基于颜色恒常性的彩色图像分割方法

针对图像处理及机器视觉领域中,光照不均匀而导致错误图像分割的问题,提出依据颜色恒常性原理进行图像分割的方法。利用颜色恒常性原理及ISODATA聚类分析方法保持在不同光照条件下颜色判断的一致性,消除照明位置及光照强度的影响。实验结果表明,该方法能够有效抑制因照明条件而产生的错误图像分割现象,与传统的基于边界及区域增长的图像分割方法相比,本方法具有更好的彩色图像区域分割效果。     

基于监督颜色恒常性的低照度亮度校正算法

提出了一种新的监督颜色恒常性算法,主要解决在机器视觉识别中由于色温变化所带来的光照校正问题。利用人类视觉对比度分辨率的限制规律,采用抛物线函数作为亮度增益函数,将图像亮度映射于实验确定的最佳识别范围。实验结果表明,该算法能够获得较理想的视觉校正效果,有效地提高识别率;不需要进行颜色空间转换,计算耗时少。     

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Y UV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。     

单幅图像阴影去除方法

为解决阴影影响区域信息判断和计算机视觉目标检测等任务的问题,研究了单幅图像阴影去除的方法.通过分析阴影特性与建模,在能量最小化框架下,根据颜色比例方法,通过纹理映射求解恢复系数;同时提出区域颜色恒常性计算和剖面光滑模型复合的半影恢复方法.实现了将阴影区域亮度、颜色和纹理等信息恢复到非阴影区域光照的效果,视觉一致性良好.     

智能跟踪系统中目标阴影消除算法的研究与应用

研究了阴影消除算法在基于DSP处理器的智能跟踪系统中的应用。在应用中加入了快速填充与噪声消除算法以提高阴影消除的准确性。为了提高系统的实时性,对于阴影消除又采取了一定的优化措施。这些方法适用于有流水线处理特征的微控制器和微处理器。实验表明,这种方法能够实现高速运转且可以有效地减少CPU占用率。     

一种阴影消除算法优化及DSP实现

优化了一种基于HSV彩色空间模型的双矩形框阴影消除算法的流程,能在运动目标检测时去除阴影干扰的影响,且具有较好的实时性。使用DM642多媒体DSP实现了算法,设置了视频捕获方式、优化了DSP程序。首先进行彩色空间变换;然后利用基于V分量差分视频帧初步确定运动区域和基于S分量的背景差分视频帧精确目标区域;最后把各分量运动目标信息合并,对运动目标进行满足实时性要求的处理。实验结果表明,该算法能够较好地去除阴影,实现了运动目标的精确提取。     

基于彩色空间多特征的高空间分辨率遥感影像阴影检测

高空间分辨率遥感影像中的阴影检测对于影像的目标识别和信息恢复十分关键。针对单一特征阴影检测中普遍存在的强反射性地形、地物漏检和水体错检的情况，提出了一种基于彩色空间多特征的阴影检测方法：首先，利用改进的阈值法进行一般阴影的检测；然后利用色调值较高的特征检测包含强反射性地形地物的阴影区域；再利用水体在RGB不同波段的反射亮度差值来进行水体与阴影的区分。实验结果表明：该方法较好地克服了阈值反复试算、包含强反射性地形、地物阴影区域漏检和水体错检的问题，提高了阴影的检测精度。     

基于姿态表示的航空影像旋转目标检测网络

由于航空影像复杂多变的视角, 目标呈现出拥挤、聚集及旋转等特点, 传统目标检测中的水平边框难以契合地表示目标的几何轮廓及位置信息。本文提出了单阶段基于姿态表示的旋转目标检测网络。该网络将不同旋转角目标表示成不同姿态, 通过检测目标的中心位置及回归4个顶点相对坐标来实现旋转目标的检测。同时使用了自适应特征金字塔网络, 利用可学习权重自动从多尺度特征中选择更具判别性的特征。针对航空影像高分辨率的特点, 提出选择性采样策略以提高网络训练效率和缓解网络正负样本不平衡问题。本方法在DOTA遥感数据集旋转目标检测任务上的平均精度(mean Average Precision, mAP)达到74.9%, 超过了现有单阶段甚至部分双阶段的方法。定性与定量的对比实验表明, 基于姿态表示的旋转目标检测网络具有设计简单、检测性能更高的优势。     

基于航空影像提取建筑物高度的探讨

从航空影像中自动提取建筑物高度,是利用航空影像完成地物测绘的关键技术之一。针对含有大量建筑物信息的航空影像,研究了一种在图像边缘检测的基础上,基于Canny算子进行边缘检测和基于Hough变换提取直线信息的方法,并通过某建筑物的航空影像对该方法进行验证。     

基于DMC航空影像的数字真正射影像制作研究

随着影像获取手段和方式的不断提高,传统的数字正射影像已经不能够满足不同领域对于高质量、高精度测绘产品的需求,因此,数字真正射影像的出现成为一种必然的发展趋势。主要论述基于DMC航空影像的数字真正射影像制作的相关理论、主要方法和软件平台;并以哈兰诺公司MiraSuite软件平台为例,说明数字真正射影像的制作流程和具体实现,分析其在批量数字正射影像的制作中存在的问题。     

基于彩色图片的人脸检测方法

提出了一种基于肤色的精确人脸定位算法,详细叙述了在图片的颜色调整与肤色检测,肤色区域的平滑、分割与填充,候选眼睛的选取及配对中遇到的具体问题并提出了解决方案.本算法能较为准确地定位彩色图像中的正面、小角度偏侧和旋转的人脸,还能检测出一幅图中的多个人脸.     

