基于视觉颜色聚类的彩色图像分割

根据视觉的颜色聚类特性，提出一种图像分割算法．根据从色彩空间(RGB)到(HLC)的变换公式和NBS颜色距离的概念，首先将彩色图像量化为256或更少量化级，而不使图像质量降低；然后依据NBS颜色距离的概念将色彩分类；最后，根据某种规则将颜色区域进行分块，并删除小的颜色块．给出了静物图像和自然景物图像的实验结果。     

基于Sigmoid核函数的纺织品色差分类检测研究

颜色的自动检测分级是纺织、印染行业质量检测中的关键一环.为达到纺织品颜色的快速分级,根据人类视觉特性,提出了一种基于Sigmoid核函数的纺织品色差分类检测方法.该方法首先将采集的待测纺织品图像进行预处理操作,并将图像数据由RGB色彩空间转换至HSV色彩空间;其次对图像区域进行均匀分块,提取H、S、V分量值并采用加权和...     

一种CIELab颜色空间中的车牌定位方法

提出了在CIELab颜色空间中进行车牌定位的方法.首先将图像从RGB颜色空间转换到CIELab颜色空间;然后通过数学形态学增强和图像连通体分析提取出候选区域;最后通过分析候选区域的面积、宽高比及灰度阶跃次数提取出真实的车牌区域.大量的车牌定位实验表明:所提算法适用于不同尺寸的车牌图像,定位准确率较高.     

基于K-means聚类的纺织品印花图像区域分割

对纺织品彩色印花图像进行颜色区域分割.将彩色纺织品印花图像转换到CIEL*a*b颜色空间,用K均值聚类分析算法对描述颜色的a*争b*通道进行聚类分析;通过提取各个颜色区域独立成为单色的新图像,对彩色纺织品印花图像进行分割处理.实验结果表明,在CIE L*a*b空间使用K-means聚类算法可以有效地分割彩色纺织品图像的颜色区域.     

基于中值滤波和多特征融合的粒子滤波车辆跟踪算法研究

为获得复杂环境下较好的车辆跟踪结果,提出了一种基于中值滤波和多特征融合的粒子滤波车辆跟踪算法.在粒子滤波跟踪框架中,首先将车辆图像从RGB(Red,Green,Blue)颜色空间转换到HSV(Hue,Saturation,Value)颜色空间,利用中值滤波对视频图像进行预处理后,再利用prewitt算子检测图像边缘信息,然后融合颜色和边缘两个特征,实现复杂环境下的车辆跟踪.实验结果表明,该算法具有较好的目标跟踪精度和鲁棒性,能有效解决单一颜色特征下容易导致目标车辆跟踪丢失的问题.     

基于虚拟多曝光融合的不均匀光照图像增强方法

针对不均匀光照图像存在过曝和欠曝区域导致对比度低、视觉效果差的问题,提出一种基于虚拟多曝光融合的图像增强方法.首先,将原图像从RGB(红-绿-蓝)颜色空间转换到HSV(色调-饱和度-亮度)颜色空间;然后,对转换后的V通道图像,利用相机响应模型,估计最佳曝光率并生成减弱曝光图像和增强曝光图像;接着,使用带细节提升的多曝光融合方法对该V通道图像和生成的虚拟曝光图像进行融合,重构出新的V通道图像;最后,将图像重新转换回RGB颜色空间得到一幅动态范围高、对比度强、视觉效果好的图像.在7个公开的图像数据集上进行实验,结果表明:该方法在平均信息熵、平均梯度和颜色一致性等图像质量评价指标上均优于所比较的方法,在更好地保持图像颜色和细节信息的同时,也使得结果图像具有较高的对比度和清晰度.     

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。     

属性论方法在图像分割中的应用研究

提出一种基于属性论的图像分割方法,首先将彩色图像转换到HSI颜色空间,然后根据定性映射原理建立HSI颜色空间的智能融合模型,通过像素点间的不同颜色分量的特征匹配实现对图像的分割,最后用MATLAB进行仿真实验,实验结果表明,所提出的定性映射颜色分割算法快速、有效、可靠.     

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.     

