黄瓜彩色图像分割

提出一种基于彩色阈值变换的黄瓜果实识别算法：利用黄瓜果实与周围梗叶在R和G颜色分量深度上存在一定的差异,先通过R、G阈值变换将彩色图像二值化,然后进行腐蚀和膨胀操作消除背景中的枝叶,最后根据圆形度提取黄瓜。实验结果显示,该算法能够有效地将黄瓜从背景中提取出来。     

复杂背景下运动目标分割算法研究

视频监控中,准确而快速地分割出运动物体是提取各种信息的前提和关键.以图像差分法为基础,提出了一种在复杂背景下有效分割运动目标的方法.运用改进的Surendra算法提取背景.对连续帧图像的R,G,B三通道帧差分图像采用PCA融合和二值形态学重构,以提取和更新背景.将粗分割图像转换到HSV域中,采用V分量阈值法消除阴影,并应用彩色投影法解决连通体粘连和路面反光问题.实验结果表明该方法能够结合各种算法的优势,快速而较准确地提取出运动车辆目标.     

一种改进的Canny图像分割算法

针对目前图像分割算法普遍存在噪音鲁棒性差、易发生细小边界信息缺失以及适用范围较窄的缺点,改进Canny边缘提取算法中的问题阈值并与原色特征提取加权融合。首先针对Canny算子阈值的自适应性问题,通过计算图像背景与目标之间的类方差来减少错分概率来决定阈值。然后,在具有丰富信息的彩色图像上提出R、G、B这3种原色特征,通过原色特征提取的分割图像与阈值分割提取的图像加权融合形成全新的分割图像。该算法不仅克服了传统分割提取算法边缘信息丢失、鲁棒性差的问题,而且提高了细节点的单位精度,实验结果表明了本文改进Canny边缘算法的有效性。     

条盒三维视觉检测中结构光光条中心提取方法

为了提高基于结构光的条盒三维视觉检测中尺寸测量的准确度,研究和提出了霍夫变换和最小二乘法相结合的结构光中心线提取方法. 首先,依据图像颜色模型的R、G、B分量差值并结合中值滤波对目标结构光分进行分割提取;其次,分别对绿光与红光区域进行多次迭代细化处理获取骨架;然后,根据霍夫变拟合的直线段对目标点集进行分类;最后,使用最小二乘法分别对不同的点集进行分段拟合,获取结构光中心线. 实验结果表明,该方法能够准确地提取出结构光光条中心,具有良好的稳定性,为条盒三维视觉检测工作提供了准确的数据依据.     

改进混合高斯模型的自适应烟雾图像分割算法

为了解决烟雾分割算法中灰白(白)烟和黑色烟雾的同时提取以及分割阈值的自适应选取问题,利用烟雾属于前景目标的特征以及灰白(白)烟和黑色烟雾的颜色特征,提出一种改进混合高斯模型的自适应烟雾图像分割算法.该算法在混合高斯背景模型的基础上删除长期没有匹配的"过期"高斯成分,缩短背景建模时间;根据烟雾"团聚"特点以及灰白(白)烟和黑色烟雾各自不同的R,G,B三分量关系对烟雾图像进行分块,通过对不同的块使用自适应差分阈值提取烟雾可疑区域;针对光线突变、物体移入场景并静止下来等使场景可能发生渐变的问题,对背景图像进行全局和局部更新,并引入修正因子?对已经更新后的背景图像再次修正,确保背景图像更加接近真实场景;最后通过计算当前图像与背景图像的差异程度作为块差分阈值更新基准,实时更新块差分阈值.实验结果表明,文中算法不但能够同时提取灰白(白)烟和黑色烟雾,而且目标边缘不规则信息保留完整,分割准确度比已有算法提高了35.9%,运行速度有小幅度提升.     