基于数字色彩系统的城市色彩设计

分析我国城市色彩设计的基础理论,解剖当前城市色彩设计媒介单一、色彩域狭窄、设计方法简单等现状,找出其与城市建设之间存在的差距.引入跨媒介色彩理论,提出基于数字色彩系统的城市色彩设计方法,该方法通过融合色料媒介和数字色彩媒介,承载城市文脉和色彩意象,拓展城市发展内涵,围绕计算机色彩三维模型的横截面和纵截面进行色彩设计,尝试实现色彩设计与数字城市的无缝对接,展示现代城市色彩设计中的数字色彩魅力.     

基于彩色信息和边缘特征的运动阴影检测

基于RGB彩色信息建立自适应背景模型,通过背景抽取检测快速运动目标,同时利用运动目标的边缘特征作补充,在色调、色饱和度、光强(hue,saturation,intensity,HSI)彩色空间,根据运动阴影的运动属性及自身的物理特性检测阴影,通过阴影的抑制进一步提高运动目标检测的准确性.实验结果表明,该方法能够有效地检测快速运动目标、抑制阴影、提高智能交通系统的性能.     

彩色图像的马尔可夫随机场恢复算法

提出了一种基于多色彩通道相关性的退化彩色图像恢复算法.该算法利用马尔可夫随机场(MRF)作为彩色图像恢复的先验概率分布模型,在模型中采用8-邻域的线过程来表征和提取多色彩通道间的相关性.针对模型求解时采用经典模拟退火算法的时间复杂性太高,采用改进次优模拟退火算法对彩色图像进行快速恢复.实验结果表明,该算法能够用于退化彩色图像的快速恢复,且能很好地避免色彩混迭,提高退化彩色图像的恢复质量.     

PCNN模型在彩色图像分割中的应用

针对脉冲耦合神经网络(PCNN)模型主要应用于灰度图像处理的局限性,利用脉冲发生器将颜色信息引入模型作为输入,与灰度信息共同控制神经元的内部行为,控制等灰度值的不同颜色区域分期点火,实现彩色图像的精确分割.双输入PCNN模型实现了彩色图像的分割,同时保持了PCNN模型对噪声的鲁棒性,从简单的仿真图像和实际图像两方面验证了此分割方法的有效性.     

基于无人机遥感影像的水体提取方法

针对无人机（UAV）影像水体提取出现的噪声干扰、光谱混淆、分割尺度难把握、无法使用水体指数等问题,提出边缘检测算法结合面向对象方法的新水体提取方法（AUCSN）. 采用各向扩散滤波算法对影像去噪;采用Canny边缘检测算子对去噪后影像进行边缘提取,提取结果与去噪后影像进行波段重组,利用改进的邻域绝对均值差分方差比法对重组影像选取最优分割尺度,开展多尺度分割. 结合水体对象的光谱、形态、纹理特征建立模型,对分割后影像实现水体粗提取. 将粗提取结果利用形态学闭运算填充孔洞,实现水体提取. 实验结果表明,采用AUCSN方法进行水体提取,不仅提高了提取效率,而且提取精度能够达到96%.     

基于色彩特征的CAMSHIFT视频图像汽车流量检测

针对视频图像中目标车辆尾灯及背景色彩在HSV空间分布上的特点,提出了把车辆尾灯作为跟踪目标,恰当选取色彩特征参数,采用CAMSHIFT目标跟踪算法对汽车流量进行检测的技术方案.研究了基于HSV色彩空间的CAMSHIFT目标跟踪算法在视频图像汽车流量检测中的实现,并用实际拍摄的交通视频图像对该检测算法进行了验证.实验结果表明,本文算法具有较高的准确度,能够有效跟踪以各种速度行驶的车辆,可以较好地应用在汽车流量检测领域中.     

Clustering based segmentation of text in complex color images

We propose a novel scheme based on clustering analysis in color space to solve text segmentation in complex color images. Text segmentation includes automatic clustering of color space and foreground image generation. Two methods are also proposed for automatic clustering: The first one is to determine the optimal number of clusters and the second one is the fuzzy competitively clustering method based on competitively learning techniques. Essential foreground images obtained from any of the color clusters are combined into foreground images. Further performance analysis reveals the advantages of the proposed methods.