基于背景代表色提取的迷彩伪装颜色选取算法

为了达到好的伪装效果,迷彩颜色应与背景色调相融合,以使人眼及光学仪器难以探测和分辨.因此,背景主色的准确提取是确定迷彩颜色的前提.利用灰度直方图可以确定背景图像中的主要灰度,但无法区分不同色调.而基于颜色直方图的背景主色提取方法的运算量太大.本文提出了一种基于HSI模型和量化颜色直方图的迷彩颜色选取算法.利用HSI颜色模型描述背景颜色特性,通过特殊量化方式对背景的颜色直方图进行量化,接着借助阈值方法选取背景主色作为迷彩颜色.结合迷彩伪装图案设计方法对上述迷彩颜色选取算法进行了实验分析,并通过边缘检测和相关跟踪方法对不同背景下的目标迷彩伪装效果进行了验证.     

基于颜色特征的图像检索技术

本文立足于基于内容的检索技术之上,提出一种基于颜色特征的图像检索新算法,利用颜色集、颜色矩作为图像的颜色信息,计算图像的颜色间距;在检索图像信息时,首先在原图像中提取一些特征点,然后将距离直方图和图像颜色特征有机结合,进行归一化处理,最后利用这两个特征进行图像检索。实验表明,本文的算法具有较强的鲁棒性和实用性。     

基于分块主色和形状特征的彩色图像检索

提出一种新的基于分块主色和形状特征的图像检索算法。图像首先被划分为不同分块,并提取分块主色,然后采用主色直方图作为图像的颜色特征。同时,提出采用平坦度和凹凸度来描述图像的形状特征,在分析平坦度和凹凸度统计特性的基础上,提出了新的量化的方法,并采用量化后的特征直方图作为图像的形状特征。试验结果表明,本文方法在图像的相似性检索时是很有效的,并具有较高的检索效率。     

HSV空间中基于区域边缘直方图的视频目标再识别算法

视频目标再识别涉及计算机视觉领域的运动目标检测、跟踪、图像处理、特征提取、特征匹配等.现提出一种基于前景检测、彩色区域边缘直方图(REH)的视频目标再识别算法.前景目标检测能有效消除背景像素产生的冗余特征,结合HSV空间中的彩色区域边缘直方图,增强了对目标的特征描述.实验在笔者建立数据集和3Dpes上取得了86.7%和51.5%的识别率,进一步提高了视频目标再识别的准确率.     

基于椭圆特征区域与重要位平面分解的鲁棒图像水印算法

目的 为了解决当前基于特征点的水印方案难以描述图像的非纹理区域（像素强度变化较大的边缘、像素强度值较小或趋于0的均匀区域）,降低了局部特征区域的鲁棒性,使其抗几何失真能力不佳的问题,提出基于椭圆特征区域与重要位平面分解的鲁棒图像水印算法。方法 根据彩色载体的RGB分量,计算颜色不变性;基于颜色不变性的强度概率密度,推导概率密度梯度估计函数;利用概率密度梯度值,计算二阶Hessian矩阵,改进SURF方法,充分提取彩色载体中纹理与非纹理区域的鲁棒特征点;再求取Hessian矩阵的特征值与特征向量,以计算椭圆的长轴、短轴半径与方向角度,并以特征点为中心,建立局部椭圆特征区域;定义鲁棒特征区域选择规则,确定合适的水印嵌入位置;引入位平面分解技术,获取鲁棒椭圆特征区域的重要位平面图像,并提取其直方图,以此设计水印嵌入方法,将二值水印隐藏到这些直方图中,形成水印图像;根据水印检测机制,复原二值水印。结果 实验结果显示,与基于特征点的水印方案相比,所提算法具有更高的不可感知性与鲁棒性,复原水印失真度最小。结论 所提算法具有较高的视觉隐秘性和抗几何失真能力,在版权保护、信息防伪等领域具有较好的参考价值。     

一种新的基于颜色矢量角的图像空间描述符

在分析利用颜色直方图进行图像检索时存在问题的基础上,提出了一种新的图像空间描述符.首先利用颜色矢量角的特性将图像分为边缘区和平滑区两部分,然后,针对两种区域的不同分布特点,综合利用图像的边缘信息、形状信息及空间分布特性,采用两种不同的描述符--方向颜色矢量角直方图和空间联合分布熵分别来提取图像的边缘区和平滑区的分布特征.实验结果表明,将其用于图像检索,取得了很好的检索效果.     

