基于颜色差异的色彩量化算法

在色彩量化问题中,对颜色层次感和关键细节的处理是一个困难的问题.如果保留颜色层次感,就会失去关键细节,反之亦然.针对该问题提出了一种新颖的基于颜色差异(Color-Difference,CD)的颜色量化算法.该算法即可以保留颜色层次感,又可以保留关键细节.     

一种基于BP神经网络的颜色空间量化方案

介绍了一种基于BP神经网络的颜色空间量化方案。这种方案利用人能辨识的11类颜色,将人辨识颜色的能力融入到颜色空间的量化过程中,并运用BP神经网络方法,将颜色空间进行量化分割。文章介绍了样本颜色的采集方法、采集软件的设计、基于BP神经网络的样本颜色处理方法以及在图像特征的抽取、区域分割方面的应用。建议的方案从一个新的角度缩小了低层视觉特征和高层语义特征的差异。     

一种基于彩色图像频率特征的颜色量化算法

基于图像的彩色频率特征对颜色直方图进行排序,依照高频信息采样密度高于低频信息的原则对图像进行了量化．实验结果表明,算法在运行速度与效果上令人满意．     

一种动态切分的颜色量化算法

在三基色颜色空间中,对彩色图像进行颜色处理时,如何从理论上的2563种颜色中选择出构成调色板的256种代表色,而且能最大限度地保留原图像的最佳颜色效果是非常重要的. 在分析并比较了现有几种算法的基础上,提出一种基于直接切分的动态切分法算法,算法既保留了图像显示的最佳效果又具有较快的量化速度.     

基于视觉特性的一种自适应颜色量化算法

颜色量化是数字图像处理的基本技术之一,传统的量化算法有分割法和聚类法。本文提出了一种结合分割法和聚类法特点的自适应颜色量化算法,实验结果表明,在量化质量上本算法接近K-均值聚类法,但在运行效率上十分接近中位切分法,是一种相对高质高效的颜色量化算法。     

一种新型图像颜色量化算法及其实现

针对针织纹织提花、印染以及陶瓷印花等图案设计系统的需求 ,提出了一种新型的基于直方图约化方法的自动分割图像颜色的算法 .本算法根据预置的颜色种类 ,计算图像的直方图 ,通过直方图的约化、磨光 ,进行分色处理 ,可自动确定图像的中心色及分割限 ,准确地归并图像颜色 .此算法可适用于黑白或彩色图案的处理     

一种基于图像内容的自适应色彩量化算法

色彩量化是数字图像分析与处理领域的基本问题之一.笔者以K-均值聚类为基础,提出了一种新的自适应色彩量化算法,该算法首先依据图像内容确定初始聚类中心,并对所有像素进行归类处理;再结合图像局部区域平滑度,修改聚类中心颜色;最后对所有聚类进行分裂和合并运算,并生成量化图像.实验结果表明,该算法具有较好的色彩量化效果（即色彩量化误差较小）,整体性能优于K-均值聚类色彩量化方案.     

基于蚁群聚类算法的彩色图像量化方法

提出了一种新的彩色图像颜色量化算法:蚁群聚类算法.该算法通过模拟蚂蚁对物体的捡起和丢弃行为,得到一种捡起和丢弃像素的概率模型,对RGB彩色空间下的彩色图像进行了聚类.实验结果表明蚁群聚类算法实现起来简单快捷,并且取得了很好的颜色量化效果.     

量化的均匀与非均匀对提取颜色直方图的影响及比对研究

在特定颜色空间中数字图像的量化对提取其相应颜色直方图有明显的影响。本文比对分析了在HSV颜色空间中均匀量化与非均匀量化对数字图像颜色直方图提取的影响,并以国家非物质文化遗产——南通蓝印花布为例,综合分析了南通蓝印花布数字图像的特点,利用JAVA EE环境下的Open CV函数库实现两种量化方法下颜色直方图的提取,确定了HSV颜色空间非均匀量化在颜色直方图提取方面的优势。     

一种基于核的模糊聚类算法

结合核技术与改进的模糊c均值算法聚类准则提出一 种基于核的模糊聚类算法. 通过引入核函数, 样本点被非线性变换映射到高维特征空间进行聚类, 提高了聚类性能. 同时, 算法改进了模糊c-均值聚类模型中的概率型约束条件, 使其对噪声和野值点具有较好的鲁棒性. 在真实数据和人造数据上与常用聚类算法进行了对比实验, 结果表明该算法具有较低的时间、 空间复杂度与较好的聚类性能.     

