基于FFCM和分水岭算法的图像分割方法

提出了一种将FFCM算法与分水岭算法相结合的图像分割方法。针对均值聚类算法没有考虑图像空间信息的欠缺,本文将分水岭分割方法与均值聚类法相结合。由于分水岭分割后的图像灰度分布较为集中,故采用了快速模糊C均值聚类,并根据实验过程中得出的数据,分析了FFCM与FCM计算量的差别。最后将本文所采用的算法编程实现,得出了较为满意的分割结果。     

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HSV空间的果蝇复眼区域提取算法

针对果蝇复眼病变诊断研究中,由于果蝇复眼目标与背景对比度不大,直接在RGB空间操作,无法设计一个普遍性较好的图像分割算法的问题,提出了一种基于HSV色彩空间的果蝇复眼目标区域提取算法.该算法将果蝇复眼彩色图像分解成单个彩色分量,并以含有丰富信息的R分量代替B分量;将图像从RGB彩色空间映射到HSV空间,在灰度直方图具有明显双峰特性的S通道中,引入OTSU阅值设定算法进行阈值分割,达到准确提取果蝇复眼目标区域的目的.实验表明,该算法可以快速准确的完成果蝇复眼目标区域的提取,有利于病变区域的识别.     

基于 HSV 空间彩色图像的边缘提取方法

边缘检测是彩色医学图像处理中一个很重要过程,传统的彩色医学图像边缘提取方法是基于RGB（红,绿,蓝色）色度空间,但是RGB空间不能体现人类的视觉特征,而且彩色分量的计算不能确切体现图像中目标物体的特征,并且计算量大。该文通过对HSV（色度,饱和度,亮度）的观察,提出了基于HSV色度空间的,应用小波分析原理对彩色医学图像进行边缘提取的方法,计算机模拟结果显示,该方法能够确快速检测出图像的边缘,处理简单,效果较好。     

一种基于HSV颜色空间和SIFT特征的车牌提取算法

为了克服SIFT算法直接应用在车牌提取中表现出来的执行时间过长、误配率高的缺陷,提出了一种基于HSV颜色空间与SIFT特征的两级车牌提取算法,先使用HSV颜色空间确定车牌的候选区域,进行快速粗定位,再使用SIFT算法对候选区域进行精确定位与倾斜校正,在精确定位的同时也完成了对车牌汉字的辨识。这种方法不仅减少了SIFT特征的计算量,而且也避免了复杂背景对于SIFT特征匹配的干扰,大大提高了匹配准确率。最后通过编程实验证实本算法有良好的性能。     

基于GrabCut和HSV彩色空间的三七叶片病斑图像分割

针对三七叶部病斑图像中存在背景与病斑颜色相近和阳光照射下存在影子的情况导致对图像病斑分割精度不高、效果差的问题,提出一种基于GrabCut和HSV彩色空间模型的分割方法.通过GrabCut算法实现对复杂背景以及阳光照射下的影子与待分割三七叶片的分离.保留第一次分割结果的基础上,在HSV彩色空间下提出一种颜色距离的定义.根据定义的颜色距离,在使用颜色信息的同时结合空间信息,得到病斑的分割边界.实验表明,当色调分量因子k1和饱和度分量因子k2分别取0.1和0.05时得到的分割边缘效果较好.     

基于RGB-D信息的动态手势识别方法*

针对现有的动态手势识别方法在复杂环境下,易受无关肤色、光照变化等因素的影响,识别率低,实时性差等问题进行了研究,提出一种的动态手势识别方法。该方法首先利用K均值聚类算法和YCr''Cb''（由YCrCb变换得到）椭圆肤色模型对RGB-D图像完成手势分割;然后将深度信息引入到传统卡尔曼滤波算法中,作为其跟踪参数之一,并在跟踪过程中对检测范围进行加窗处理;最后结合快速动态时间规整算法和突出关键特征点的思想,改进传统动态时间规整算法,并利用改进后的动态时间规整算法完成手势识别。实验表明：提出的手势识别方法,在复杂背景下的识别率较高（96.8±1.5%）,实时性较好（识别时间1.86±0.02ms）。     

