的镜头检测算法。该算法充分利用视频同一镜头背景变化不大的特点,以H、S、V三个颜色分量的均值和方差作为特征参数,计算两帧之间的颜色差异度,从而克服了同一镜头内相邻帧的细微变化的影响,能有效的检测出视频中镜头切换的位置。     

基于颜色加权的新闻视频镜头检测方法

针对新闻视频镜头切变时颜色特征的变化, 提出了一种基于颜色直方图加权的方法, 即采用加权颜色直方图作为特征求相邻两帧的帧间差, 并与自适应阈值进行比较, 确定潜在的镜头边界。同时针对新闻视频中经常出现的闪光灯现象对镜头检测的影响, 采用改进的滑动窗口法进行二次检验, 进一步确定镜头边界, 有效减少了视频中物体运动过快对镜头边界检测的影响。实验结果表明, 该方法与传统方法相比, 其检测效果较好, 且计算复杂度低, 易于实现。     

基于HSV颜色空间的运动人体检测

结合帧图像中运动人体目标的颜色特征对视频中运动人体检测技术进行了探讨。采用HSV颜色模型,色调轴上在每个相似色区间内应用局部累加直方图法对图像的色调特征进行提取。而视频中运动人体目标有时为黑色或灰色,就需要利用色饱和度和亮度信息来匹配目标。     

视频镜头边界检测的实验设计

视频的镜头边界检测是视频处理技术的根本和关键。它有助于建立一个层次化的视频结构,从而有利于提取有意义的视频内容。在学术界得到广泛公认的是,镜头的边界检测是视频分析、处理和应用中的第一步骤。视频的镜头边界检测,长期以来吸引了众多学者的关注和研究。文中设计了一个检测视频镜头边界的实验：首先,使用91MPEG视频解码器得到视频帧序列;然后,提取视频帧的RGB颜色空间特征;最后,运用阈值判别方法,来检测视频镜头边界的变换。     

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.     

基于关键点匹配的视频镜头边界检测

镜头边界检测就是找到每个镜头的起始和结束帧,它是视频分析的基础,也是基于内容的视频检索的第一步.因此,其效率和准确度直接关系到整个视频检索的成败.然而,由于摄像头和物体运动的影响,现有的镜头边界检测的准确率较低.为了解决这个问题,论文提出了基于关键点匹配的镜头边界检测方法.该方法通过比较连续两帧关键点匹配的数量,确定镜头边界,并且具有较高的准确率.     

基于RGB颜色空间的视频运动目标检测

为解决当前视频运动目标检测中检测精度不高以及视频颜色失真对运动目标检测的干扰问题,该文提出了一种改进的视频运动目标检测方法.比较了多种颜色空间下的运动目标检测算法,通过对视频的RGB(Red Green Blue)颜色空间建模,根据实际情况,对不同的颜色分量赋予不同的权值,提高了该颜色空间的真实性.同时,创新性地将神经网络与颜色空间结合,通过自组织映射,实现了对视频流数据中的运动目标检测.大量的实验结果表明,该方法对提高视频运动目标检测准确率有着显著的效果.     

基于YIQ颜色空间的自适应肤色检测算法

选取YIQ颜色空间,通过选择多种拍摄环境、光照条件的训练样本图像,统计其中肤色像素点和非肤色像素点中颜色分量I的分布概率,构建皮肤颜色分布模型,并利用贝叶斯规则构造肤色分类器.同时,计算测试图像准肤色区域的平均亮度,作为自适应阈值进行肤色判别.实验表明,该方法对不同亮度图像和不同肤色类型都有很好的检测效果.     

基于混合颜色空间的FCM算法

提出一种基于混合颜色空间的改进的FCM算法。这种算法减少了FCM的迭代次数,可以使模糊聚类的速度得到很大程度的提高,从而实现墙地砖彩色图像的快速分割。     

基于HSV颜色空间与形态学的车辆目标分割算法

为了解决车辆目标边缘微弱且背景复杂而导致其难以准确分割的问题,提出了基于HSV颜色空间与形态学的车辆目标分割算法。首先,根据HSV空间内的色度、饱和度特征,构建颜色空间的改进模型,进行分量均衡化处理,达到图像增强的目的;然后根据颜色空间分量关系,对色度和饱和度进行线性运算,达到准确分割车辆,得到包含车辆在内的二值图像;最后,基于形态学颗粒分析,根据结构元素大小逼近目标大小的原则,实现目标特征提取,并完成车辆目标准确分割。验证算法分割结果。实验测试结果显示,与当前分割技术相比,本文算法拥有更高的准确率。     

基于双重检测模型的视频镜头分割算法

提出一种基于自适应双重检测模型的视频镜头分割算法.该算法分为初检和复检两阶段,初检提出了基于人类视觉特征的非均匀分块的概念,并结合滑动窗口自适应二分查找算法进行镜头边界检测;复检过程利用尺度不变特征变换算法对初检得到的镜头边界进行匹配,排除初检中的误检.视频测试结果表明,该算法对多种不同类型的视频能同时提高切变和渐变镜头边界检测的效果.     

基于HSV颜色模型的二维流场可视化

为解决流场图像流速大小和流动方向的显示问题,在线积分卷积(LIC)算法的基础上,结合HSV颜色模型,提出一种新的二维流场可视化方法.该方法将流场速度方向映射为色度,将流速大小映射为饱和度,将LIC值与亮度关联起来,从而合成新的流场可视化图像.新的流场图像不仅保留了LIC图像高分辨率的流线纹理特征,而且还展现了流速大小和流动方向.目前该方法已经成功应用于二维爆炸流场的可视化.实验结果表明,该方法可以有效改善流场的可视化效果.     

基于自适应双阈值和主色率的足球视频镜头的分割

为了有效地实现对足球视频镜头边界检测,该文提出了一种基于自适应双阈值并结合主色率的镜头分割算法.该算法首先采用滑动窗口,基于颜色直方图的分布得到局部自适应的双闽值,然后在HSV颜色空间中提取当前帧图像的主色,并基于圆柱距离求出主色像素点,接着在此基础上获取该帧的主色率,最后用双阈值结合主色率对足球视频镜头分割.实验结果证明:该方法对足球视频能较好地实现突变和渐变检测,为基于语义的足球视频的检索奠定了很好的结构化基础.     

基于高斯肤色模型和图像分割的人脸检测

提出了一种基于HSV、YCgCr颜色空间和图像区域分割的人脸检测方法.首先,将规范化的rgb肤色转化到HSV、YCgCr颜色空间,对向量(H,Cg,Cr)T进行统计,得到肤色的三维高斯概率模型.然后,根据该模型计算待检图像的肤色相似概率,采用最大类间方差的方法计算二值化阈值,根据阈值将相似度图像二值化.为了抵消人脸区域亮度变化和阴影的影响,以二值图像为模板,在原待检图像的饱和图中根据3像素×3像素区域的平均R、G值进行图像区域分割.在分割得到的区域中,根据人脸特征检测出图像中的人脸.实验表明,提出的方法能在复杂背景的情况下检测出人脸图像.     

基于改进的HSV颜色模型及颜色均值对的车牌检测与定位

针对目前车牌的定位中存在的难题,提出了基于改进的HSV模型及边缘颜色均值对的车牌检测方法,此方法充分利用了人的视觉特性,以及车牌本身的特征,采用边缘颜色均值对后检测到的边缘点数大大减少,同时若具有与车牌相似结构和纹理特征但不满足边缘颜色对颜色要求的区域的边缘点也被剔除了,这使后续处理简单快速.     

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。