应用色彩空间聚类方法实现道路建模

通过图像对交通事故进行识别、处理,需要将卷入交通事故的车辆等目标从交通事故场景图像中分离出来,因此建立准确的道路模型十分重要.传统的道路建模方法大都基于灰度空间,忽略了图像中的彩色信息,不适合复杂的交通环境.针对道路像素分布的非参数化特点和后续处理中对彩色信息的需求,提出一种基于色彩空间聚类的非参数化道路模型,将道路模型的建立抽象为时间轴上的色彩空间聚类过程.根据颜色变化理论,设置聚类区间为RGB颜色空间中以聚类中心和原点连线为轴的圆柱体,并通过聚类中心特征值的不同自适应来调整聚类半径.同时,对于每个像素位置,根据场景复杂程度和变化频率的不同自适应地选取聚类中心数目,获得较为准确的背景模型,在提高检测精度的同时也保证了检测效率.     

煤矿智能视频监控中的运动目标检测研究

针对煤矿智能视频监控环境存在各种复杂动态场景变化的情况,研究了运动目标检测中的3个重要环节:背景建模与更新、前景检测和运动阴影检测与去除。针对这3个环节,提出了相应的处理方法:基于IFCM聚类算法的自适应背景建模与更新方法,对像素灰度取值进行无监督聚类,自适应选取不同个数的聚类构建各像素背景模型,随场景变化进行聚类修改、添加和删除以完成背景自动更新;联合背景差分信息、三帧差分信息和空间邻域信息的前景检测方法,据此获得较为准确的前景目标;运动阴影检测与去除方法,依据在阴影覆盖前后的灰度图像中,像素具有亮度值相关性和纹理特征值不变性,实现了运动阴影的检测与去除。实验结果验证了本文所提方法的有效性和优越性。     

局部线性嵌入与模糊 C-均值聚类的红外图像彩色化算法

针对红外图像彩色化处理后清晰度低、色彩不够自然等问题,将改进后的局部线 性嵌入算法(LLE)算法引入到红外图像彩色化应用中,提出了一种 LLE 与模糊 C-均值聚类的红 外图像彩色化算法。首先通过扩大邻域范围和添加权重信息等方法改善了 LLE 算法敏感于稀疏 矩阵的缺陷,在红外和彩色模板像素矢量化空间中,利用最近邻搜索计算最佳匹配系数,经彩 色值计算将彩色模板中的颜色映射到红外图像特定区域,完成模板彩色与红外目标图像的颜色 传递。利用改进后的模糊 C-均值聚类对彩色化后的红外图像进行颜色聚类,在颜色聚类集上利 用直方图均衡化进行分段颜色均衡处理,最后将均衡化后的图像合成。将本算法与其他两种红 外彩色化算法进行仿真对比,实验结果表明,与其他两种算法相比,提出的红外图像彩色化算 法在仅仅利用目标红外图像和彩色模板下就能获得图像较为清晰、目标突出的彩色化结果。     

快速鲁棒的交通标志检测方法

如何从实景中有效地提取出交通标志是交通标志识别系统的关键,在分析中国道路限速交通标志的颜色和几何形状两种先验特征的基础上,以一种新的颜色滤波方法为基础,获得红色像素在Lab颜色空间中聚类范围的椭圆模型,提取出图像中的红色区域,得到二值化图像,然后采用基于梯度信息的Hough变换圆检测方法获得二值化图像中的圆和椭圆区域,从而实现一种将交通标志先验特征与机器学习算法相融合的智能检测方法。     

一种基于Mean-Shift聚类算法的图像区域分割方法

提出一种基于均值平移(Mean-Shift)聚类算法的图像区域分割方法.该方法首先选用适当的彩色空间对图像中的每个像素点抽取颜色、纹理及空间位置等特征,形成特征空间;然后,利用Mean-Shift聚类算法,在像素点特征空间中进行聚类,利用提出的方法,确定最佳窗口半径参数,进而确定聚类簇数、聚类中心等参数,将像素初步划归不同的组,并利用相邻像素之间的连接原理对图像区域进一步分割.分割方法提供了丰富的区域描述特征.实验结果表明这种方法具有图像分割速度快,分割效果好等特点.     

局部颜色映射的彩色夜视算法

针对现有基于全局统计信息的彩色夜视算法不能较好保持图像目标色彩恒常性的不足,提出一种简单有效的局部自然彩色夜视算法。首先依据人类视觉系统的中心-环绕对抗结构生成伪彩色融合图像;按照不同颜色特征对伪彩色融合图像进行聚类,分割成不同颜色域,参考自然彩色图像中对应域为与融合图像对应位置像素集合;最后在简化Lab空间实现对应域间的局部颜色映射,将参考图像颜色特征传输至融合图像。实验结果表明,本文方法使得夜视图像获得如白天参考图像般自然、真实的效果,有利于提高场景辨识能力;方法执行速度快,便于实时处理。     

基于自适应滤波的快速广义模糊C均值聚类图像分割

快速广义模糊C均值聚类(FGFCM)在对高噪声图像进行聚类分割时,噪声容易导致聚类中心发生偏移,影响图像分割结果.为此,文中提出基于自适应滤波的快速广义模糊C均值聚类算法,用于图像分割.首先根据非局部像素的噪声概率自适应确定参数平衡因子,更准确地反映图像包含的空间结构信息.然后利用该平衡因子有效结合FGFCM中的线性加权和滤波图像与原始图像的中值滤波图像,由于得到的自适应滤波图像根据图像中像素为噪声的概率自适应确定滤波程度,因此可以提高算法对噪声的动态抑制能力.实验表明,相比模糊C均值聚类和FGFCM,文中算法在对噪声含量较高的图像进行聚类分割时,可以得到更准确的结果.     

基于边缘信息的RGB-D图像超像素分割算法

针对简单线性聚类算法（SLIC）中需要初始预设超像素个数和大量重复聚类计算的问题，提出一种基于边缘信息的RGB-D图像超像素分割算法。利用各向异性高斯核提取彩色图像中边缘强度信息，在此之上，自适应地提取图像的初始聚类中心。仅对位于图像边缘附近的像素点进行重新聚类标记计算，这种策略在保证聚类准确的同时，大大降低了重新聚类计算的复杂度。同时，本文提出一种基于边缘信息的距离度量准则来度量两个像素点之间的空间距离。在公开的图像数据集上的实验结果表明，相比其他几种算法，本文算法的分割结果更能反应出场景中物体的轮廓信息，而且算法效率更高。     

一种新的图像空间特征提取方法

提出一种新的图像空间特征提取方法,采用基于颜色向量角和Euclid距离的CCVAE算法,检测原始图像的彩色边缘,分别对边缘像素、非边缘像素建立边缘直方图描述子和空间颜色直方图,描述颜色分布信息。仿真实验结果表明,该方法具有较高的准确率和召 回率。     

YCgCr颜色空间的肤色聚类人脸检测法

由于YCgCr颜色空间好的聚类性。提出一种在YCgCr颜色空间的人脸检测,首先肤色在CgCr颜色空间进行投影,对像素点区域进行拟合,初步去除图像中的非肤色,得到肤色第一次分割的图像,实验证明这种拟合可以起到好的去除非肤色像素的作用。然后把YCgCr颜色空间作为肤色模型建立彩色空间,用高斯模型在已提取的图像上进行人脸检测。实验证明在对CgCr空间拟合的基础上,再运用高斯模型进行人脸检测,该算法提高了人脸检测的速度,并且有较高的检测率和较低的漏检率。