一种基于改进Mean Shift滤波的Retinex彩色图像增强算法

传统的中心/环绕Retinex图像增强方法在处理低对比度彩色图像时,易产生光晕现象和色彩失真。提出一种基于改进Mean Shift滤波的Retinex方法,首先采用主元分析法(PCA)将低对比度图像分解为亮度和色彩两部分,通过改进现有Mean Shift滤波方法实现光照分量的自适应增强,并对色彩通道进行恢复,最后在全局分析基础上进行图像补偿。实验结果证明,该方法能有效抑制光晕现象,并保持色彩一致性,运行速度也优于同类自适应方法。     

光照和尺度自适应的Mean Shift人脸跟踪算法

针对原始Mean Shift算法易受光照强度影响及跟踪窗口不随目标尺度自适应变化的问题,提出了一种光照和尺度自适应的Mean Shift人脸跟踪算法。该算法将颜色特征与光照不变性特征局部二值模式结合起来共同表征人脸,增强了复杂背景下目标的跟踪性能,利用矩特征和巴氏系数估计目标的真实尺度,提高了人脸发生较大形变时的适应能力。实验结果表明,提出的算法比传统的基于颜色直方图的Mean Shift算法具有更准确的跟踪结果。     

基于自适应Mean Shift算法的彩色图像滤波

利用Mean Shift算法对图像进行滤波时,带宽和采样点权重的选择至关重要。为有效保留彩色图像中边缘等细节信息,提出了一种基于自适应Mean Shift算法的彩色图像滤波算法。该算法首先根据图像颜色信息的灰色关联度来定义自适应空域带宽;然后利用颜色粗糙度计算自适应值域带宽;再根据彩色差别获得各采样点的权重;最后用改进后的自适应Mean Shift算法对图像进行滤波。实验结果表明,与基于Mean Shift算法的滤波算法和常见滤波算法相比,该算法的滤波效果不仅更符合人眼的视觉感知,且能更好地保留边缘等细节信息。     

基于空间关联特征分布的目标跟踪

通过利用特征全局分布信息,提出一种以网格为数据单元的Mean Shift的目标跟踪算法(grid mean shift,GRIMSHIFT).针对传统Mean Shift目标跟踪算法的不足,GRIMSHIFT算法在m*n个像素的网格小区域内提取如颜色、角点量等局部区域特征值.在此基础上结合整幅图像进行约束Delaunay三角剖分得到图像像素间全局空间关联信息.在网格级上把局部特征信息和全局分布信息加权混合,使特征分布数据集具有了更高的目标辨识度;在视频序列中对动态网格特征分布连续运用Mean Shift便实现了对目标的跟踪.实验结果表明GRIMSHIFT拥有良好的实时性和准确性.     

光照鲁棒的Mean Shift跟踪方法

针对Mean Shift跟踪方法存在的光照不稳定问题,提出了一种光照鲁棒的Mean Shift跟踪方法。该方法采用颜色特征和局部二元模式特征（Local Binary Pattern)两种特征相结合来描述目标,其中局部二元模式特征的光照不变性使得目标模型更加鲁棒。同时,为了避免原始Mean Shift跟踪方法中bin-to-bin度量带来的不稳定性,该方法采用了一种新的cross-bin度量,该度量更好地融合了多层次的特征信息,使得光照变化下的特征匹配更加稳定。实验表明,该方法在光照变化情况下能取得比原始Mean Shift跟踪方法更好的性能。     

一种基于视觉特性的彩色图像增强算法

为了增强图像暗区域部分,基于人类视觉系统的全局和局部自适应调节原理,提出一种彩色图像增强方法。该方法主要包括全局自适应亮度调节、局部对比度增强和颜色恢复3个部分。全局亮度调节采用直方图非线性自适应拉伸来增强暗区域的亮度;局部对比度增强利用当前点与区域像素之间的关系,调节当前点的亮度,以增强图像局部对比度;通过一种自适应的非线性颜色恢复算法恢复图像色彩。通过大量图像对比实验分析表明,本文方法可以自适应有效快速地实现图像增强。     

基于Mean Shift算法视频跟踪研究

为改善Mean Shift算法的跟踪性能,分析了Mean Shift算法跟踪局限性,对Mean Shift算法流程进行了改进.Harris特征角点具有对光照、旋转、部分仿射变化以及噪声干扰具有很好的鲁棒性的特性可解决Mean Shift算法在背景过于复杂时的跟踪失败问题.Surf算法则具有对旋转、尺度缩放、亮度变化保持不变性,检测和匹配速度快等优点,能辅助Mean Shift算法在帧速过快情况下解决跟踪失败问题.提出了融合Harris角点和Surf算法的改进型Mean Shift算法.实验表明改进后的算法改善了Mean Shift算法在背景复杂以及帧速过快情况下的跟踪性能.     