唇色与肤色差异性的唇部检测算法的研究

根据黄色人种和白色人种的肤色和唇色在R、G、B色度分量上分布的差异,提出了一种改进式的唇部检测方法。该方法根据色度差异的特性确定阈值,利用投影算法分割出嘴唇所在的矩形区域,结合边缘检测和动态阈值的方法提取出嘴唇。与红色排除法相比,结果表明,该算法简单、快捷,对肤色深浅不同、光照不均匀及头部有一定的偏转等情况,该算法检测的准确性都有一定的提高和改进。     

超复数Fourier变换耦合位置扰乱的彩色图像哈希算法

当前图像哈希算法大都是通过将彩图三分量R、G、B转换成灰度图像来生成哈希,丢失了色度信息,降低了算法对篡改内容的检测精度与敏感性的不足,为了解决上述问题,提出了超复数离散傅里叶变换耦合位置随机扰乱的彩色图像哈希认证算法。首先,通过构建新的扩散系数,从而改进偏微分模型PED(partial differential equation),对输入图像进行预处理,增强算法对图像缩放的鲁棒性,从而最小化图像信息丢失对算法的影响;再引入对数极坐标变换机制,将预处理图像变成二次图像;基于超复数理论与Fourier变换,将彩图三分量R、G、B视为四元数的虚部,建立四元离散Fourier变换机制,提取抗旋转篡改的图像特征;并基于Logistic混沌映射,设计位置扰乱机制,对四元离散Fourier变换低频幅度系数进行随机置乱;根据置乱后的幅度系数,构建图像哈希模型;最后,引入汉明距离,优化认证阈值,建立图像哈希相似度计算模型,以评估初始图像与用户接收图像的哈希相似度,完成图像内容的真伪认证。实验结果显示:与当前图像哈希算法相比,在处理彩色图像时,该算法具有更强的鲁棒性与安全性,呈现出更好的ROC曲线特性,能够有效识别亮度、旋转、噪声以及缩放等篡改攻击。     

基于小波变换和Tucker分解的彩色图像数字水印

提出了一种通过小波变换和Tucker分解将水印信息同时嵌入彩色图像R、G、B通道的水印算法。首先对彩色图像R、G、B三通道进行小波变换,然后将获得的三个低频系数构成三阶张量,再经过Tucker分解后获得核心张量,通过在核心张量中嵌入水印信息使得水印信息扩散到原彩色图像的R、G、B三个分量中。通过实验表明,本算法对于压缩、噪声、滤波、缩放等攻击具有一定的鲁棒性,并与在同样嵌入规则下,直接将Tucker分解应用于彩色图像的算法比较,该算法具有更好的稳定性。     

基于HSV空间的果蝇复眼区域提取算法

针对果蝇复眼病变诊断研究中,由于果蝇复眼目标与背景对比度不大,直接在RGB空间操作,无法设计一个普遍性较好的图像分割算法的问题,提出了一种基于HSV色彩空间的果蝇复眼目标区域提取算法.该算法将果蝇复眼彩色图像分解成单个彩色分量,并以含有丰富信息的R分量代替B分量;将图像从RGB彩色空间映射到HSV空间,在灰度直方图具有明显双峰特性的S通道中,引入OTSU阅值设定算法进行阈值分割,达到准确提取果蝇复眼目标区域的目的.实验表明,该算法可以快速准确的完成果蝇复眼目标区域的提取,有利于病变区域的识别.     

水果采摘机器人视觉系统与机械手研究进展

水果采摘机器人对实现水果装备自动化智能化具有重要意义。对近年国内外水果采摘机器人领域关键技术研究工作进行总结,根据水果采摘机器人的重要组成结构与关键技术,对水果采摘机器人视觉系统的关键技术：传统基于水果特征的图像分割方法如阈值法、边缘检测法、基于颜色特征的聚类算法与基于区域的图像分割算法,基于深度学习的目标识别算法以及目标果实的定位等进行分析和对比;总结了水果采摘机器人机械臂与末端执行器的技术发展现状,指出水果采摘机器人存在的问题;对未来水果采摘机器人的发展趋势及方向进行了展望,可为水果采摘机器人相关研究提供参考。     

