彩色图像矢量滤波技术综述

彩色图像滤波是彩色图像处理的最基本的研究领域之一。彩色图像滤波技术可以分成标量滤波法和矢量滤波法两大类。其中,标量滤波法只是早期的滤波方法。大量的研究表明,矢量滤波法比标量滤波法更加有效,因为它更能保护彩色图像的光谱特性。为使人们对彩色图像矢量滤波技术及其应用有个系统的了解,该文首先全面地总结了彩色图像矢量滤波的基本理论和方法,并跟踪该领域的最新进展,同时分析介绍了彩色图像矢量滤波技术的一些典型应用;然后对彩色图像矢量滤波技术进行了分类,并对每种类型的滤波算法中经典和目前最常用的算法做了详细的介绍和阐述;接着结合笔者对该领域的研究,提出了一些新的研究方法;最后,对于一些有代表性、经常使用的矢量滤波算法,以冲击噪声为例,给出了其视觉上的滤波效果和客观的评估数据。     

基于HSV彩色空间的矢量形态学算子

在HSV彩色空间中,现有的矢量形态学算子对彩色像素的排序依据V、S、H顺序分层进行,从而违背了彩色图像中三个分量的平等原则,导致矢量形态学滤波算子难以去除彩色图像中由色调和饱和度分量引起的噪声,因此滤波算子性能较差.文中提出了一种基于HSV三分量混合运算的矢量形态学排序规则,并根据该规则定义了新的矢量形态学腐蚀、膨胀算子以及常用的矢量形态学滤波算子.实验结果表明,新的矢量形态学滤波算子较现有的矢量形态学滤波算子具有更强的噪声抑制性能,在保证图像不增加新的彩色像素的同时,去除了噪声并保留了图像细节,滤波后的图像具有较高的峰值信噪比和较小的均方根误差.     

基于Contourlet变换和Wiener滤波的图像降噪

提出一种新的基于Contourlet变换和Wiener滤波的图像降噪方法。该方法充分利用Contourlet变换域系数服从广义高斯分布的特点,在Contourlet域采用Bayes收缩阈值法进行预降噪,采用Wiener滤波法对预降噪图像中的残留噪声进行进一步处理,以提高图像的恢复精度。仿真结果表明,该方法较传统的Contourlet域降噪方法具有更好的降噪效果,进一步提高了PSNR值,降低了MSE值,获得了更好的图像恢复质量。     

基于改进线段分割检测的电线杆遮挡检测算法

针对监控视频中的电线杆遮挡问题,提出一种改进的线段分割检测(LSD)算法。将RGB图像进行双边滤波,并将滤波后的图像转换到HSV空间,在HSV彩色空间内利用矢量求导方法计算彩色图像的梯度和方向,利用LSD算法实现图像直线的提取。对直线进行合并得到矩形区域,采用矩形区域在H和S分量的标准差之积和结构相似度确定候选区域,通过合并候选区域完成电线杆检测。实验结果证明,提出算法的准确率可达到89.40%,能够有效并且准确地检测出电线杆遮挡。     

基于矢量相似性的多元滤波方法研究

为了避免彩色图像滤波时排序的难题,在探究矢量相似性的基础上提出一种针对彩色图像的多元滤波方法。首先,在RGB彩色空间中,利用彩色矢量间距离和角度定义其相似性测度,以刻画与人类视觉感知相一致的彩色相似性;其次,以上述彩色相似性为准则设计并构建一种彩色多元滤波方法,并就其相关参数对滤波性能的影响进行了深入分析和研究;最后,为了验证提出方法的有效性,将其应用于标准彩色影像和彩色遥感影像滤波。提出的方法不仅有效解决了传统滤波方法的排序难题,而且克服了因滤波使图像模糊、边缘不清等问题;另外,将提出的多元滤波与传统方法进行实验对比,结果表明其不仅能有效滤除多种类型噪声,而且较好地保持了原始图像信息,使图像信息保真清晰,其视觉效果优于传统,客观评价指标也有较大幅度的改善和提升。     

保护细节的开关自适应矢量中值滤波器

提出了基于噪声检测的开关矢量中值滤波,在噪声检测阶段根据噪声的定义将标量检测和矢量检测结合在一起,有效地提高噪声检测的准确性;由于采用开关矢量滤波,滤波过程只对在标量预检测中被检测出的噪声像素进行,可大大减少计算量并能较好地保持图像的细节和边缘,而且在滤波过程中不会出现新的颜色。     

一种改进的耦合编码器的视频降噪方法

为了降低视频降噪算法的计算量,提出一种适用于H.264的分级非线性确定滤波因子的方案.该方法是对变换域时间方向滤波算法的改进,根据绝对误差和和运动适量选用相应的滤波因子后,通过调节DCT系数实现降噪.实验结果表明该方法简单、计算量小并有较好的降噪效果.     