结合颜色差异和模糊聚类的叶片图像分割

为解决中药植物叶片图像分割问题,考虑自然环境中的颜色特征,提出了一种基于归一化绿-红差异指数(NDI)颜色差异特征的叶片分割算法。该方法首先将叶片RGB图像进行NDI颜色差异特征计算,然后使用FCM算法进行聚类分割去除非绿色区域,再使用数学形态学进行修正,最后使用面积因素去除其他非叶片的绿色区域。实验结果表明,该算法能够将绿色叶片区域从自然环境中精确分割出来,相比使用转换颜色空间的FCM分割算法,其运算时间更短。     

利用颜色信息的人脸检测方法

提出一种利用颜色信息的人脸检测方法,首先把输入的彩色图像从ＲＧＢ转换到ＹＩＱ颜色空间,提取与人的肤色相关的Ｉ分量图像,通过对整幅Ｉ分量图像进行尺度变化和窗口扫描,解决待测人脸的位置,大小不同问题,实现平移不变和尺度不变。然后对Ｉ分量图像进行门限化处理。     

基于RGB颜色向量的二维彩色图像卡通风格渲染

提出了一种二维彩色图像卡通风格化渲染方法。利用RGB颜色向量具有较准确地划分区域的特点,对彩色图像进行分割;利用卡通图分析实验得到的常用颜色值进行区域填色,使得区域颜色均一。对冗余边缘采用分类修正。实验结果表明,该算法的渲染效果接近于卡通风格,适合卡通动画和个性化照片等领域的应用。     

基于模糊自适应谐振理论的彩色目标跟踪系统

提出了一种在变光照条件下进行彩色图像分割和目标跟踪的方法 .通过在色度、饱和度、亮度HSI(hue ,satura tion ,illumination)空间自组织非监督地进行颜色聚类 ,使用增加、削减和融合聚类的方法 ,寻找适当的聚类数量 ,使目标跟踪更加精确 .该方法基于模糊自适应谐振理论 (fuzzyadaptiveresonancetheory ,FuzzyART) ,具有在线升级目标颜色模型的能力 ,可以克服环境光线变化所带来的影响 .在复杂背景和变光照条件下的目标跟踪实验结果证实了该方法的有效性 .     

反馈型颜色分割在边缘检测中的应用

针对传统的边缘检测算子容易产生边缘丢失和畸变的缺点,为准确获取彩色图像的边缘,本文提出了将传统方法提取的边缘作为反馈对原始彩色图像进行初步颜色分割,根据区域内颜色信息的分布统计,进行分裂合并及均衡化处理,对颜色区域边界进行骨架细化,从而提取边缘。实验结果表明:与传统方法比较,该方法可以更有效地检测出边缘信息。     

一种基于DCT系数的彩色图像检索方法

基于内容的图像检索是当前图像数据库领域中的一个研究热点。给出一种直接在频域内对彩色图像进行检索的方法:将一幅真彩图像变换到YCrCb空间,提取主颜色,对主颜色进行DCT变换,变换后的低频分量即为图像的颜色表示。在此基础上,讨论了图像的相似度量以及相应的图像检索技术,并给出了实验结果和图像检索性能的评价。     

基于水平集的彩色图像分割方法

实现了一种新的彩色图像融合分割方法。首先,通过对彩色图像进行YCbCr变换,提取其颜色特征。进一步,对亮度图像进行Gabor变换,提取其纹理特征。同时,为了消除特征向量的冗余,引入PCA变换对高维特征向量进行压缩。然后,采取向量C-V模型对提取的特征向量进行分割。最后,对分割图像进一步后处理,消除小的区域。真实彩色图像实验结果证明了方法的有效性。     

基于颜色信息与区域生长的图像分割新算法

提出了一种新的结合了颜色特征与区域生长的彩色图像分割算法B-JSEG.该算法是在彩色图像分割的JSEG算法和边缘检测中的方向算子的基础上实现的.根据已有算法的缺陷,利用新的参数描述纹理颜色信息,并通过区域增长和合并来获得最后的分割结果.由于在JSEG算法中加入了方向算子,同时考虑了区域的相似性和边界的非连续性,减少了过分割.大量图像的实验结果表明,所提出的算法具有很好的鲁棒性,比JSEG算法更符合人类的视觉感知.     

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.     

基于支持向量机的彩色图像人脸检测方法

提出了一种利用肤色信息、基于样本学习的彩色图像人脸检测方法。该方法利用两层支持向量机进行人脸检测，用肤色和非肤色样本训练的第一层支持向量机对图像中每个像素进行分类，所有被判断为皮肤点的像素构成了肤色区域；用窗口对肤色区域进行遍历，用人脸和非人脸样本训练的第二层支持向量机判断窗口是否包含人脸模式，并对检测到的人脸区域进行必要的合并。实验结果显示，本文方法对彩色图像中正面人脸的检测率为87.6％。