基于高温辐射体颜色信息的目标图像识别方法

鉴于准确识别待测目标是利用CCD图像传感器进行高温测量的关键,为此在对高温辐射体彩色图像的噪声特点进行分析的基础上,提出了一种基于高温辐射体颜色信息的目标图像识别方法。该方法首先通过对红、绿基色图像分别进行分割来减小甚至消除高温辐射体图像的各种噪声;然后综合红、绿基色图像的分割结果实现高温辐射体的准确识别,并运用数学形态学方法对分割结果进行后处理,以消除游离点和孔洞,使图像边缘平滑。实验结果表明,该方法可以有效地实现高温辐射体的正确识别,具有较强的实用性。     

多干扰高温辐射体图像目标的分类识别方法

在基于CCD图像传感器的非接触高温温度场软测量中,为了计算高温图像目标的温度,必须先从辐射图像中准确识别待测目标。由于工业现场采集的高温熔体图像中存在多种噪声,导致图像目标难以准确识别。提出一种目标图像分类识别方法,即先利用多光谱图像分割方法来减少甚至消除各种高温噪声;然后运用改进的最大类间方差法进一步分割以去除烟雾干扰;最后运用数学形态学方法消除分割图像中的游离点和孔洞,使目标边缘光滑。实验结果表明,该方法能够从多种干扰图像中准确识别出高温辐射体图像目标,有较强的实用性。     

一种基于复杂背景下的昆虫彩色图像分割方法

根据复杂背景下昆虫彩色图像的特点,采用了一种融合颜色和空间信息的JSEG分割方法.首先对图像进行颜色量化,然后使用区域增长法合并较小区域从而实现图像分割.在实验中,利用JSEG分割方法分别对原图像和加白噪声后的图像进行分割,结果表明,JSEG算法对昆虫图像中的噪声不敏感,可以高效地实现复杂背景下昆虫彩色图像的分割.     

一种基于骨架的彩色图像分割方法

在自然场景的图象分割识别中,如何克服光照变化对分割结果的影响是研究面临的一个关键问题.针对传统方法的限制,提出了一种基于骨架匹配的彩色图像分割识别方法.利用颜色和纹理信息对彩色图像进行初分割,然后在初分割的基础上,利用目标的骨架模型在假设检验判决的框架下在初分割的目标近邻区域对包括阴影区域在内的候补目标区域进行融合处理.实验结果表明该算法是一种行之有效的算法,在对自然场景图像的目标分割识别中能一定程度上消除光照变化对图像分割的影响,取得与人的主观视觉感知相一致的图像分割结果.     

一种基于CB模型的彩色图像分割方法

CB模型是一种把图像分为色度和亮度方面的彩色模型,对图像进行分割去噪时可以很好地保留图像的细节和边缘.首先把一幅含有噪声的彩色图像分割成几何和摆动部分(纹理和噪声),然后利用CB模型分别在色度和亮度两个通道上求几何和摆动部分,再合成图像的几何和摆动部分,其中几何部分即图像去噪后的图像.实验证明CB模型可以快速准确地分割出目标,消除图像的噪声部分,是一种有效的图像分割方法.     

C#实现彩色图像分割

针对图像分析应用日益广泛的现状,基于阈值法对彩色图像实现分割进行论述。介绍图像分割基本概念,讲述彩色图像直方图阈值分割方法,利用二维直方图方便地寻找彩色图像阈值,最后通过C#可行的程序稳定、准确地实现彩色图像阈值分割。     

C#实现彩色图像分割

针对图像分析应用日益广泛的现状,基于阈值法对彩色图像实现分割进行论述。介绍图像分割基本概念,讲述彩色图像直方图阈值分割方法,利用二维直方图方便地寻找彩色图像阈值,最后通过C#可行的程序稳定、准确地实现彩色图像阈值分割。     

CCD比色测温中辐射图像滤波与分割

目的 高温热辐射图像存在较为严重的环境光、烟雾和粉尘干扰,因此图像滤波和分割是CCD比色测温法中实现准确测温的关键步骤。但传统的彩色图像处理方法不适合直接应用于辐射图像处理。方法 热辐射图像相邻像素间具有较强的相关性,为了量化表征不同空间距离像素颜色值之间的相互关联程度,设计了一种归一化空间距离加权函数,并与能同时滤除色调和亮度噪声的距离方向滤波器相结合,构建一种归一化空间距离加权距离方向滤波器。热辐射图像B基色接近于零,R、G基色分布在特定的直线方向上,且在该直线方向上呈现易于分割的双峰特性。为此提出利用Fisher准则构建R-G基色2维向量最佳1维投影,在1维空间利用最大类间方差法进行图像分割。结果 将本文方法与传统图像处理方法（采用距离方向滤波器滤波,彩色空间聚类法进行图像分割）进行比较,在高温工业炉上,经传统方法处理后的测量最大相对误差为1.99%,本文方法处理后为1.10%;在铜锍熔炼闪速炉上,传统方法最大相对误差为3.67%,本文方法为1.31%。经河南省计量院校验,基于本文方法构建的高温场测量仪在880℃~1 520℃的温度范围内测温最大绝对误差为4.2℃,最大相对误差为0.43%。结论 归一化空间距离加权使得滤波器在抑制冲击噪声的同时具有更好的保留细节的能力,图像分割算法能够克服与目标亮度相近的干扰,准确分割出待测目标。因此本文提出的图像处理方法能够有效克服高温辐射图像中的各种干扰,提高辐射测温的精确度和可靠性。     

