多光谱成像技术在颜色复制方面的应用及发展

由于多光谱成像技术不仅能够获得物体的空间维信息,而且还可以获取物体表面的每一个像素的光谱维信息,因此,应用多光谱成像技术来复制出目标物体的颜色,成为颜色科学这一领域的研究热点.对多光谱成像技术在颜色科学的应用及发展进行了简单的回顾,并指出基于Kubelka-Munk理论的多光谱成像技术复制颜色的算法,会提高反射比低的目标颜色复制的精度,因此这种算法将会有更加广阔的应用前景.     

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。     

基于多通道均衡化的水下彩色图像增强算法

针对水下环境存在的颜色衰减和散射效应导致水下图像颜色严重失真的问题,提出一种多通道均衡化的水下图像增强算法.首先,对原始图像在对数域上进行归一化处理后转换到HSI(色调-饱和度-亮度)颜色空间;然后,对亮度分量利用McCann Retinex算法在四个方向(纵横)进行比较、实现增强,并根据图像全局亮度信息进行照度增强;最后,将图像重新转换到RGB(红-绿-蓝)空间,计算各通道的累积分布函数,对密集部分进行拉伸处理,达到颜色均衡的效果.针对多幅水下彩色图像进行增强对比实验,结果表明:通过该方法得到的增强图像颜色失真程度减弱,图像对比度和清晰度显著提高,色彩更加鲜艳;该算法在改善水下图像照度信息的同时,保留了饱和度和色度信息,解决了水下图像增强的颜色失真问题,使水下图像具有较高的对比度和清晰度.     

基于米勒矩阵的水下成像技术

探究在浑浊介质中利用物体的米勒矩阵进行目标识别的技术。米勒矩阵的16个矩阵元可以完整的描述物体的偏振信息,基于各物体不同的偏振特性,不同物体有不同的米勒矩阵。可以以物体退偏特性因子或其中一米勒矩阵元作为灰度值得到一幅图像,利用图像的均值、标准差、信息熵和方差对图像进行评价。实验结果表明这种方法能够较大提高成像质量。     

金属目标表面的反射激光偏振特性

 针对目前激光近程探测时仅利用漫反射回波强度信息抗干扰能力差的问题,提出基于激光偏振特性的目标探测方法,对金属目标表面的激光偏振特性进行了分析,给出了偏振反射的模型,并对典型金属目标的表面偏振反射特性进行了仿真.通过对反射光Stokes矢量的分析表明,线偏振光或圆偏振光经过金属表面反射后变为椭圆偏振光,其椭圆度和方位角随金属材质的不同而呈现不同的变化规律,将反射的偏振特性作为区分不同材料目标的依据,可提高探测系统的抗干扰性能.     

利用偏振分析的雾天图像复原

文章提出了新的雾天偏振成像模型,在模型中同时考虑目标反射光和大气散射光的偏振效应。首先合成偏振差分图,然后利用去相关的算法估计目标反射光的偏振度图,最后利用去雾模型得到清晰的雾天图像。与相关算法的实验结果进行定性和定量的比较,证明了该算法的有效性。此外,该算法求取的反映场景目标偏振信息的偏振度图可被用于场景分割、目标识别等领域。     

基于双颜色空间与多网络融合的水下图像增强

受不同水质、不同深度以及成像设备的影响,水下成像质量往往较低,有低对比度、颜色失真、细节模糊等问题。因此,文中在RGB颜色空间的基础上引入了HSV颜色空间,并与残差网络和注意力机制相结合,实现了双颜色空间与多个子网络的有机融合,弥补了单一颜色空间训练过程中信息丢失、特征提取不全的问题,在保证增强效果的同时提高了整个算法的泛化能力。实验在多个数据集上进行,与众多算法做主观视觉和客观评价指标的比较,使用全参考图像质量评价指标,均方误差(Mean Squared Error, MSE)、峰值信噪比(Peak Signal to Noise Ratio, PSNR)、结构相似性(Structural Similarity, SSIM)以及无参考水下图像质量评价指标,水下图像质量评价(Underwater Image Quality Measures, UIQM)等主流指标进行量化评价。实验表明,该算法不论是在主观还是客观评价上都具有一定的优越性。     

多彩的生活颜色

我们通常所见到的各种颜色,实际上就是物体反射光的颜色。光是一种电磁波,照射到物体上后,一部分被物体吸收,另一部分被物体反射。不同的物体有不同的质地,光线照射后,其吸收、反射能力各不相同,因而显示出多种多样、丰     

基于偏振态颜色编码的晶体应力双折射成像

提出了一种基于双线偏振CCD-全Stokes参量测量的偏振态色度成像新方法.通过分焦面Stokes参量测量与RGB颜色编码相结合,设计并研制了基于双线偏振CCD-全Stokes参量测量的偏振态色度成像系统.利用该系统,获得了晶体模型应力双折射分布的偏振态色度图像,并与传统的光弹性应力测量法进行了比较,偏振态色度成像法不...     

类人足球机器人彩色目标识别与头部视觉跟踪

为了在机器人足球比赛中能够快速准确地跟踪运动目标,提出了一种颜色识别与头部视觉跟踪相结合的方法.利用HSV色彩空间颜色阈值的判别和种子点区域生长的填充算法识别物体,计算物体质心并判断其位置,然后通过舵机控制机器人头部的转动跟踪目标.实验结果表明,该方法具有较高的跟踪速度与准确性.     

