基于图像处理的血液透析器纤维识别计数

为获得血液透析膜纤维的高精度识别与计数,通过对纤维图像颜色聚类特征的实验和分析,得出在YUV空间中仅利用颜色分量U和V对图像进行颜色聚类.利用K-means聚类算法对图像进行颜色聚类,根据图像中各像素的聚类属性对图像进行分割.在纤维的识别计数环节,采用Hough变换的方式对分割出的纤维图像识别并计数.实验结果表明,该算法识别精度高,鲁棒性好.     

基于烟丝颜色模型与烟支模板构造的烟支识别计数

为获得对烟支的高精度识别与计数,通过对烟丝颜色的实验和分析得到烟丝颜色的分布特性,在此基础上分别构造基于HSI颜色空间和RGB颜色空间的烟丝颜色模型,并利用RGB颜色空间中对应的特征向量分割烟支的内部与外部区域．根据烟支图像的特征构造烟支模板,给出基于该模板的烟支识别与计数的算法．该方法通过搜索匹配对分割出的目标区域是否为烟支进行识别与判定．实验结果表明,该算法的识别精度高,能适应一定范围的光学环境变化,鲁棒性得到增强．     

RGB空间平均颜色矢量法在颜色识别中的研究

目前基于颜色的检索方法很多。引入平均颜色矢量,用平均颜色矢量方法对彩色图像中多个单种颜色目标进行识别。通过计算和分析图像像素与各类训练区的Euclidean距离及各颜色分量平均值和标准差,判断目标颜色相似性,结合Canny算子进行边缘检测,分割图像中的目标。该方法能对RGB值较为明显或颜色分布丰富且部分背景与目标颜色相近的图像进行精确的颜色识别,在番茄色选仿真实验中取得了令人满意的效果。     

一种面向设备系统指示灯的状态识别方法

针对设备系统的远程监控问题,为了减少视频监控数据的网络传输量以及达到智能监控的目的进行了相关技术探索,提出了一种利用计算机视觉来识别圆形指示灯状态以此获取相关监控信息的方法.方法首先对含有圆形指示灯的图像进行图像预处理,提取图像的边缘信息,检测圆形指示灯的数目及各个圆心位置,然后统计各个圆心区域像素点在HSI颜色空间的亮度和色调信息,最后利用统计值来识别指示灯的状态.采用Matlab对方法进行仿真实验,实验结果表明方法能够识别红绿圆形指示灯的状态,具有一定的工程应用价值.     

基于HSI颜色空间统计直方图的图像检索

给出了一种对图像的特征进行提取、分析并识别出一定形状及色彩差别的方法,主要目的是提取图像的颜色变化。首先是对采集到的彩色图像进行预处理,包括:图像的滤波、目标图像的定位等;然后采取了相应的图像颜色空间和识别算法,包括:图像颜色空间的变换、颜色量化、图像特征提取、识别算法。计算机仿真结果表明,该算法可行,并取得了较好的效果。     

利用颜色进行基于内容的图像检索

提出了一种新的基于颜色的图像检索算法.该方法根据颜色在图像中的分布信息,通过对像素点的加权处理确定最佳的颜色初始聚类数目,将经过加权处理的像素点进行聚类,得到图像主要颜色的统计特征,同时,在分析了主要颜色在图像中的散布情况后,利用主色的矩特征来描述各个主色在图像中的空间分布特征,结合颜色的统计特征与空间分布特征来描述图像的内容,保证图像在局部和整体上的一致性,实验证明该方法的检索精度明显要高于传统的仅基于颜色统计特征的检索结果.     

基于HSI颜色空间统计直方图的图像检索

给出了一种对图像的特征进行提取、分析并识别出一定形状及色彩差别的方法,主要目的是提取图像的颜色变化。首先是对采集到的彩色图像进行预处理．包括：图像的滤波、目标图像的定位等;然后采取了相应的图像颜色空间和识别算法,包括：图像颜色空间的变换、颜色量化、图像特征提取、识别算法。计算机仿真结果表明,该算法可行,并取得了较好的效果。     

一种基于计算机视觉的车流量检测方法

该文提出一种基于计算机视觉的车流量检测方法。首先,利用背景差法对视频中车辆前景图像进行提取。其次,对前景图像进行灰度化、二值化、膨胀、填充等图像处理方法。然后,完成图片中目标块数目的统计,完成车辆的计数。最后,对车辆粘连问题提出了基于车辆形状的解决方案。实验结果表明了该方法的准确性和有效性。     

基于SVM的室外场景图像的景物识别

关于图像识别优化问题,针对在图像的处理中颜色、纹理等单一特征不能全面描述图像的问题,为了精确识别目标图像,提出一种颜色特征和纹理特征相结合的方法.采用基于RGB空间的颜色直方图和基于多通道Gabor滤波器分别对颜色特征和纹理特征进行提取,并对颜色与纹理特征进行外部归一化得到组合特征,并应用支持向量机法(SVM)对组合特征样本训练分类.实验结果表明,改进方法可以克服用单一特征分析图像的片面性,同时提取了理想的图像结构和光谱特性,可以在图像目标的识别和分类中取得较好的效果.     

基于全局和局部特征的目标识别研究

为提高目标识别的准确性和快速性,提出了基于全局和局部特征对目标识别的方法。基于颜色直方图提取全局颜色特征,利用多尺度空间来表达目标的局部特征,最后将全局和局部特征进行数据融合得到图像的识别结果。实验结果表明,该方法很好地结合了目标的整体和局部信息,能有效地识别目标,且识别效果优于单一的全局特征和局部特征的识别效果。