结合位图切割和区域合并的彩色图像分割

就经典分水岭图像分割算法中存在的过分割问题，提出一种结合位图切割和区域合并的彩色图像分割算法。对原始彩色图像通过空域梯度算子求其梯度图像，并利用位图切割重建梯度图像；对新梯度图像进行分水岭预分割；对预分割图像基于异质性最小原则进行区域合并，并获得最终分割结果。相比于现有的同类方法，该算法引入位图切割，抑制噪声对分割结果的影响，在边缘模糊处分割准确，得到符合人类视觉的较小分割区域数目，同时在运行效率上提高。     

一种基于CB模型的彩色图像分割方法

CB模型是一种把图像分为色度和亮度方面的彩色模型,对图像进行分割去噪时可以很好地保留图像的细节和边缘。首先把一幅含有噪声的彩色图像分割成几何和摆动部分（纹理和噪声）,然后利用CB模型分别在色度和亮度两个通道上求几何和摆动部分,再合成图像的几何和摆动部分,其中几何部分即图像去噪后的图像。实验证明CB模型可以快速准确地分割出目标,消除图像的噪声部分,是一种有效的图像分割方法。     

鲁棒的形态学彩色图像边缘检测算法

针对传统边缘检测算子对噪声敏感的缺点,提出一种新的基于数学形态学的彩色图像边缘检测算法。该算法在传统形态学边缘检测算子的基础上,通过综合形态膨胀和形态腐蚀,设计出一种多尺度、多结构元素的抗噪型边缘检测算子,利用新算子对R、G、B三个分量分别检测出图像的边缘分量,对三个边缘分量进行融合得到最终的彩色边缘信息。仿真实验表明,该方法得到的边缘轮廓清晰,边缘定位精度较高,比传统的边缘检测方法具有更好的噪声鲁棒性和边缘细节保护能力。     

RoboCup足球赛彩色视觉系统及其滤波算法

为了满足机器人足球赛对视觉识别子系统高精确度的要求 ,介绍了一种参加RoboCup小型组比赛的计算机视觉子系统和滤波算法。为了快速地识别场上信息,本文采用了一种基于HSI色彩空间利用阈值向量分割图象的方法,这种方法先用阈值法将HSI色彩空间分成若干个子集,通过象素点与子集的位 “与”运算确定象素点的颜色。由于噪声的影响,总伴随目标识别不出来的情况,本文基于航迹预测的原理,提出了一种快速的动态窗口图像滤波方法。实验结果表明该方法可以有效地提高视觉系统的识别精度。     

采用双尺度图像分解的水下彩色图像增强

目的 为解决水下图像的色偏和低对比度等问题,提出一种基于双尺度图像分解的水下彩色图像增强算法。方法 通过基于均值和方差的对比度拉伸方法改善图像的色偏问题,并利用中值滤波降低红通道对比度拉伸后引入的噪声;采用双尺度图像分解绿通道图像补偿红通道图像细节;在处理后的红通道图像中引入原始图像红通道的真实细节与颜色。结果 选取不同水下图像作为实验数据集,将本文方法与暗通道先验的方法、基于融合的方法、自动红通道恢复方法以及一种基于卷积神经网络深度学习的方法相比较,首先从主观视觉效果进行定性分析,然后通过不同评测指标进行定量分析。主观定性分析结果表明,提出的方法相比较其他方法能够更好地解决图像色偏和红色阴影问题;定量分析中,自然图像质量评价（natural image quality evaluation,NIQE）指标和信息熵（information entropy,IE）值较基于融合的方法和深度学习的方法分别提高了1.8%和13.6%,且水下图像质量评价指标（underwater image quality measurement method,UIQM）较其他方法更优。结论 提出的双尺度图像分解方法利用水下图像成像特点解决图像色偏以及低对比度问题,具有良好的适应能力,同时算法复杂度低且鲁棒性较高,普遍适用于复杂的水下彩色图像增强。     

基于Hough变换和HSV彩色空间的电气盘柜状态识别

电气盘柜的状态由安装在盘柜上的指示灯的颜色和亮灭状态表征;文章提出了一种基于Hough变换和HSV彩色空间的电气盘柜状态智能识别方法;该方法首先对实时采集的盘柜图像进行预处理,得到二值化的边缘轮廓图像;再利用霍夫梯度法检测出二值化边缘轮廓图像中包含指示灯的圆,并通过RGB阈值筛选、连通域标记法和圆轮廓阈值筛选条件对无效圆进行剔除处理;然后根据这些圆圆心处图像的HSV特征值的V值判断指示灯的亮灭状态;最后根据圆边缘处图像的H、S、V值建立点亮状态的指示灯颜色判别模型,智能判断点亮指示灯的颜色类别(红、绿、黄);实验表明,该方法能较快速、准确地识别出处于点亮状态的指示灯及其颜色,准确度达到98%以上。     

