基于颜色特征的改进图像检索算法

本文提出一种综合图像的颜色、灰度和空间信息提取特征向量的改进算法将图像从RGB空间转换成HSV空间,将彩色图像转换成黑白图像,并分别进行直方图量化后,进行相似度比较;改进颜色相关图的算法,提高颜色空间特征的检索效率.     

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CIELab颜色空间的矢量彩色图像放大算法

提出了一种基于CIELab颜色空间和矢量滤波器的彩色图像放大算法.该算法利用彩色图像各颜色通道的固有相关性,在CIELab颜色空间中利用矢量滤波器将彩色像素作为矢量集合进行处理,首先将彩色图像从RGB空间转换为CIELab颜色空间,然后在CIELab颜色空间利用矢量滤波器进行空间插值,最后将插值后的图像从CIELab空间转换为RGB颜色空间,得到放大后的彩色图像,保持了彩色图像的空间和频率特性.实验结果表明该算法优于传统算法.     

结合数学形态学和幂变换的彩色图像增强算法

证明了颜色空间与RGB颜色空间可以互逆转换并且时间效率高、对亮度分量单独处理后再转换回RGB颜色空间能够保持原始图像的色调不变;提出了一种基于数学形态学开运算和幂变换的彩色图像增强算法,实验结果表明该算法能够有效地增加图像动态范围,恢复图像中过暗区域内容的细节,并且能够保持图像的色调不发生变化。     

HSV空间彩色X线医学图像增强研究

提出了一种HSV空间彩色X线医学图像增强方法。该方法首先将医学图像转换到HSV颜色空间,然后在HSV空间中分别用Sigmoid函数和线性变换函数对其亮度和饱和度进行增强,再把增强后的图像转换到RGB颜色空间进行显示。在重新定义的Sigmoid函数中,通过引入两个可调节的参数a和b,较好的提高了算法的有效性;在线性函数中引入参数k1和k2,提高了算法的通用性。实验表明算法具有较好的增强效果。     

基于色彩空间和小波分析的多聚焦彩色图像融合

分别基于RGB、HSV和YIQ三种色彩空间,对多聚焦彩色图像融合进行了大量的研究.在实验中,基于RGB色彩空间时,将图像分解为R分量,G分量,B分量,分别在各个颜色分量上进行小波分解,然后在小波变换域上对所有图像的各个颜色分量的小波分解系数运用加权平均的融合规则,最后做小波反变换得到融合图像.而基于HSV或YIQ色彩空...     

数字仪表彩色图像分割方法

针对石英晶体振荡器在计量检定中对数字仪表高精度识别的要求,通过对多种图像分割技术的比较研究,提出一种在HSV颜色空间进行彩色图像分割的方法,首先将图像从RGB颜色空间转换到HSV颜色空间并进行色彩预处理,然后根据选定的参考颜色计算各像素色差,得到色差直方图,通过色差直方图确定色差阈值,最后通过色差阈值对彩色图像进行分割。该方法对一些老化的数码管比较有效,对面板存在部分反光的仪器有较好的拟制作用,在实际应用中取得了满意的彩色图像分割效果。     

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。     

基于同态滤波及多尺度Retinex的低照度图像增强算法

针对在彩色图像采集过程中,光源偏暗或曝光不足等因素,常导致图像亮度和对比度偏低问题,提出了一种改进的低照度图像增强算法。首先用改进的同态滤波增强低照度图像的RGB各分量;然后将RGB图像转换到HSV彩色空间,对饱和度分量进行自适应非线性拉伸;同时用改进的多尺度Retinex算法对亮度进行增强处理,对照射分量用伽马变换进行校正,对反射分量用Sigmoid函数进行处理,最后将图像再转换至RGB空间。用MATLAB对图像进行仿真处理。实验表明该算法提高了低照度图像的信息熵、峰值信噪比和对比度,提升了低照度图像的视觉效果。     

基于数据挖掘聚类分析的图像分割的研究和应用

目的探究基于聚类分析k-means算法的图像分割以及在遥感图像中的应用。方法首先研究聚类分析算法,其次基于RGB和HSV颜色空间下通过软件编程实现算法,最后应用于遥感图像。结果与结论优点是可以比较好地实现遥感图像分割的效果,HSV颜色空间下的图像分割效果较好;缺点是由于算法自身的限制,只能达到局部最优,便利性较差。     

基于稳态遗传算法和Retinex理论的彩色图像增强算法

针对现有彩色图像增强算法的问题,提出了一种基于稳态遗传算法和Retinex理论的彩色图像增强算法.该算法首先把彩色图像从RGB颜色空间转换到HSI颜色空间,然后利用双线性差值和高斯函数滤波来分离光照分量,采用Beta函数实现亮度增强,最后通过稳态遗传算法来估算Beta函数的最优参数以实现彩色图像增强.仿真结果表明,该算法的图像增强效果明显优于CIEH算法和CIEGA算法.     

