利用YUV颜色空间和纹理特性消除车辆阴影

车辆视频检测中的阴影消除通常可利用图像的颜色特性或纹理特性来进行.如果只用其中一种方法,效果不是很理想.提出了同时利用YUV颜色空间的Y、U、V三个分量和图像纹理特性进行阴影消除的方法.首先利用YUV颜色空间中的YUV分量用亮度比及颜色不变性的方法消除运动区域中的阴影;然后再利用图像的纹理特性对图像进行阴影消除;最后对两种方法的检测结果进行融合,达到了更好的消除效果.     

基于时空特征的航拍视频运动目标检测研究

航拍视频具有监控场景范围大、采集设备移动迅捷等优点。与普通监控视频相比,航拍具有目标分辨率低、场景干扰因素多、采集设备不固定等问题,运动目标检测是个难题。针对这些问题,提出一种融合时空特性的两级运动目标检测算法。首先利用SURF算子完成图像匹配,解决摄像机移动问题,并结合目标的运动特性及自适应道路检测算法完成时域上的目标区域检测|采用HSV空间中的S分量图颜色特征,利用道路区域与目标区域的差异性完成空域目标区域检测。实验采用著名的VIVID Egtest01数据库以及Munich Crossroad01数据库中的数据,并与传统方法进行对比。结果显示该算法平均准确率达到93%,相比于传统方法有效性和鲁棒性更好。     

不同颜色分量对图像分割结果的影响

为了提高图像分割质量,分析了RGB颜色模型下3种颜色分量对花卉图像分割结果的影响。根据花卉目标的颜色特征,在RGB颜色模型下分别提取花卉图像的R分量、G分量、B分量,采用FCM算法分别对3个分量进行图像分割,并对十多幅自然场景下拍摄的不同颜色花卉图像进行分割实验。结果表明,针对合适的色彩分量进行图像分割可以获得更好的分割效果。     

基于计算机视觉的彩色图像二维纹理识别方法

为了提高彩色图像二维纹理识别能力,提出基于计算机视觉的彩色图像二维纹理识别方法。采用超分辨融合方法对彩色图像进行纹理特征检测,并在邻域内进行融合滤波处理;结合小波变换方法进行颜色分量合并和模板匹配,提取图像的关联规则像素点;根据图像颜色特征分量进行多层次融合和视觉特征重构,实现二维纹理识别。仿真结果表明,该方法在识别彩色图像二维纹理特征时准确度较高、纹理特征匹配性较好,应用优势明显。     

基于自适应聚类和色差分析的烟草异物在线识别算法研究

提出一种利用聚类和色差分析的烟草异物在线识别算法,采用自适应ISODATA聚类取单元颜色特征,并分析烟叶和异物各分量的分布差异,将单元特征各分量根据直方图分布量化到HIS颜色空间中,从而得到样本学习结果并进行识别。实验结果表明,该算法的平均识别率达到95%,误识率在5%以下。     

一种HPF的图像融合方法

采用了一种利用HPF滤波进行图像融合的新方法.首先对多光谱图像进行IHS变换,从RGB空间变换到IHS空间,然后在其亮度分量和高分辨率图像之间引入HPF滤波进行直方图的调整,把调整后得到的新亮度分量进行IHS逆变换,最后回到RGB空间.实验结果表明,文中提出的新方法更适于进行多光谱图像和高分辨率图像的融合.     

例谈减少实验干扰的措施

<正>实验中,有很多干扰因素都可能影响实验结果.在实验操作时,会采取一些针对性措施以减少对实验结果(或现象)的影响.一、选材的影响实验材料的选择,是实验成败的关键,往往对实验结果产生决定性影响.因此正确选择实验材料,也是减少实验干扰的有效措施之一.1.涉及颜色反应的实验,所使用的实验材料尽量不要有颜色.很多实验涉及到颜色反应,如果所选材料也存在颜色,会干扰实验结果,影响实验现象的观察.如：利用斐林试剂检测还原糖的实验中,     

基于肤色特征的运动目标检测及分割算法研究

针对跳水运动视频中的人体运动目标分割问题,提出一种简单有效的基于颜色特征运动目标检测及分割算法.首帧进行图像预处理,利用色相和亮度两个分量加强颜色差异,然后使用OTSU算法对图像进行阈值分割,结合RGB颜色空间启发式肤色聚类结果确定运动目标所在的连通区域,从而完成首帧运动目标的自动检测.在后续帧的处理中,通过数学形态学方法自适应预测出运动区域后,运用改进的OTSU算法在区域中分割运动目标.实验表明,本方法有效地克服了复杂背景变化的影响,能够快速实现跳水运动目标的分割,且对运动对象的快速整体运动有较强的鲁棒性.     

基于改进的颜色和形状特征融合的图像检索

目前图像检索中关于图像颜色的研究大多是独立的研究,并且颜色特征检索的准确率不高,检索时间比较长.针对上述问题,提出一种新的颜色特征量化算法,该算法首先划分颜色的主色调得到8维的颜色直方图,然后和基于HSV空间的前三个低阶颜色矩得到9维颜色直方图进行颜色特征融合,最终得到17维的颜色直方图,用得到的17维颜色直方图方法检索图像.实验证明该检索方法不仅提高了检索查准率和查全率,而且进一步缩短了检索时间.最后这种方法与基于修正的Hu不变矩的形状特征融合进一步提高了检索效率.     

基于Retinex和HSV颜色空间的低照度图像增强算法

针对低照度图像存在的对比度低、颜色失真、细节信息损失、噪声干扰等问题,提出一种基于Retinex的改进算法。首先,将原始图像转换到HSV颜色空间,采用改进算法和Gamma校正对V分量进行亮度调节;其次,基于对比度拉伸算法调整S分量,增强图像饱和度和对比度;最后,将融合后的图像转换回RGB颜色空间,输出图像。在MATLAB平台上选取不同场景低照度图像进行增强处理,采用图像信息熵（IE）、峰值信噪比（PSNR）和结构相似性指数（SSIM）三个客观指标进行均值对比,实验结果表明,新算法计算结果均优于传统的直方图均衡化算法（HE）和多尺度Retinex算法（MSR）,有效保持图像边缘信息,提升图像质量。