复杂背景下圆形物体分割算法

对如何从复杂的工业图像中准确提取圆形目标进行了研究。阐述了传统分割方法应用于复杂图像中提取圆形目标的局限性，提出了基于双阈值结合数学形态学运算的分割算法。首先分别根据两个阈值进行分割得到两幅二值图像，然后根据目标是圆形以及其大致位置等先验知识分别对两幅图进行腐蚀，开启，闭合等数学形态学运算，将高阈值分割得到的图像中的边界信息叠加到低阈值分割得到的图像中，实现对复杂背景图像中圆形物体的准确分割与提取，解决了复杂背景图像中物体识别率低的问题。实验结果表明本方法对复杂背景的图像预处理是有效的。     

Color Characterization and Balancing by a Nonlinear Line Attractor Network for Image Enhancement

A novel method to map high dynamic range scenes to low dynamic range images utilizing the concept of color characterization, enhancement, and balancing is described in this letter. Each pixel of the image is first characterized by extracting the relationship of the red, green, and blue components along with its corresponding neighbors using a nonlinear line attractor network to form an associative memory. Then, the illumination enhancement process is performed using a hyperbolic tangent function to provide dynamic range compression to each pixel in the image. The slope of the hyperbolic tangent function is controlled using a parameter that is determined by the local and global statistics of the image to facilitate the change of the intensity level. A color balancing process restores the original color characteristics of the image based on learned associative memory matrices which eliminate image distortion due to improper recombination of red, green and blue components after enhancement. Experiments conducted on images captured at extremely uneven lighting environments show that the proposed method outperforms other image enhancement algorithms.     

基于色彩的图像数据库检索方法的研究

文中论述了基于色彩的图像检索方法,对色彩空间的选择、彩色聚类方法、色彩直方图的距离、以及基于图像分割的色彩直方图等方面进行了详细的论述;为提高图像检索的效率和精度,采用了多阶段相似比较的方法。     

融合区域和边缘特征的水平集水下图像分割

目的 水平集模型是图像分割中的一种先进方法,在陆地环境图像分割中展现出较好效果。特征融合策略被广泛引入到该模型框架,以拉伸目标-背景对比度,进而提高对高噪声、杂乱纹理等多类复杂图像的处理性能。然而,在水下环境中,由于水体高散射、强衰减等多因素的共同作用,使得现有图像特征及水平集模型难以适用于对水下图像的分割任务,分割结果与目标形态间存在较大差异。鉴于此,提出一种适用于水下图像分割的区域-边缘水平集模型,以提高水下图像目标分割的准确性。方法 综合应用图像的区域特征及边缘特征对水下目标进行辨识。对于区域特征,引入水下图像显著性特征;对于边缘特征,创新性地提出了一种基于深度信息的边缘特征提取方法。所提方法在融合区域级和边缘级特征的基础上,引入距离正则项对水平集函数进行规范,以增强水平集函数演化的稳定性。结果 基于YouTube和Bubblevision的水下数据集的实验结果表明,所提方法不仅对高散射强衰减的低对比度水下图像实现较好的分割效果,同时对处理强背景噪声图像也有较好的鲁棒性,与水平集分割方法（local pre-fitting,LPF）相比,分割精确度至少提高11.5%,与显著性检测方法（hierarchical co-salient detection via color names,HCN）相比,精确度提高6.7%左右。结论 实验表明区域-边缘特征融合以及其基础上的水平集模型能够较好地克服水下图像分割中的部分难点,所提方法能够较好分割水下目标区域并拟合目标轮廓,与现有方法对比获得了较好的分割结果。     

Preferred memory and accent colors shown on a display

Abstract— The preferred green‐grass and red (apple, lipstick, sports car) colors shown on the display are investigated using complex images. Ten test images were used in the experiment and each image was transformed using a memory color transformation algorithm to have nine different green‐grass or red colors. The pair comparison method was used to determine the most‐preferred green‐grass and red colors. The green‐grass colors are preferred as the average hue angle approaches 128° (60% green and 40% yellow) in CIECAM02 hue angle with high chroma. For red colors, apple images show high preference when the reproduced red is closer to the unique red. The artificial objects, such as red lipsticks and sports cars are preferred when reproduced with the highest chroma regardless of their hues.     

基于卷积神经网络的偏色光下植物图像分割方法

为了解决传统图像分割算法在植物工厂中偏色光植物图像上分割精确度不高、泛化性能差的问题,提出了一种基于卷积神经网络,并结合深度学习技术,对人工偏色光下植物图像进行精确分割的方法。采用该方法,最终在偏色光植物图像原始测试集上达到了91.89%的分割精确度,远超全卷积网络、聚类、阈值、区域生长等分割算法。此外,在不同色光之下的植物图片上进行测试,该方法也较上述其他分割算法有着更好的分割效果和泛化性能。实验结果表明,所提方法能够显著提高偏色光下植物图像分割的精确度,可以应用于实际的植物工厂工程项目当中。