色彩聚类在车牌颜色识别中的研究与应用

彩色图像中的色彩聚类和识别在机器视觉环境中的理解、自动化生产过程的导引、交通标志的自动识别等方面有着非常重要的作用.研究的色彩聚类和识别是“车辆牌照自动识别系统“的一个重要部分--车牌颜色识别.论文提出并实现了一种基于特定色彩空间,利用不同颜色的特征值进行色彩聚类和识别的方法.论文事实依据充分,以大量不同背景和不同光照条件下的彩色车牌作为实验数据进行分析、研究,提出了一种有效的、稳健的色彩聚类和识别的方法.     

色彩聚类在车牌颜色识别中的研究与应用

彩色图像中的色彩聚类和识别在机器视觉环境中的理解、自动化生产过程的导引、交通标志的自动识别等方面有着非常重要的作用。研究的色彩聚类和识别是“车辆牌照自动识别系统”的一个重要部分——车牌颜色识别。论文提出并实现了一种基于特定色彩空间,利用不同颜色的特征值进行色彩聚类和识别的方法。论文事实依据充分,以大量不同背景和不同光照条件下的彩色车牌作为实验数据进行分析、研究,提出了一种有效的、稳健的色彩聚类和识别的方法。     

基于双色反射模型的彩色结构光颜色识别的研究

为了快速准确地识别出彩色结构光系统中的投射光颜色信息,该文提出了基于双色反射模型的投射光颜色识别算法.首先通过对数码相机和投影设备进行色度标定,以消除两者之间的耦合性差异;接着通过估计物体三颜色通道光谱反射率以及分离镜面反射成分和漫反射成分,来修正物体本身颜色和镜面反射对投射光源颜色的影响.实验结果表明,该文提出的投射光颜色识别算法对于双色反射模型条件下的彩色结构光颜色识别具有鲁棒性高、计算速度快、识别准确度高等优点.     

移动机器人多目标彩色视觉跟踪系统

机器人视觉系统利用颜色、形状等信息来识别环境目标，但是难点在于识别的 鲁棒性和实时性的保证．本文采用全自主移动机器人为平台，提出了一种硬件成本低廉的、 基于颜色学习的实时多目标视觉跟踪系统，并提出了一种新颖的目标颜色学习和跟踪算法． 该视觉系统已成功集成在自主移动机器人系统中，非结构环境下的动态目标跟踪实验表明了 系统的实时性和鲁棒性．     

基于颜色相似度量的足球机器人目标识别

以足球机器人视觉系统为研究对象,采用一套基于颜色信息的目标识别方法.在足球机器人视觉系统中,我们采用颜色相似系数来确定各主色的颜色值,以此作为图像分割和图像识别的依据.采用全局网格搜索方法实现目标体的识别过程.实验证明,该算法具有良好的准确性和实时性.     

基于内容的彩色胃镜图像检索

针对彩色胃镜图像,分别采用颜色直方图、颜色关联图进行了实验,通过对实验结果的比较分析,提出一种综合颜色直方图和颜色关联图两种特征的检索方法,并运用SPCA(Simple Principal Component Analysis)算法对高维的综合特征进行降维.实验结果表明采用综合颜色直方图和颜色关联图的方法有着更佳的效果.同时,采用SPCA算法对高维综合特征所进行的降维处理,能在保持性能的前提下,有效地提高检索速度.     

一种室外非理想光照条件下的立体匹配算法

针对室外非理想光照条件和图像低纹理、低对比度造成立体匹配效果较差的问题,提出一种HSL(色相-饱和度-亮度)颜色空间下基于边缘图分割的立体匹配算法.区别于传统的RGB颜色空间下基于像素强度的度量方式,该算法采用一种HSL颜色空间下的像素非相似性度量公式来获得匹配代价,然后基于左右输入图像的边缘检测结果进行图像区域分割和立体匹配.在实验中采用一系列不同光照条件的图片集和具有明显低纹理区域的图片集,对本文算法与现有算法进行对比验证.实验结果证明,该算法能够得到比较理想的视差图,对非理想的光照条件和低纹理图像具有很好的鲁棒性,并且基本达到实时性要求.     

在线式光纤传感颜色识别系统的设计

根据测色原理,采用白光LED光源并结合光纤传感技术和最新数字计算机技术,设计了一种适用于工业在线检测的颜色识别系统。系统采用单片机系统完成各模块的控制和数据处理功能,并在硬件设计中增加了颜色容差设置功能。实验证明,系统具有精度较高、稳定性好、抗干扰能力强且价格低廉等优点,满足工业在线颜色测量方面的要求。     

多相机环境下基于颜色不变量和熵图的目标识别

不同相机环境下的光照条件差异是影响目标识别的一个重要因素.依据光照模型推导出与环境光照无关的颜色不变量,并将其作为目标识别的特征,利用熵图估计出的特征向量的HP相似度作为相似性评价标准进行目标识别.实验结果表明,该方法对于不同相机间环境光照条件的变化具有很好的抵抗能力,目标识别率较高.     

基于特征颜色的车道线检测算法

研究自动车驾驶车道优化识别特征颜色边缘,针对不同颜色车道线检测,精度算法不完善.为了提高准确性,提出一种基于特征颜色边缘检测算法.根据道路图像不同物体颜色特征,按特征颜色设计转移函数来标记原图像中的特征颜色区域,再对选取的特征颜色区域进行边缘检测并输出二值化,进行识别过程,对结果进行边缘细化操作得到最终的检测结果.和其它特征颜色的边缘检测算法对比表明,改进的算法在边缘识别上,提高了定位的准确度和精细度,实时性地满足自动驾驶系统的要求,对自动车辆车道线检测有实际参考意义.