一种多传感器图像的彩色融合系统

针对像素及多传感器图像的融合问题,设计了一种多传感器图像的彩色融合系统。该系统首先采用Laplacian金字塔变换算法得到灰度融合图像,然后产生共有图像、差异图像和细节增强图像,最后将灰度融合图像、细节增强图像,分别送入RGB通道得到彩色融合图像。实验结果表明,本系统可以有效地对多传感器图像进行彩色融合。根据熵和颜色丰富度两个客观评价指标,本系统的彩色融合图像更清晰,更容易识别目标,包含更多的细节信息,图像信息也更加丰富。     

一种改进的彩色图像分割算法

文中算法对传统的基于最大隶属度的彩色图像分割算法进行了改进。传统的基于最大隶属度原则的分割方法根据彩色直方图中的色彩矢量来确定目标和背景色模糊集,而绘制彩色直方图时比较繁琐。为了克服这一缺点,先绘制彩色图像对应的灰度直方图。对应于每一个灰度级,取属于该灰度级的像素中的一个像素的颜色来代表这一灰度级所对应的颜色,并保存其R、G、B值。据此建立一组色彩模糊集。计算图像中的所有色彩在各个模糊集中的隶属度,并基于最大隶属度原则确定色彩的归属。建立一种基于最大隶属度原则的神经网络,实现对彩色图像快速有效的分割。通过灰度直方图判断目标和背景色时的误差很小,并不影响判断。在建立色彩模糊集和计算隶属度实现色彩分类的时候都是根据像素色彩的R、G、B值来实现的,因而没有颜色损失。实验结果证明,该算法对原有的基于最大隶属度原则的彩色图像分割方法进行了改进,速度快,效果好。     

彩色图像多尺度融合灰度化算法

为了使彩色图像灰度化后能够保留更多的原始特征,提出了一种新的基于多尺度图像融合的灰度化算法。将彩色图像分解为R、G、B三个通道图像,采用基于高斯-拉普拉斯金字塔的多尺度图像融合模型进行灰度化,并引入梯度域导向图像滤波（Gradient Domain Guided Image Filter,GGIF）来消除多尺度融合可能产生的伪影。将灰度化问题转换为保持三个通道单色图像特征的多尺度融合问题。实验结果表明,与其他灰度化算法相比,所提算法对边缘信息敏感,并能够在较亮或较暗区域检测出更多的图像细节特征。     

彩色图像的亮度-色度非线性重组

灰度变换技术直接用于彩色图像的RGB各分量可以提高其对比度,但却会引起彩色失真;而基于Retinex理论的多尺度彩色复原算法（MSRCR）可以改善彩色图像的视觉效果,也不会引起彩色失真,但存在控制参数的取值问题,自适应性不是很好,更大的缺陷在于卷积运算巨大的运算量导致处理时间偏长。提出了一种基于灰度变换的自适应彩色图像增强算法,将原始RGB图像和RGB三分量灰度变换后的图像转换到非线性亮度/色度彩色空间,重组两者的色度分量和亮度分量,从而保持了原始图像的色彩。在继承灰度变换算法优点的基础上,扩展了原始图像的有效灰度范围,提高了整体对比度,增强了细节。此外,算法的计算量极小,不需要设定任何参数,可用于自适应实时彩色图像处理。     

Color image encryption based on DNA encoding and pair coupled chaotic maps

Information security has become a significant issue in encryption due to the rapid progress of internet and network. Therefore, the development of the encryption algorithm is a growing and significant problem. In this study, a new color image encryption was introduced based on DNA complementary rules and pair coupled chaotic maps. At first, the plain color image was divided into three components (R, G, B) being converted into three DNA matrices using DNA encoding rules. Secondly, DNA addition for R, G and B components was implemented and scrambled the elements position of three DNA sequence via the pair coupled chaotic maps. Three gray coded images obtained and RGB encrypted image was achieved by restructuring R, G, B components. The simulation of experimental result and security analysis showed that this algorithm had larger secret key space and strong secret key sensitivity and it had excellent ability to resist against statistical and differential attacks.