基于双色反射模型的柱状体类物体光谱分布特征研究

研究彩色柱状体类物体在最大色度-强度空间的图像像素分布特征,提出了通过双色反射模型提取图像反射成分的方法.采用理论分析和实践验证相结合的方法,以Matlab为平台设计程序,得出柱状体类物体图像在最大色度-强度空间像素的分布,阐明柱状体类物体图像像素的最大色度和强度之间的关系,提出了有效分离图像中高光像素和漫射像素的方法.研究表明,彩色柱状体类物体图像的高光像素和漫射像素的分布规律不同,可以通过拟合直线将二者有效分离,还可获得图像的本体颜色及光源颜色信息,在计算机视觉领域具有很好的理论及应用价值.     

动物视觉的偏振光：自然界的偏振模式

人眼只能分辨出光线的亮度和颜色，可是许多动物可以利用偏振光获得更多的视觉信息。本书介绍了图像偏振测定方法、测量光偏振的具体技术，以及存在于自然界中不同类型的偏振模式，比较令人感兴趣的内容有：动物如何利用偏振功能？基于生理学感光性原理给出了一些研究案例，例如：蜜蜂或者蚂蚁如何利用偏振光识别方向，水生动物如何凭借水下偏振来确定方向，解释了人造物质如何影响动物对自然光的识别。     

空间颜色聚类算法及其在图像特征提取中的应用

针对目前图像基本颜色特征单一、 可提取信息不足的问题, 提出将图像进行HSV颜色空间转换, 先用均衡化直方图增强空间颜色互转后的图像空间 颜色像素, 再用融入rgb2ind的K-means均值聚类算法提亮均衡图像, 以增强图像颜色特征的提取目标和数量. 实验结果表明, 该方法优于普通空间颜色图像进行特征提取的效果, 实现了为颜色特征识别提供更多的检索信息.     

基于色度方向角的离线城市红绿灯识别算法

车辆自动驾驶已成为智能交通系统发展的必然趋势,红绿灯识别研究扮演着极为重要的角色.针对大多数红绿灯识别算法中没有充分考虑同种颜色不同位置红绿灯存在的颜色差异问题,提出了基于色度方向角的离线红绿灯识别算法.首先手工标定不同场景下的红灯、绿灯色块组成红灯、绿灯集合图,将集合图RGB空间转换为几何均值对数色度空间;然后根据香农熵确定红灯、绿灯各自的色度方向角,得到各自的色度方向图;其次根据红灯、绿灯色度方向图确定出红灯、绿灯分割阈值,建立红绿灯识别分类器;最后根据识别分类器将不同图像序列中的红绿灯识别出来.实验结果表明:该算法在LARA、LISA标准集上均获得很好的识别结果,识别精度高,能满足实际红绿灯识别的实时性要求.     

水彩颜料反射比的测定与分析

传统的图像复制方法所记录的图像难于在不同的照明环境下真实再现原物的颜色,因此需要一个可以重建目标物体表面上各点光谱反射比的方法,来提高颜色复制的真实性。利用Eye-OnePro分光光度仪测量出所选12种水彩颜料的反射比,进而求解色度空间中不同颜色的三刺激值,并计算出同色颜料在不同纸张上的色差,从而建立颜料光谱特征的数据库。     

光波偏振态的静态测量研究

通过测量目标辐射或反射、散射的光波偏振态,能够在基于强度、光谱等目标探测的基础上利用偏振信息提高目标识别概率,因此已经开发出很多关于光波偏振态的测量系统。针对传统的光波偏振态测量系统难以应对光波偏振态快速稳定测量的挑战,利用铌酸锂晶体作为相位延迟器,利用其电光调制特性,通过加载四个不同的外加电压实现对待测光波的相位调制,从而对应探测器上获得不同的光强值,通过相关数据处理可计算出待测光波的斯托克斯参数,并以此表示待测光波的偏振态,该方案具有静态测量、响应速度高的特点。光波偏振态实验测量结果表明,待测光波斯托克斯参数的偏差不超过±3%,能够比较准确地反映表示被测光波偏振态的斯托克斯参数,证明了方案的可行性。     

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.     

基于偏振成像的目标识别技术研究

提出了一种基于偏振特征的目标识别技术.实验采用He-Ne激光作为照明光源,根据目标散射光偏振度的差异,利用DSP图像采集系统获取了目标的偏振图像,并编写程序计算了图像的灰度值.结果显示:偏振成像技术可以提高目标成像的对比度和分辨率;相对于退偏振强的目标,退偏振弱的目标图像亮度变化明显.所以偏振成像技术可以有效地提高目标探测和识别效率.     

一种带权色差的彩色图像边缘检测方法

提出一种新的带权色差的彩色图像边缘检测方法.通过在HSV(色度、饱和度、亮度)空间和Sobel算子的基础上,再增加45 °角和135 °角两个方向上的梯度算子,对颜色分量差采用加权的方式,把彩色图像映射为一个亮度矩阵.在此基础上,利用阈值调整,检测出整个图像的边缘.实验表明,该方法对合成及自然彩色图像均能较快较好地得到边缘.     

低清晰度车牌识别技术的研究与应用

为提高低清晰度车牌识别技术中字符分割和识别的准确率,提出了在HSV(色调,饱和度,亮度)颜色空间下使用最大类间方差(OTSU)算法来对车牌图像进行二值化,然后结合特殊间隔位置和投影法来精确分割字符,并在字符识别阶段引入了卷积神经网络.通过对真实场景中提取的低清晰度车牌进行实验可见:提出的分割算法能够准确分割字符,准确率可达96.5%,同时引入的卷积神经网络对车牌字符识别率为97.8%,能够有效解决低清晰度车牌字符的分割和识别问题.