一种基于HSV颜色空间的车辆牌照提取方法

给出了一种根据车牌底的彩色信息,利用HSV颜色空间对输入的含有汽车牌照的彩色图像直接进行处理,从而快速提取车牌照的方法。该方法的主要思想是通过选取合适的彩色空间将输入的彩色图像直接转换为二值图像,再用空问聚类技术进行滤波消噪,最后利用二值图像的水平垂直投影来分割提取车牌区域。     

基于HSV空间的彩色图像分割

彩色图像分割是彩色图像处理和图像识别的重要问题,彩色图像分割可以看成是灰度图像分割技术在各种颜色空间上的应用。根据HSV颜色空间颜色和亮度无关,将彩色图像从RGB空间变换到HSV空间,然后经过H分割对绿色信息进行提取得到分割结果。试验表明,这是一种计算高效的分割算法。     

基于视觉显著性的空间图像序列放大算法*

针对已有的图像序列放大方法存在空间运动目标放大后细节不清晰的问题,提出基于视觉显著性的图像序列放大算法。算法首先采用视觉显著性技术获取空间运动目标区域;而后设计不同的放大策略;最后提出分区插值计算和区域能量保护方法,提升放大过程中的空间运动目标清晰度。与已有的放大算法对比的实验结果表明,提出的算法取得了更好的视觉效果和更高的平均梯度指标值、边缘强度指标值、信息熵指标值和图像功率谱指标值。     

基于HSV空间和遗传算法的仪器仪表信息提取

为了快速提取出工业上简单仪器仪表上的数字符号,在深入研究分割算法和遗传算法的基础上,提出了一种基于HSV彩色空间与遗传算法相结合的快速分割数字符号的算法。在HSV空间条件下,利用H分量信息映射准确定位待识别数字符号区域后,利用遗传算法实现数字符号与背景的快速有效分割。实验仿真表明:该算法能够有效收敛,并准确分割出数字符号。     

基于H分量旋转的荔枝图像分割算法

自然场景下荔枝图像分割,因果实与背景之间的颜色特征以及本身的形状特性的差异,表面会出现亮度不均匀,对分割造成非常大的影响。为了减少亮度不均匀给荔枝图像分割带来的影响,选择HSV彩色空间中色调H分量,并对H分量进行旋转作为图像分割的特征;通过模糊聚类算法和马氏空间约束条件来进行图像分割,利用形态学滤波消除分割后的随机噪声,并对分割区域标记,利用图像标记来恢复分割区域的原始图像。结果表明,该算法能很好地解决亮度不均匀造成的影响,对成熟荔枝分割的正确率达到了90.4%。     

改进基于HSV空间的阴影检测算法

为实现复杂视频中前景目标的分割,需要解决前景目标准确提取难题,但在光照情况下,会受到阴影影响。为解决这一难题,提出一种结合高斯混合模型的HSV颜色空间阴影检测算法。对HSV颜色空间阴影检测进行修正,消除对非运动目标区域阴影的误检,加入运动目标轮廓检测,消除运动目标边缘阴影误检,得到运动目标阴影的准确检测。实验结果表明,该算法能有效检测复杂背景下的阴影目标,为获得准确分割前景目标奠定基础。     

