基于颜色传感器TCS230的新型经皮测疸仪的设计

提出了一种基于颜色传感器TCS230的新生儿黄疸检测的新方法.以TCS230为探头,直接将颜色分量转换为不同频率的脉冲波,通过89C51单片机的I/O口直接获取颜色分量,并控制皮肤颜色采集过程,根据RGB分量的值确定皮肤颜色,实现了对新生儿黄疸进行连续的检测,探讨了颜色传感器TCS230在新生儿黄疸检测中应用的可能性.     

TCS230的MCU平台颜色识别方法研究

给出了基于颜色传感器TCS230对物块颜色进行自动识别的方法。该方法在白平衡算法的基础上,运用RGB—YCbCr变换、颜色分布平面分割及RGB辅助判断的方法,能有效地消除环境亮度的干扰,实现颜色的准确判别。在采用MC9S12XS128最小系统设计的智能搬运小车平台中验证了该方法,为单片机平台上的颜色识别提供了参考。     

基于MSP430微控制器的带USB通信的颜色识别系统

介绍了基于MSP430微控制器和TCS230颜色传感器实现颜色识别的基本方法及其识别电路;同时简要介绍基于FT232BM的USB串行通信的实现。采用MSP430作为主控微控制器对TCS230采集的颜色数据进行计算、标定、存储并通过FT232BM传输至上位机。     

使用颜色传感器TCS230的色卡检测研究

采用TAOS公司的颜色传感器TCS230作为颜色识别器件,其核心控制器件采用 Atmel公司的 AT89C2051微控制器实现逻辑控制和数据采集。数据经串口传送至上位机,对采集到的数据进行存储处理和颜色识别。本文对TCS230识别电路、通信电路及其附属电路进行了硬件设计。根据实验算法和硬件电路进行了软件设计,软件程序包括串口通信和颜色识别算法。实验结果表明,本设计方案合理,结果正确。     

RoboCup中NAO机器人球场目标红球识别与快速找球策略

根据RoboCup中NAO机器人足球比赛的规则,机器人通过对颜色的识别来识别球场上的物体及环境。文章分析了RGB颜色空间的优缺点,采用HSV作为视觉系统的颜色空间,减弱了现场光照变化对视觉系统产生的影响。文章提出了一种基于HSV色彩空间下识别红球的方法,然后提出一种简单的追踪红球策略,与测距追踪实际效果相比较,发现这种追踪策略更符合实际场景应用。     

基于TCS230传感器的高精度颜色识别系统设计

采用颜色传感器TCS230与单片机AT89S52设计高精度颜色识别系统平台.分别在3种不同工作条件下,对5种颜色的LED做测试,采用更直观的HSL颜色空间方法分析实验数据,验证系统在不同条件下对颜色识别的准确性.实验结果表明:该系统以白色LED灯调白平衡,在密封和自然光条件下都具有准确的颜色识别性能和良好的抗干扰性.     

基于车牌色彩变化特征的车牌定位方法*

针对复杂背景下的车牌定位问题,提出了一种基于车牌色彩变化特征的车牌定位方法。该定位方法将RGB彩色空间中的车牌图像转换到HSV彩色空间中进行颜色识别,分割出车牌底色及字符颜色相对应的颜色区域,同时通过边缘提取、二值化处理、与运算找到对应颜色边缘特征点,最后经纹理分析来定位车牌。     

足球机器人视觉图象的快速识别

针对机器人彩色视觉系统的实时性要求 ,提出了一种基于 YUV色彩空间的利用阈值向量来分割图象的识别方法 ,并改进了种子填充算法 ,从而明显减少了识别的计算量 ,并在保证识别精度的前提下 ,提高了处理速度 .通过在 Miro Sot机器人足球系统上的应用 ,验证了此方法的有效性 ,而该方法与常用的基于 RGB颜色空间的方法进行比较的结果也证明 ,此方法确有明显的优越性 .     

基于支持向量机的尿液细胞图像识别分类研究

为提高尿液细胞进行识别分类的效果,分析和比较了在RGB和HIS两种不同色彩坐标系统下使用支持向量机对尿液细胞进行识别分类的效果,分析和比较了使用色彩特征参数与空间特征参数进行综合识别分类尿液细胞的效果,提出使用网格搜索交叉验证法对支持向量机的参数进行优化.实验结果表明,提出的HSI颜色参数、空间参数、网格搜索交叉验证优化选择参数相结合的方法在尿液细胞识别分类中效果良好.     

自然交通场景中的车辆颜色识别

车辆颜色是重要的车辆信息之一,对其进行识别可为智能交通系统中的车辆识别环节提供更为精准丰富的信息.自然场景中光线的变化会对车辆颜色造成影响,致使难以根据RGB图像直接获得车辆的颜色类别.传统的机器学习方法用于车辆颜色识别时,通常依据经验筛选用于分类的图像特征,易导致分类效果有限等问题,且这些方法一般计算量较大,难以获得实时结果.针对自然场景中车辆颜色信息难以获取和描述这一问题,提出了一种基于多色彩空间信息的深度神经网络模型(MultiColor-Net),使用多个不同尺寸滤波器分别对输入图像在RGB颜色空间和HSV颜色空间上进行特征提取,再将上述不同颜色空间中获得的特征组合,通过全连接网络,获得自然交通场景中目标车辆的颜色分类结果.在真实的智能交通数据集上对比ResNet,Inception v3等深度神经网络模型和本文所提出的MultiColor-Net,结果表明,MultiColor-Net相比于单独识别HSV图像,准确率提高了2.45％左右;相比于单独识别RGB图像,准确率提高了0.8％左右.因此,MultiColor-Net模型能够在真实的交通图像数据上取得较高的识别准确率,同时保持较低的计算复杂度.     