区域边缘直方图的目标搜索算法

视频目标搜索是智能视频监控领域一大挑战,提出一种基于灰度图像区域边缘直方图的目标搜索算法.首先,在固定场景的视频数据中,对选定目标进行特征提取,即区域边缘直方图(REH)特征向量;接着在同一场景的未知视频数据中进行前景检测并提取前景目标的特征向量;经滤波处理后,与选定目标特征向量进行匹配,通过相似性度量评判是否搜索成功.实验得到了最佳72.4%的匹配成功率,验证了32维的区域边缘特征向量为最佳描述特征.实验结果表明,本算法能有效地实现目标搜索.     

一种基于粒子滤波的特征融合跟踪算法

针对单纯的基于颜色的跟踪方法在复杂背景下会导致跟踪失败的问题,本文提出一种基于粒子滤波的特征融合跟踪算法。颜色直方图是对目标的全局描述,而方向梯度直方图包含了一定的结构信息,二者可以互为补充,因此本文算法同时用颜色直方图和方向梯度直方图来描述目标,在粒子滤波框架下将目标颜色和梯度信息有机结合,并自适应更新。实验表明,本文算法不仅提高了跟踪精度,而且具有较强的鲁棒性。     

基于颜色信息与空间特征的自适应商标检索算法

目的为了增强商标检索技术对商标特征的描述能力,改善其在外来干扰下的检索精度与鲁棒性。方法提出一种基于颜色与空间特征自适应结合的商标检索算法。首先,引入主颜色描述符(DCD),将其作为颜色特征检测器,并在颜色特征提取时嵌入k-均值聚类算子,增强颜色区域,准确提取颜色特征。随后,每个商标被量化为8个显色的最大值,以便提取每个颜色分量中的空间分布信息。然后,通过利用不同的权重来平衡颜色与空间特征的重要性,定义一种基于模糊直方图分析技术,计算每个商标自适应系数,以准确描述彩色商标的图像特征。最后,通过Euclidean距离进行相似度量,输出检索到的商标。结果实验结果表明,与当前商标检索方法相比,所提算法具有更高的检索精度与鲁棒性,呈现出更理想的P-R曲线,在召回率为0.7时,其检索准确率仍可达到90%。结论文中检索方法具有较高的检索精度,在包装商标检测、商标版权保护等领域中具有良好的应用价值。     

基于双级特征提取与度量的图像检索算法

目的 针对单一低层特征在语义属性中的信息易丢失,导致其对图像描述能力不强,使其检索精度不佳的问题,结合颜色矩（CM）、角径向变换描述符（ART）和边缘直方图（EH）等3种特征,定义一种双级特征提取与度量的图像检索方案。方法 首先,将图像转换为HSV色彩空间,并将其分割为若干个非重叠子图像,通通过计算每个子图像的均值、标准差和偏斜度来表征CM;再利用Euclidean距离,对查询图像和数据库图像的CM进行提取与度量,将输出的检索结果标记为一个图像集。随后,提取查询图像与图像集中每个目标的ART和EH特征;利用Euclidean距离分别度量查询图像与图像集中目标的ART与EH的相似性;最后,对ART与EH的加权组合,输出相似性最高的检索图像。结果 实验表明,与当前常见的检索算法比较,文中算法具有更高的检索精度,表现出更优异的Precision-Recall曲线。结论 所提算法具有良好的检索准确度,在信息处理、包装商标等领域具有一定的参考价值。     

基于区域生长耦合多分类器的商标检索算法

目的针对商标检索算法中易出现的语义鸿沟,底层视觉特征与高层语义相关性不强而导致商标检索精度不理想的问题,定义一种基于区域生长耦合多分类器的商标检索方案。方法首先对输入的商标进行预处理,去除图像中的噪声和杂散点,并通过3D直方图和聚类算法来提取输入图像中的主颜色;基于区域生长算法,合并具有相同颜色标签的所有连接点,以形成颜色区域;然后根据生成的颜色区域,分别定义颜色分类器、形状分类器和关系分类器,利用每个分类器计算查询图像和数据库中图像的检索优势概率;最后通过决策组合,根据检索规则和列表长度找到最相似的商标,并利用动态选择方案进一步提高检索准确率。结果实验结果表明,与当前商标检索方案相比,所提检索系统具有更为理想的Precision-Recall曲线,对缩放、扭曲和噪声具有更高的鲁棒性。结论所提方案在各类几何变换下具备较高的检索准确率,对商标注册、版权保护等行业有较好的借鉴意义。     

基于颜色内容的图像检索方法的比较

通过对基于颜色内容的图像检索技术的研究,提出了几种针对图像颜色内容的图像检索方法及其优化方案,并通过实验,分析和比较了在孟赛尔颜色空间(MTM)和传统HSV颜色空间下,一般直方图和累加直方图检索算法的性能和优劣性,所获成果对基于内容的图像检索技术的发展有一定的指导作用.     