语义分割和HSV色彩空间引导的低光照图像增强

目的 低光照图像增强是图像处理中的基本任务之一。虽然已经提出了各种方法,但它们往往无法在视觉上产生吸引人的结果,这些图像存在细节不清晰、对比度不高和色彩失真等问题,同时也对后续目标检测、语义分割等任务有不利影响。针对上述问题,提出一种语义分割和HSV（hue,saturation and value）色彩空间引导的低光照图像增强方法。方法 首先提出一个迭代图像增强网络,逐步学习低光照图像与增强图像之间像素级的最佳映射,同时为了在增强过程中保留语义信息,引入一个无监督的语义分割网络并计算语义损失,该网络不需要昂贵的分割注释。为了进一步解决色彩失真问题,在训练时利用HSV色彩空间设计HSV损失;为了解决低光照图像增强中出现细节不清晰的问题,设计了空间一致性损失,使增强图像与对应的低光照图像尽可能细节一致。最终,本文的总损失函数由5个损失函数组成。结果 将本文方法与LIME（low-light image enhancement）、RetinexNet（deep retinex decomposition）、EnlightenGAN（deep light enhancement using generative adversarial networks）、Zero-DCE（zero-reference deep curve estimation）和SGZ（semantic-guided zero-shot learning）5种方法进行了比较。在峰值信噪比（peak signal-to noise ratio,PSNR）上,本文方法平均比Zero-DCE（zero-reference deep curve estimation）提高了0.32dB;在自然图像质量评价（natural image quality evaluation,NIQE）方面,本文方法比EnlightenGAN提高了6%。从主观上看,本文方法具有更好的视觉效果。结论 本文所提出的低光照图像增强方法能有效解决细节不清晰、色彩失真等问题,具有一定的应用价值。     

基于HSV色空间的车牌定位综合方法

提出一种基于HSV色空间的车牌定位的综合方法,该方法的主要优点是避开了以往车牌定位方法中无法寻到合适的全局阈值的缺点。在HSV色空间内,构造5级灰度图,直接根据车牌颜色的不同来进行灰度化处理,再利用灰度形态学平滑方法进行消噪,利用字频统计等方法进行分析和判断,最后用投影法分割出汽车牌照。该方法充分利用牌照的底色、纹理、以及几何特征等,实验表明该方法具有较好的精确度,并且在不同的背景下定位的有效性。     

一种基于HSV颜色空间的新码书模型

为了有效消除复杂动态背景对运动物体检测的影响,提出一种新的基于HSV颜色空间的码书模型。该模型的特点是：1)引入具有较强前后景区分能力的HSV颜色空间,有效减少伪目标的检测;2)采用四元素码字,实现较前人九元素码字更快的训练和更低的存储;3)设计新的码字学习和更新策略,实现简单和快速的码字学习和运动目标检测。同时提出新的算法评价方法：覆盖率—准确率曲线,以反映运动物体检测算法对连续视频序列的检测性能。使用覆盖率—准确率曲线评价的实验结果证明,所提出的码书模型可以有效检测复杂背景下的运动物体。     

基于空间直方图的免疫图像聚类算法研究

随着图像检索系统的发展,现有的各种图像特征提取方法已不能很好地满足用户的要求,另外,合理组织和管理图像数据库已渐渐成为用户检索的关键所在.空间直方图度量法融合了图像颜色特征和颜色空间分布信息对图像进行特征提取,并得到了对应的特征向量,该方法捕获了颜色的空间布局信息,比较完整地从颜色角度描述了一幅图像;利用免疫聚类算法实现图像聚类,主要是通过模拟抗体捕获抗原的机制,对已提取的图像特征向量进行了聚类分析,实验结果表明,免疫聚类较传统k均值聚类有簇内紧凑性高和簇间独立性高的优点,同时也进一步提高了图像检索系统的效率.     

基于HSV色彩空间的MODIS云检测算法研究

云是一种自然现象,广泛、高频、不规律地出现在地球上空,因此云也经常在卫星影像上有所体现。在遥感影像中,云覆盖在很大程度上降低了数据的质量和利用率。云检测是进行遥感数据处理与分析的基础和必要环节,因此准确地提取云区所在位置是一个非常有意义的研究课题。提出基于HSV色彩空间的MODIS云检测算法,首次将HSV色彩空间引入云检测领域,提出的算法以云与其他地物的自身光谱特性和光谱差异为理论基础,以色彩空间HSV正变换为数学基础,将MODIS波段1、6和26的假彩色合成影像进行HSV正变换,对获得的色调值（H）进行简单的、客观的阈值限定,获得最后的云检测效果。该算法具有精度高、简单可行、客观性强和计算速度快等特点,适用于不同的下垫面和季节,云检测效果理想。