不同彩色空间的彩色图像边缘检测研究

边缘信息是图像处理中的一种重要信息,通常的边缘检测研究是基于灰度图像的,然而彩色图像比灰度图像包含有更加丰富的边缘信息。彩色图像的边缘检测可以在不同的彩色空间中进行,目前大多数研究集中在RGB空间中。使用基于扩展的SUSAN边缘检测算子,将彩色图像在空间中的各分量分别进行边缘检测,对结果进行综合得到彩色图像的边缘检测结果,然后采用主观评价准则对若干不同的彩色空间中（包括RGB、YUV、YIQ、YCbCr、HSV、HSI）的试验结果进行了分析比较。试验结果表明,在HSV空间进行的边缘检测具有更好的性能。     

基于RGB颜色空间的彩色图像分割方法

传统的图像阈值分割算法是将彩色图像转换为灰度图像再进行分割。通过分析RGB颜色空间的特点,本文提出基于RGB颜色空间的阈值分割算法,采用新的判定准则,在颜色空间中以立方体取代原来的四面体,直接对彩色图像进行分割。分析和实验证明,改进的判断准则能够克服由于灰度转换造成颜色信息丢失而引起的误判,在保证原有阈值分割算法快速、简单的前提下,能够对彩色图像进行更为准确的分割。算法适用于目标颜色为黑色的情况,并可以推广到目标颜色为其它颜色的情况。     

非接触式心率检测方法的颜色空间选择

采用非接触式方法进行人体心率检测,较传统接触式的测量方法更加便捷舒适。基于图像光学容积(iPPG)的非接触式心率测量方法,简要分析该方法的实现流程及颜色空间产生测量误差的机理,设计实验来对比不同颜色空间的测量误差,一方面证明了在非接触式心率测量过程中进行颜色空间选取的必要性,另一方面获得了可用以提高心率测量精度的最优颜色空间。实验结果表明,与同一时刻采用心电测量仪(ECG)得到的心率相比,采用RGB颜色空间进行心率测量的误差最小,实验的平均误差达到1.68 bpm。因此,在非接触式心率测量中选择RGB颜色空间可以达到更高的精度。     

基于离散K-L变换的彩色图像平滑滤波*

该方法的基本思想是对RGB颜色空间进行正交变换,解除分量间的相关性,然后应用现有的平滑滤波方法对变换后的分量进行平滑,最后再恢复到RGB空间显示。实验结果表明,该方法与基于RGB模型的滤波方法及基于HSI模型的滤波方法相比,能获得较好的图像平滑效果。     

用多隐层BP网实现的CRT色度变换

为了实现彩色信息的标准化显示,需要对ＣＲＴ的色度空间进行标定,也就是ＣＲＴ的Ｒ、Ｇ、Ｂ空间与ＣＩＥ的标准色度空间的相互转换问题,人工神经网络近年来被广泛应用于多种颜色空间的变换过程中,在分析前人经验的基础上,提出了一种采脾四隐层ＢＰ网的ＣＲＴ的Ｒ、Ｇ、Ｂ与ＣＩＥ的Ｘ、Ｙ、Ｚ色度空间的变换方法,实验结果表明,该方法的收敛性和训练时间均优于前人采用２个或３个隐层的方案,而且通过对５１２个训练样本的实验     

基于RGB色彩空间的四带树木图像颜色校正方法

针对图像受近红外光线参与的影响而出现偏色现象,介绍了一种基于RGB色彩空间的四带（RGB带和一个附加的近红外带）树木图像颜色校正方法. 该方法首先根据R-G差值图像,通过实验获取合适的阈值将四带树木图像二值化. 然后,利用中值滤波器和数学形态学对二值图像进行滤噪处理,提取出偏色较严重区域. 最后分区域进行颜色校正,达到消除近红外干扰的目的. 实验结果表明,该方法对部分常见含植物的场景图像有比较好的校正效果.     

结合粗糙集与分层思想的彩色图像分割算法

针对彩色图像分割算法中小目标区域容易错分割以及计算复杂度高的问题,提出一种基于HSI空间的结合粗糙集理论与分层思想的彩色图像分割方法。首先,由于彩色图像HSI空间的奇异点对应于RGB空间的灰色像素点,为了消除奇异点,在RGB空间寻找"灰色区域"进行分割与标记;然后,将图像转换到HSI颜色空间,在强度I分量上,考虑到空间邻域信息以及区域分布差异,设计了变阈值渐变性同质函数对原始直方图进行加权,将加权直方图和原始直方图分别作为粗糙集的上、下近似集,构造了新的粗糙度函数进行分割;其次,针对初分割得到的每个区域,在色调H分量上采用直方图阈值化完成细分割;最后,为了避免过分割,在RGB空间上进行区域合并。相比Mushrif等提出的粗糙集分割算法(MUSHRIF M M, RAY A K. Color image segmentation: rough-set theoretic approach. Pattern Recognition Letters, 2008, 29(4): 483-493),该算法更容易分割出图像中的小目标区域,避免了因RGB三个分量的相关性造成的错误分割,算法运行速度提高了5~8倍。实验结果表明:该算法分割效果较好,具有一定的抗噪性与鲁棒性。