     

A RGB image encryption algorithm based on DNA encoding and chaos map

In this paper, a RGB image encryption algorithm based on DNA encoding combined with chaotic map is proposed aiming at characteristics of RGB image. The algorithm firstly carries out DNA encoding for R, G, B components of RGB image; then realizes the addition of R, G, B by DNA addition and carries out complement operation by using the DNA sequence matrix controlled by Logistic; three gray images are got after decoding; finally gets the encrypted RGB images by reconstructing R, G, B components which use image pixels disturbed by Logistic chaotic sequence. Simulation result shows that the proposed algorithm has a large secret key space and strong secret key sensitivity. Meanwhile, it can resist exhaustive attack, statistical attack, and thus it is suitable for RGB image encryption.     

一次Bézier曲线和Legendre神经网络的彩色盲水印算法

针对目前多数图像数字水印算法的载体是灰度图像,无色彩信息,水印信息是二值图像,水印信息量少,适用性差等不足,提出了一种基于一次Bézier曲线和Legendre神经网络小波变换（DWT）的彩色图像盲水印算法,载体图像和水印信息都是彩色图像。首先,将载体图像进行颜色空间转换并对载体图像的亮度分量进行DWT,然后将水印图像进行三基色分离,并对每个颜色分量同时进行Logistic混沌置乱和离散Haar小波分解。最后将每个颜色分量小波分解的四个矩阵系数按照一次Bézier曲线公式嵌入到载体图像的DWT中频子带系数中。实验结果表明,水印的透明性好,对于常见的噪声、裁剪、旋转、JPEG压缩等具有较好的鲁棒性。     

一种使用正交分形编码的彩色图像水印算法

传统的正交分形水印算法,很多情况下只是针对灰度宿主图像,且嵌入的水印多为随机序列或二值图像,实用性不强.当这些算法在处理彩色宿主图像时,通常采用的是将R,G,B三个分量单独处理的SFC方法,没能考虑到分量之间的相关性,因此算法的鲁棒性较弱.文提出一种在彩色图像中利用正交分形编码嵌入灰度水印的算法,该算法在对彩色宿主图像进行正交分形编码的基础上,考虑彩色图像R,G,B三个分量的相关性以及拼贴误差特性,通过变换函数以及修改分形编码参数来嵌入灰度水印.实验及应用表明,该算法隐蔽性强,并对剪切、涂抹、加噪以及JPEG压缩等具有较强的鲁棒性.     

基于色彩空间单一图像像素级去雾算法

基于雾会降低图像对比度以及边界模糊的实际情况,提出一种基于颜色空间的单幅图像去雾算法。首先计算每个像素在RGB颜色空间中距离灰阶线(原点与点(255,255,255)所确定的直线)的距离,确定深度图像;然后根据灰阶线距离计算每个像素在颜色空间中的新位置,进而获得去雾后的图像。算法具有良好的实用性和并行计算可行性。实验结果表明:算法显著增强了图像的对比度、颜色饱和度等,具有良好的去雾效果。     

基于K-L变换和模糊集理论的彩色字符图像分割

根据彩色印刷字符图像的特点,在Lab颜色空间下提取a分量,将彩色图像转换为灰度图像。根据模糊逻辑和阈值分割方法将图像分为目标区域、背景区域以及模糊区域。用K-L变换组合邻域的区域隶属信息和灰度信息,将灰度域换成模糊域,在该模糊域上进行分割。经实践,该算法在工业环境中对复杂背景的彩色印刷图像可以得到较好的分割效果,其时间复杂度不高于传统的阈值分割算法,并且在分割的精确度上要优于传统的阈值分割算法。