改进的阈值加权平均HSV与小波变换图像融合

为提高图像的空间分辨率、增加图像的细节信息,改善HSV融合和小波融合中存在的光谱失真、原SAR与ETM图像的纹理特征保持不良等现象.提出一种改进加权平均法的HSV与小波变换融合方法.将ETM图像转换到HSV彩色空间,得到亮度分量V.将高分辨率的SAR图像与该分量进行小波分解,得到高低频信息,将低频信息按照提出的改进的加权平均法进行融合,高频信息按照绝对值最大法进行融合,得到新的亮度分量,再通过HSV逆变换得到新的融合图像.实验采用3 m分辨率的Cosmo-Sky Med图像和30 m分辨率的Landsat8图像进行实验.研究结果表明:该融合方法能够提高图像空间分辨率,在地物细节和光谱特征方面保持良好.     

一种HSV空间上分层压缩感知的图像检索算法

通过构建二维压缩感知测量模型,提出一种分层HSV特征和分层纹理特征提取与图像检索新算法。在图像HSV空间上引入网格离散划分和分层映射算子,定义一种基于HSV网格空间上的分层映射矩阵和拟灰度共生矩阵;设计归一化Gauss随机矩阵作为测量矩阵,使用二维压缩感知测量模型对上述两种矩阵进行压缩采样;采用PCA(Principal Component Analysis)方法获取上述两种分层采样矩阵的特征值序列,作为图像的分层HSV特征与分层纹理特征。最后融合上述两类特征综合计算图像间的整体相似度并实现图像检索。仿真实验表明,上述两类特征具有很好的可区分性,有效提高了图像检索效率,特别对复杂背景的图像检索性能更优     

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.     

基于数学形态学高帽变换的彩色图像增强算法

分析了RGB颜色空间和HSV颜色空间各自的优缺点,通过将彩色图像在RGB颜色空间和HSV颜色空间互相转换,把一个灰度图像形态学边缘增强算法推广到彩色图像。实验结果表明该算法性能良好,既能够较好地增强图像,又没有引入不自然的人造痕迹。     

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。     

车牌定位和分割的一种综合方法

提出了一种基于颜色空间和字频统计结合的车牌分割方法.该方法是在HSV彩色空间中,充分利用车牌图像提供的彩色信息,构造出5级灰度图,然后采用数学形态学、字频统计方法进行分析和判断,确定并分割出汽车牌照.该方法不受车牌大小、位置以及车牌的背景和光照条件等方面的限制,适用范围广.实验表明,该方法符合人类的视觉特征,效果好,精度高,对含噪声图像也能有效分割.     

足球机器人视觉子系统的改进

简要概括了YSU足球机器人系统的视觉结构框架,对视觉系统的关键技术进行了详细介绍,通过几何矫正,克服了成像系统本身存在的图像形变问题.为了提高足球机器人图像处理的速度与精度,在分析了RGB彩色空间模型的优缺点后,提出采用HSV彩色空间模型进行图像处理,并根据足球机器人比赛的实际情况对HSV彩色空间模型做了相应改进.此外提出了一种基于连续图像相关性的顺序网格和种子填充相结合的目标搜索方法.     

高位灰度图像假彩色显示方法研究

传统的灰度级压缩算法存在无法自动识别感兴趣灰度范围,并且经过压缩后图像必然丢失一部分信息的问题. 文中针对高位灰度图像提出了一种假彩色显示的方法,对高位图像的灰度级采样,并映射到HSV颜色空间中H通道;压缩图像灰度级使其包含在0~255内,并将其映射到V图层;对图像进行归一化处理,并将其映射到S图层;最后将图像从HSV颜色空间转换到RGB颜色空间进行显示. 主观和客观评价结果显示,该方法能最大限度显示高位图像包含的细节.      

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。