基于卷积神经网络的印刷品颜色缺陷检测

目的 提取样本图像颜色直方图特征对卷积神经网络进行训练,达到快速、高准确率检测图像颜色缺陷的目的.方法 将标准图像从RGB颜色空间转换至HSV颜色空间,通过改变图像H,S,V三分量值获取训练样本和测试样本;在HSV颜色空间中非均匀量化图像的颜色直方图,得到所有训练样本和测试样本的颜色直方图特征;利用样本图像颜色直方图特征训练卷积神经网络,然后对测试样本进行检测,研究检测的速度、准确率,并将该检测方法与逐像素、超像素、BP神经网络和支持向量机方法进行对比.结果 对于图片尺寸为512×512的彩色图像,卷积神经网络检测单幅图片的平均检测时间约为57.66 ms,训练样本图像为50000张时,卷积神经网络方法对10000张测试样本进行检测的准确率为99.77％.结论 卷积神经网络方法在保证高准确率的前提下大幅提高检测精度,对于印刷品色差缺陷在线检测具有良好的应用价值.     

Content-based image retrieval using color vector angle difference histogram

Abstract

This paper presents an innovative method to represent an image for image retrieval in Content-Based Image Retrieval (CBIR), using a color vector angle differences histogram approach (CVADH), which is different from the existing histograms, such as color histograms, gray level co-occurrences (GLCM), color distribution entropy (CDE), or just counting the frequency number of pixels or neighbors. In contrast to other methods, the CVADH takes account of the color difference and spatial information of two pixels in RGB color space. Furthermore, it directly leverages color clues to extract shape features to show differences given different backgrounds. Experimental results show that the scheme is more efficient than traditional ones that have been developed for CBIR.     

基于梯度直方图与密度度量模型的图像伪造检测算法

目的为了解决当前图像伪造检测算法在内容识别过程中易丢失色彩信息而导致不理想的检测精度与鲁棒性等问题,提出基于梯度直方图耦合密度度量模型的图像伪造检测算法。方法首先引入RGB彩色图像映射模型,求取图像的颜色不变量。将图像的颜色不变量作为输入量,利用算法检测图像的特征点。然后以特征点为中心构造四级窗口,通过求取窗口内梯度累加值,形成低维度的特征描述符,并利用特征点对应的梯度直方图构造相似性度量模型进行特征点匹配。最后借助欧式距离,构造密度度量模型,对特征点进行归类,以完成伪造检测。结果仿真实验表明,与当前图像伪造检测算法相比,所提算法具有更高的检测正确度,高达99.6%。结论所提算法具有较高的伪造检测精度与鲁棒性,在图像信息、包装印刷等领域具有良好的应用价值。     

包装设计色彩视觉美的探讨

色彩作为一种主要的视觉语言,在包装设计中起着极为重要的作用,包装的色彩特征甚至比形状设计更令人印象深刻.包装色彩的视觉美感不但要掌握色彩的审美规律,还要着重从色彩的人文性,民族、地域性及流行趋势等方面,并通过种种实例,来探讨视觉美感的规律性,充分把握色彩美感的尺度,设计出好的包装作品.     

A Privacy-Preserving Image Retrieval Based on AC-Coefficients and Color Histograms in Cloud Environment

Content based image retrieval (CBIR) techniques have been widely deployed in many applications for seeking the abundant information existed in images. Due to large amounts of storage and computational requirements of CBIR, outsourcing image search work to the cloud provider becomes a very attractive option for many owners with small devices. However, owing to the private content contained in images, directly outsourcing retrieval work to the cloud provider apparently bring about privacy problem, so the images should be protected carefully before outsourcing. This paper presents a secure retrieval scheme for the encrypted images in the YUV color space. With this scheme, the discrete cosine transform (DCT) is performed on the Y component. The resulting DC coefficients are encrypted with stream cipher technology and the resulting AC coefficients as well as other two color components are encrypted with value permutation and position scrambling. Then the image owner transmits the encrypted images to the cloud server. When receiving a query trapdoor form on query user, the server extracts AC-coefficients histogram from the encrypted Y component and extracts two color histograms from the other two color components. The similarity between query trapdoor and database image is measured by calculating the Manhattan distance of their respective histograms. Finally, the encrypted images closest to the query image are returned to the query user.