基于HSV空间模型的视频场景切分

针对RGB彩色空间模型下统计直方图用于切分场景时,存在对内容变化不敏感、计算量大等问题,提出了一种基于HSV空间模型的视频场景切分方法.该方法将图像帧的RGB转换为相对应的HSV值,然后对H、S、V进行非等间隔量化,再合成为一维特征矢量.计算视频前后两帧图像的一维特征矢量直方图,求出它们的相似度,从而判断出是否发生了场景切换.实验证明,该方法能够比较准确地对视频进行场景切分.为视频摘要的关键帧提取提供了必要的条件.     

一种新的彩色有噪图像边缘检测方法

针对在RGB空间中很难有效区分颜色相似性问题,提出一种在HSI空间基于广义形态滤波的彩色有噪图像边缘检测方法。首先将图像转换到HSI色彩空间,然后对H、S、I三个分量分别计算熵,并利用判决机制选择熵值最大的分量进行广义形态滤波,最后对滤波结果采用形态学梯度算子检测边缘。将该方法与基于传统形态滤波的边缘检测方法进行了比较,实验结果表明,本文提出的方法在抑制噪声的同时能较好地保持边缘和细节,并且大大提高处理速度。     

HSV颜色空间的彩色图像数字水印算法

提出了一种新的基于HSV颜色空间的彩色图像数字水印算法.该算法采用彩色图像作为水印嵌入到原始彩色图像中.算法根据HSV颜色空间的特点,首先将RGB格式的彩色水印图像转换到HSV颜色空间内,然后分别将水印图像的H、S、V三层进行分块DCT变换,对每一个子块保留左上角的系数,将其它的系数替换为0,得到嵌入矩阵,使得嵌入的有效信息大为减少.再将原始彩色图像转换到HSV域内,对原始图像的H、S和V平面进行分块DCT变换后,将变换后的H、S、V层水印信息分别嵌入到原始图像的H、S和V层变换后的中频和低频系数中,最后通过DCT逆变换和颜色空间转换,将嵌入水印的图像转换成RGB的图像,得到嵌入水印的图像,完成水印的嵌入过程.水印图像小于载体图像,利用冗余嵌入提高了水印的鲁棒性.     

基于模糊域的彩色图像增强

本文提出了一种新的基干模糊域的彩色图像增强方法。先把图像从RGB模型转换为HSV模型,引入了一个新的对比度增强算子——模糊对比度,采用高斯分布函数,在模糊域对V分量进行图像增强,然后再将图像转换回RGB模型。实验证明该方法对干彩色图像的增强能达到令人满意的效果。     

强噪声彩色图像空域恢复方法

为了解决基于RGB颜色模型的强噪声彩色图像空域恢复方法的丢失细节问题,依据分解彩色图像得到的三个分量在相关处理后可合成为彩色图像的理论,采用图像的基于像素点的空域处理理论,研究了受强噪声污染的彩色图像的点处理恢复方法。设计了基于RGB颜色模型的彩色图像分量的点处理恢复算法,给出了根据噪声强度调用该算法依次恢复R分量、G分量和B分量的过程。实验结果表明,与经典的空域滤波器比较,基于像素点的空域处理具有保持图像细节的优点,适用于解决基于RGB颜色模型的强噪声彩色图像的恢复问题。     

改进的HSI空间形态学有噪彩色图像边缘检测

针对在RGB空间中很难有效区分颜色相似性问题,选择了更加符合颜色视觉特性的HSI颜色空间进行图像处理,提出了一种改进的形态学有噪彩色图像边缘检测方法,将开闭的迭代运算和双结构元多尺度运算应用到传统形态学梯度算子中,然后计算图像H、S、I三个分量的边缘信息,根据H、S、I所占比重对三分量进行加权融合得到彩色图像边缘.实验结果表明,该方法所检测的边缘符合人眼视觉特性,在抗噪声方面的效果比传统方法及其他多种方法更佳,能够更完整地保留原彩色图像的轮廓,计算量相对较小,有很好的实用性和通用性.     

基于低秩矩阵分解的运动目标检测

运动目标检测是视频监控任务的基础问题之一,针对灰度信息,目标检测存在的阴影识别能力差、检测精度低等问题,提出在HSV颜色空间下基于低秩矩阵分解的运动目标检测算法.首先将获取的RGB图像转为HSV颜色空间分量,分别对H、S、V通道构建低秩观测量,进行低秩矩阵优化分解,分离出不同颜色通道的前景和背景分量;组合H、S、V通道分量的前景图像,得到粗略的运动目标区域;再采用HSV颜色阴影去除去除前景图像中的阴影;最后经噪声去除和空洞的填充,检测得到准确的前景运动目标.实验验证表明,与其它方法相比,能够有效地提高运动目标检测的准确度.     