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.     

改进凸包的贝叶斯模型显著性检测算法

针对传统贝叶斯模型算法对图像显著区域检测精度需要进一步提高的问题,提出一种改进凸包的贝叶斯模型显著性检测算法。首先,利用流行排序算法对图像进行前景提取,提取的前景区域作为贝叶斯模型的先验概率;其次,利用颜色增强的Harris角点检测算法检测图像在RGB,HSV,CIELab 3个颜色空间中的特征点,分别构造RGB,HSV,CIELab空间的凸包,求取3个颜色空间下的凸包的交集;再次,通过贝叶斯模型根据先验概率、凸包与颜色直方图结合得到的观测似然概率计算获得显著性区域图;最后,将新算法在两大公开数据集MSRA和ECSSD中进行测试。结果表明,新算法能够有效抑制背景噪声,完整检出显著区域,F-measure值在MSRA和ECSSD数据库中的测试结果分别为0.87和0.71,准确率-召回率曲线在复杂图像数据库高于传统经典算法。新算法改进了传统经典算法的检测效果,进一步提高了显著图检测的准确性。     

基于HSV和HE的复制粘贴篡改检测算法

针对块匹配检测算法不能准确提取图像面积较小区域、自然相似区域以及平滑区域特征的问题,提出一种基于HSV(hue,saturation,value)颜色空间和直方图均衡化算法的复制粘贴篡改精确检测与定位的方法。将待测图像从RGB(red,green,blue)颜色空间转换到HSV颜色空间,并通过直方图均衡化算法对图像HSV颜色空间的V通道进行特征增强;提取基于圆谐波变换的特征构建特征向量;使用最近邻搜索算法对构建的特征向量进行快速随机搜索得到稠密的偏移场;采用稠密线性拟合的方法滤除错误匹配,并通过形态学操作标识定位出篡改区域。实验结果表明,所提方法能够有效降低面积较小区域、自然相似区域和平滑区域的误检与漏检像素,从而提升检测结果并准确定位出图像的篡改区域。     

基于模糊逻辑的彩色图像分割

模糊图像分割主要是针对灰度图像,文中提出了基于模糊逻辑的彩色图像分割算法,并同时包含了色调的平均处理。定义了模糊规则、隶属度函数。和概率C均值、模糊C均值等其它算法的定性和定量对比实验,验证了本方案对RGB和HSV模型彩色图像的分割效果更好。     

基于颜色和空间特征的图像检索

提出一种新的基于颜色和空间特征的图像检索算法。首先,将检索图像转换为HSV颜色空间并进行量化,提取环形颜色空间信息熵作为颜色空间分布特征。其次,计算每个像素点的多邻域的量化颜色值的一、二阶中心矩,利用各阶统计矩的信息熵来表征图像颜色的局部空间特征。最后,对特征向量进行高斯归一化,采用特征向量的L1-norm距离计算彩色图像的相似度并进行图像检索。试验结果表明该方法比CDE和Geostat算法具有较好的检索效果。     

基于综合特征的彩色图像检索算法

针对单一特征不足以准确描述图像的问题,提出了一种综合颜色和形状特征的图像检索算法.该算法对HSV颜色空间进行特殊处理并量化编码,提取各像素点及其多邻域颜色矩的归一化直方图作为颜色特征;对图像进行整数小波变换后的低频分量分块并编码,提取一步转移概率矩阵作为形状特征;综合利用颜色、形状两个特征计算图像间的相似度,并进行彩色图像检索.仿真实验结果表明,该算法能够准确和高效地查找出用户所需内容的彩色图像,且具有较好的查准率和查全率.     

基于带通滤波和绿色因子的绿色识别方法

为识别大田作物长势监控图像中的绿色植物,提出了一种基于带通滤波和绿色因子的绿色植物识别方法.首先将自然光条件下采集的大田作物长势监控图像从RGB颜色空间转换到HSV颜色空间,并通过基于HSV的带通滤波器去掉RGB图像中的大部分背景;然后将处理过的RGB图像进行归一化,并利用ExG实现绿色植物的识别.实验结果表明,本方法能够正确识别大田作物长势监控图像中的绿色植物,能够较好地克服野外大田拍摄环境造成的识别难题.     

基于DCT系数量化的自适应数字水印算法

文章提出了一种基于DCT系数量化的自适应数字图像水印算法。该算法选取彩色图像作为载体图像,首先将彩色图像从RGB颜色空间转换到YIQ颜色空间,并提取其Y分量作为水印嵌入的载体,对Y分量用自组织映射(SOM)的方法进行块分类和离散余弦变换,然后将Arnold置乱后的二值水印图像量化嵌入到载体图像的DCT系数中,量化因子随块类别不同而不同,水印检测过程不需要原始图像的参与。实验证明,该算法对于常见的图像处理、JPEG压缩等具有较高的鲁棒性。     

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.