粒化的Mean Shift行人跟踪算法

Mean Shift行人跟踪采用颜色特征直方图作为跟踪特征,存在易受背景颜色干扰等问题。基于此,在传统的Mean Shift行人跟踪算法中引入粒计算的思想,提出粒化的Mean Shift行人跟踪算法,对图像目标区域作粒层分块来提取块颜色特征信息,并在颜色特征表示上作不同粒度的粒化,最后在Mean Shift迭代框架下实现行人跟踪。该方法相比传统的跟踪方法具有计算复杂度更低、稳健性更好的优点。在PETS2009和CAVIAR数据库上的实验表明,这种方法跟踪正确率更高,在颜色干扰下稳健性更好,能够实时有效地跟踪行人。     

基于Mean Shift和FDoG的图像卡通化渲染

针对现有图像卡通化渲染算法区域划分不明显或提取的边界不够连贯的问题,提出了一种基于Mean Shift和FDoG的图像卡通化渲染方法。该方法通过区域分割与边界处理相融合的手段,获取区域明晰、边界光滑连贯的卡通对象,同时结合亮度量化策略等后处理技术净化对象,最终获得具有卡通效果的图像。渲染算法采用Mean Shift技术对图像进行分割,通过设置合适的参数获取若干有意义的区域;引入FDoG算法思想对图像边界进行分析和提取;最后去除或合并视觉上的干扰区域,并参考卡通画的亮度分布特点对图像进行亮度量化,得到最终的卡通风格图像。方法实现简单,自动化程度较高,实验结果较理想。     

一种改进的自然图像分割方法*

提出了一种改进的Mean Shift自然图像分割方法。首先从数据分析的角度出发,由数据本身估计用于聚类的颜色带宽。然后根据上层的视觉任务调整颜色带宽,调整后的颜色带宽可以看作是分割分辨率。根据调整后的颜色带宽,估计每个像素的密度值,并采用直接搜索的方法搜索局部密度极大值点。在局部模式检测之后。通过一个全局标准控制的局部模式融合,就可以将图像分割成最终的结果。在不同的光照条件和复杂的背景下,这个全局标准能达到稳定分割结果和控制最终区域数目的目的。     

基于光照无关图的阴影去除方法

为了在检测目标时排除阴影的干扰,首先论述了光照无关图的原理及其重要性质,然后在此基础上提出了一种基于光照无关图的阴影去除方法。该方法根据光学成像原理通过对图像进行变换来得到一幅与光照无关的灰度图,以达到去除阴影的目的。同时针对该方法需事先测定摄像机的光照无关角的不便之处,还提出了基于直方图统计的摄像机光照无关角判定法则。通过对大量不同场景下视频监控图像的实际测试结果表明,基于光照无关图的阴影去除方法以及基于直方图统计的光照无关角判定方法,可以有效去除目标阴影,并可准确分割目标。     

Linking the von Kries model to Wien’s law for the estimation of an illuminant invariant image

Modeling the color variation due to an illuminant change is an important task for many computer vision applications, like color constancy, object recognition, shadow removal and image restoration. The von Kries diagonal model and Wien’s law are widely assumed by many algorithms for solving these problems. In this work we combine these two hypotheses and we show that under Wien’s law, the parameters of the von Kries model are related to each other through the color temperatures of the illuminants and the spectral sensitivities of the acquisition device. Based on this result, we provide a method for estimating some camera cues that are used to compute the illuminant invariant intrinsic image proposed by Finlayson and others. This is obtained by projecting the log-chromaticities of an input color image onto a vector depending only on the spectral cues of the acquisition device.     

Color by correlation: a simple, unifying framework for colorconstancy

The paper considers the problem of illuminant estimation: how, given an image of a scene, recorded under an unknown light, we can recover an estimate of that light. Obtaining such an estimate is a central part of solving the color constancy problem. Thus, the work presented will have applications in fields such as color-based object recognition and digital photography. Rather than attempting to recover a single estimate of the illuminant, we instead set out to recover a measure of the likelihood that each of a set of possible illuminants was the scene illuminant. We begin by determining which image colors can occur (and how these colors are distributed) under each of a set of possible lights. We discuss how, for a given camera, we can obtain this knowledge. We then correlate this information with the colors in a particular image to obtain a measure of the likelihood that each of the possible lights was the scene illuminant. Finally, we use this likelihood information to choose a single light as an estimate of the scene illuminant. Computation is expressed and performed in a generic correlation framework which we develop. We propose a new probabilistic instantiation of this correlation framework and show that it delivers very good color constancy on both synthetic and real images. We further show that the proposed framework is rich enough to allow many existing algorithms to be expressed within it: the gray-world and gamut-mapping algorithms are presented in this framework and we also explore the relationship of these algorithms to other probabilistic and neural network approaches to color constancy     

基于颜色恒常性的低照度图像视见度增强

在彩色成像过程中,低照度是导致图像降质的一个重要因素. 本文提出了一种新的基于颜色恒常性的低照度图像视见度增强算法. 为了避免场景光源的影响,提出了像素有效集的概念. 基于灰色调算法的灰度像素假设,利用有效像素估计光 照的颜色;在后处理阶段,利用有效像素的灰度级范围确定直方图剪裁的上下限. 实验表明,算法有效地校正了图像 的颜色、对比度和亮度,从而增强了图像的视见度,且不会产生Retinex 算法所固有的灰化效应和Halo 效应.     