基于HSI颜色空间的蔗糖结晶图像分割方法

针对煮糖过程蔗糖结晶图像的特点,采用颜色空间转换的方法,将图像从RGB颜色空间转换到HSI颜色空间,利用HSI颜色空间各分量相对独立性以及结晶颗粒和糖浆溶液的色调差异通过改进的大津法对H分量进行阈值分割,再通过数学形态学,中值滤波,孔洞填充,去除噪声颗粒,去除图像边界的非完整颗粒等方法进行后续处理,最终将结晶颗粒从复杂的图像信息中分割出来。实验证明该方法分割效果好,切实可行。     

实时彩色图像自适应中值滤波算法的FPGA实现

图像在采集、压缩、传输和接收的过程中,会受到脉冲噪声的影响,给后续的边缘检测、图像分割或目标识别等造成干扰。传统中值滤波将图像的RGB分量转为YCBCR分量进行滤波,该转换方法会损失一定的色度信息,且未将彩色信息完全分离,导致滤波后的图像产生色彩偏移。针对上述问题,利用HSI彩色空间中的I和S色彩分量对椒盐噪声进行检测,并通过自适应中值滤波将椒盐噪声滤除,图像还原度更高;利用FPGA对算法进行了硬件加速,在xc7a100tfgg484-2芯片上运行频率达222MHz,可实现2k@60Hz视频的实时处理。     

Underwater image quality enhancement through integrated color model with Rayleigh distribution

The physical properties of water cause light-induced degradation of underwater images. Light rapidly loses intensity as it travels in water, depending on the color spectrum wavelength. Visible light is absorbed at the longest wavelength first. Red and blue are the most and least absorbed, respectively. Underwater images with low contrast are captured due to the degradation effects of light spectrum. Therefore, the valuable information from these images cannot be fully extracted for further processing. The current study proposes a new method to improve the contrast and reduce the noise of underwater images. The proposed method integrates the modification of image histogram into two main color models, Red–Green–Blue (RGB) and Hue-Saturation-Value (HSV). In the RGB color model, the histogram of the dominant color channel (i.e., blue channel) is stretched toward the lower level, with a maximum limit of 95%, whereas the inferior color channel (i.e., red channel) is stretched toward the upper level, with a minimum limit of 5%. The color channel between the dominant and inferior color channels (i.e., green channel) is stretched to both directions within the whole dynamic range. All stretching processes in the RGB color model are shaped to follow the Rayleigh distribution. The image is converted into the HSV color model, wherein the S and V components are modified within the limit of 1% from the minimum and maximum values. Qualitative analysis reveals that the proposed method significantly enhances the image contrast, reduces the blue-green effect, and minimizes under- and over-enhanced areas in the output image. For quantitative analysis, the test with 300 underwater images shows that the proposed method produces average mean square error (MSE) and peak signal to noise ratio (PSNR) of 76.76 and 31.13, respectively, which outperform six state-of-the-art methods.     

基于均值移动算法的图像分割的研究

均值移动算法是一一种统计迭代算法,实际已经在图像分割中得到了广泛应用。但对分割结果的准确性有待于提高。为了能够得到更好的图像分割结果,根据柱状HSV颜色空间三个分量相关性弱、便于计算和颜色差异便于表示的特点,提出了基于柱状HSV空间的均值移动图像分割算法。将图像由RGB空间转化到柱状HSV空间,在转化后空间采用均值移动算法进行图像分割,用白色像素标记不同区域边界。最后通过与对RGB空间的均值滤波器的分割结果比较,验证算法的有效性。     

PCNN模型在彩色图像增强中的应用

应用灰度图像增强方法对真彩图像进行增强,往往都会产生色彩偏离,影响增强结果和视觉效果。因此基于人眼视觉系统对亮度变化比较敏感,提出在HSV色彩空间,应用PCNN模型进行增强的方法。将真彩图像由RGB空间变换到HSV空间,保持色度H和饱和度S不变,结合入射反射模型,利用脉冲耦合神经网络（PCNN）,对亮度V通道进行增强处理。将HSV空间得到的增强图像变换到RGB空间。实验证实,对一些对比度低、细节不明显的图像应用此方法进行增强,色彩基本无偏差,细节部分明晰,动态范围压缩较好,视觉效果得到了较大的改善。     

一种基于颜色信息的足球机器人目标搜索方法

针对实际比赛中足球机器人视觉系统不能快速、准确地搜索到目标物体的问题,分析了RGB空间模型的优缺点以及基于彩色HSI变换原理,结合足球机器人的实际情况采用了一种从RGB空间到HIS空间快速变换的方法对颜色信息进行处理.同时,通过分析以往的目标搜索方法的优缺点,提出了一种基于颜色索引表的顺序网格法和种子填充法相结合的目标搜索方法,并在足球机器人视觉系统中进行了实验.实验结果表明这种方法既在一定的程度上降低了噪声干扰的影响,又避免了逐个像素计算颜色值,大大降低了计算量,从而提高了系统的实时性和可靠性.