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.     

一种基于粒子群优化的K-均值彩色图像量化算法

目的利用粒子群优化算法和K-均值方法研究彩色图像的量化问题。方法针对K-均值聚类量化算法对初始值比较敏感,易陷入局部极小值从而使得算法得不到全局最优解,为局部搜索算法,以及粒子群优化算法是一种全局寻优方法的特征,把K-均值聚类方法和粒子群优化算法结合起来,将K-均值聚类方法中的聚类函数作为粒子群优化算法中的粒子适应度函数,对彩色图像进行聚类量化。结果实验表明新算法在峰值信噪比和均方根误差评判准则下可以得到更好的量化结果。结论新方法有效地克服了K-均值聚类方法和粒子群优化算法的不足。     

一种基于GPU加速的图像颜色传递算法

针对图像颜色传递典型算法Reinhard算法需对图像中的所有像素进行遍历搜索处理,计算量大、运算速度较慢这一问题,提出了一种基于GPU加速的图像颜色传递算法;利用可编程图形处理单元GPU并行计算和高速浮点计算特性,将Reinhard运算过程转化为GPU中的纹理图像渲染过程,使得Reinhard算法在GPU中加速执行.颜色传递效果对比结果表明,在取得较好的颜色传递效果的同时,该算法计算速度大大提高,且对大尺寸图像提速性能更好.     

一种混合限制层次聚类算法

分析了CCL算法,基于数据对象间的关联限制定义了类间关联系数,提出了一种混合型限制层次聚类算法HCCL.本算法可以分成2个相对独立的阶段,第一阶段同Complete-link算法几乎一致,依据数据对象的自然分布,把它们合并入一个个小类;在第二阶段,依据背景知识,基于类间关联系数来实现小类的进一步合并,近邻信息辅助决策.实验结果表明,HCCL较CCL更为稳定,总体上能更有效地利用所给的关联限制.     

基于组合码字的矢量量化编码算法

传统的矢量量化编码方法总是将待编码矢量以码书中唯一的最匹配码字作为其近似输出矢量,以实现数据压缩的目的.这种方法对远离码字的矢量无法避免显著的误差.本文提出组合编码的矢量量化方法,其思想是对远离码字的矢量进行主辅组合编码,对主码字编码造成的误差通过辅码字加以补偿.实验表明,该方法在很小降低压缩比率的条件下显著提高了矢量编码精度,能够在信号处理等领域发挥有效作用.     

基于改进k-均值聚类的纸币冠字号图像分割算法

针对传统彩色图像分割方法的局限性,提出了基于HSI色彩空间和改进K-均值聚类的图像分割方法,通过将彩色图像分解成三个相互独立的H、S、I分量,利用各个分量特点及其直方图确定聚类类别和初始聚类中心,在高饱和度区和低饱和度区分别聚类,并将聚类结果合并取交集,从而分割出目标区域.将该方法用于纸币冠字号码图像分割,经仿真验证,结果不受噪声和局部边缘变化的影响,分割效果得到明显提升,为后续冠字号准确识别提供了良好的基础.     

灰关联空间中基于最大熵阈值的医学彩色图像分割算法

将灰关联理论引入彩色图像分割领域,提出一种在灰关联空间中面向医学彩色图像的最大熵阈值分割算法.通过对分辨系数和色彩影响因子的选取,避免了传统彩色图像分割中三维色彩信息的丢失现象,并使算法具备了一定的抗噪性能,分割的精度和实时性也获得了较大提高.实验结果证明了算法的有效性.