基于改进图像导数框架的颜色恒常性计算方法

在基于图像导数框架的颜色恒常性算法的基础上,进一步考虑边缘类型和颜色通道间的相关性对于光照色度估计的影响,提出一种基于改进图像导数框架的颜色恒常性计算方法。根据导数图像中像素的饱和度提出一种饱和度权值方案;基于光学特性对导数图像中的边缘进行分类,通过引入照度准不变量提出类型相关的边缘权值方案;将两种权值方案与图像导数框架相结合,并据此进行光照色度估计,利用von Kries对角变换对偏色图像进行校正。实验结果表明该算法有效提高了光照色度估计的准确性,改善了颜色恒常性算法的效果。     

深度残差学习下的光源颜色估计

目的 颜色恒常性通常指人类在任意光源条件下正确感知物体颜色的自适应能力,是实现识别、分割、3维视觉等高层任务的重要前提。对图像进行光源颜色估计是实现颜色恒常性计算的主要途径之一,现有光源颜色估计方法往往因局部场景的歧义颜色导致估计误差较大。为此,提出一种基于深度残差学习的光源颜色估计方法。方法 将输入图像均匀分块,根据局部图像块的光源颜色估计整幅图像的全局光源颜色。算法包括光源颜色估计和图像块选择两个残差网络：光源颜色估计网络通过较深的网络层次和残差结构提高光源颜色估计的准确性;图像块选择网络按照光源颜色估计误差对图像块进行分类,根据分类结果去除图像中误差较大的图像块,进一步提高全局光源颜色估计精度。此外,对输入图像进行对数色度预处理,可以降低图像亮度对光源颜色估计的影响,提高计算效率。结果 在NUS-8和重处理的ColorChecker数据集上的实验结果表明,本文方法的估计精度和稳健性较好;此外,在相同条件下,对数色度图像比原始图像的估计误差低10% 15%,图像块选择网络能够进一步使光源颜色估计网络的误差降低约5%。结论 在两组单光源数据集上的实验表明,本文方法的总体设计合理有效,算法精度和稳健性好,可应用于需要进行色彩校正的图像处理和计算机视觉等领域。     

Illuminant Aware Gamut‐Based Color Transfer

This paper proposes a new approach for color transfer between two images. Our method is unique in its consideration of the scene illumination and the constraint that the mapped image must be within the color gamut of the target image. Specifically, our approach first performs a white‐balance step on both images to remove color casts caused by different illuminations in the source and target image. We then align each image to share the same ‘white axis’ and perform a gradient preserving histogram matching technique along this axis to match the tone distribution between the two images. We show that this illuminant‐aware strategy gives a better result than directly working with the original source and target image's luminance channel as done by many previous methods. Afterwards, our method performs a full gamut‐based mapping technique rather than processing each channel separately. This guarantees that the colors of our transferred image lie within the target gamut. Our experimental results show that this combined illuminant‐aware and gamut‐based strategy produces more compelling results than previous methods. We detail our approach and demonstrate its effectiveness on a number of examples.     

消除光晕现象的快速Retinex图像增强

由于假设场景中光照是平缓变化的,传统的中心环绕Retinex图像增强方法在处理高动态范围图像时易在明暗对比强烈处产生光晕现象.提出一种快速Retinex图像增强方法,以模拟人类视觉系统的全局和局部自适应性.首先对原图进行全局动态范围调整,然后使用mean shift滤波进行估计光照,并基于中心环绕假设消除光照不均影响,在后处理中对图像去除孤立点所占的直方图范围.实验结果表明,该方法能有效地克服光照不均并消除了光晕现象;使用了mean shift加速算法,运行速度快于已有同类方法.     

Color and illuminant voting

A geometric-vision approach to color constancy and illuminant estimation is presented in this paper. We show a general framework, based on ideas from the generalized probabilistic Hough transform, to estimate the illuminant and reflectance of natural images. Each image pixel “votes” for possible illuminants and the estimation is based on cumulative votes. The framework is natural for the introduction of physical constraints in the color constancy problem. We show the relationship of this work to previous algorithms for color constancy and present examples     

基于YCgCr颜色空间的光照自适应的肤色区域检测*

为了校正由于光源颜色变化而引起的图像色彩的偏差,在RGB颜色空间基于Gray World假设,采用颜色平衡方法对输入的彩色图像进行颜色校正;为了有效地检测彩色图像中的肤色区域,采用了新颜色空间YCgCr,并在该颜色空间建立了联合亮度信息和Cg-Cr色度查找表的肤色模型.大量实验结果表明,该模型具有较强的光照适应性,可应用于复杂环境下的彩色图像中的人体肤色区域检测.