单一光照颜色恒常性计算研究进展

单一光照颜色恒常性计算研究是目前计算机视觉、机器学习等领域中最热门的研究课题之一。算法的合理性直接影响到自动白平衡等应用效果。目前颜色恒常性计算的方法多种多样,将其划分为无监督、有监督、算法的融合和颜色不变性描述的颜色恒常性计算方法。着重介绍了4类典型的颜色恒常性计算方法,分析了各自的优缺点。最后就颜色恒常性计算的性能评价方法以及发展趋势做了简单的论述。     

基于视锥细胞色适应生理机制的颜色恒常性计算

通过模拟人类底层视觉系统中的颜色恒常处理机制,提出基于视锥细胞色适应生理机制的颜色恒常性计算方法,利用视锥细胞的色适应计算代替基于灰度边缘假设的颜色恒常性计算方法所采用的Von Kries对角变换.实验结果及定量定性的分析表明本文方法比原计算模型下的算法颜色校正效果要好,能有效恢复图像中物体的本质颜色,且性能更稳定.从计算神经科学的角度,本文方法支持视锥细胞的色适应生理机制在视觉颜色恒常性中扮演重要角色的观点.     

基于自定义颜色空间的快速图像分割算法

为实现视觉伺服中对图像的实时处理,针对由RGB颜色空间模型转换到HSV颜色空间模型过程计算量大、时延明显的问题,提出了一种基于自定义的ASV颜色空间模型的快速变换方法,减小了计算量,提高了处理速度;并采用一种对不同颜色分量进行序列分割的彩色图像分割方法,在自定义的HSV颜色空间中实现了彩色图像的快速分割.实验证明了这种方法的有效性.     

交互体绘制中的快速颜色合成

颜色合成是体绘制的重要组成部分，其中大量重复计算严重影响了绘制的实时性。为了减少颜色合成中的计算量，该文从体数据中分离出了与交互绘制无关的特征进行预处理，进而避免了交互绘制过程中的大量重复计算。对于稳定采样区间的颜色合成，提出了基于透明度标尺的颜色合成新算子，该方法对于类属较少的体数据，其绘制加速效果是十分明显的。     

彩色图像的亮度-色度非线性重组

灰度变换技术直接用于彩色图像的RGB各分量可以提高其对比度,但却会引起彩色失真;而基于Retinex理论的多尺度彩色复原算法（MSRCR）可以改善彩色图像的视觉效果,也不会引起彩色失真,但存在控制参数的取值问题,自适应性不是很好,更大的缺陷在于卷积运算巨大的运算量导致处理时间偏长。提出了一种基于灰度变换的自适应彩色图像增强算法,将原始RGB图像和RGB三分量灰度变换后的图像转换到非线性亮度/色度彩色空间,重组两者的色度分量和亮度分量,从而保持了原始图像的色彩。在继承灰度变换算法优点的基础上,扩展了原始图像的有效灰度范围,提高了整体对比度,增强了细节。此外,算法的计算量极小,不需要设定任何参数,可用于自适应实时彩色图像处理。     

一种快速的模糊C均值聚类彩色图像分割方法

FCM用于彩色图像分割存在聚类数目需要事先确定、计算速度慢的问题,为此,提出一种快速的模糊C均值聚类方法（FFCM）。首先,对原始彩色图像进行基于梯度图的分水岭变换,从而把原始彩色图像数据分成一些具有色彩一致性的子集;然后,利用这些子集的大小和中心点进行模糊聚类。由于FFCM聚类样本数量显著减小,因此可以大幅提高模糊C均值聚类算法的计算速度,进而可以采用聚类有效性指标确定聚类数目。实验表明,这种方法不需要事先确定聚类数目,在聚类有效性能不变的前提下,可以使模糊聚类的速度得到明显提高,实现了彩色图像的快速分割。     

快速模糊C均值聚类彩色图像分割方法

模糊C均值(FCM)聚类用于彩色图像分割具有简单直观、易于实现的特点，但存在聚类性能受中心点初始化影响且计算量大等问题，为此，提出了一种快速模糊聚类方法(FFCM)。这种方法利用分层减法聚类把图像数据分成一定数量的色彩相近的子集，一方面，子集中心用于初始化聚类中心点；另一方面，利用子集中心点和分布密度进行模糊聚类，由于聚类样本数量显著减少以及分层减法聚类计算量小，故可以大幅提高模糊C均值算法的计算速度，进而可以利用聚类有效性分析指标快速确定聚类数目。实验表明，这种方法不需事先确定聚类数目并且在优化聚类性能不变的前提下，可以使模糊聚类的速度得到明显提高，实现彩色图像的快速分割。     

视觉跟踪中模板匹配相似度指标研究*

由于模板匹配中像素点r、g、b颜色值计算存在多对一缺陷,加之背景特征的影响,视觉跟踪中模板匹配往往得不到全局最优解。为此提出模糊隶属度概念和新的相似度指标公式,修正颜色值计算缺陷,相近似颜色值聚类,从而提高视觉跟踪中目标识别能力。这种新指标有效抑制背景成分的影响,同时突出目标特征的权重,改善匹配函数峰值特性,使得搜索目标得到全局最优解,最终实现鲁棒跟踪。实验结果表明,模板匹配具有良好的峰值特性,算法在跟踪目标存在变形、噪声、遮挡时也可以达到比较理想的跟踪效果。     

HSL颜色空间对等组子集的快速矢量滤波

快速对等组矢量滤波通过计算滤波窗口内的对等组的势来判断中心像素是否为噪音。为进一步提高其计算效率,提出一种基于HSL颜色空间的对等组子集的快速滤波方法。该方法利用HSL颜色空间的色度、饱和度和亮度等分量,使用原滤波窗口子集获得的对等组子集来判断噪音的存在。实验结果证明该开关型滤波方法较原对等组滤波方法在保存图像处理效果的同时减少至少一半以上的计算量。     

基于双搜索蜂群算法的四元数彩色遥感图像边缘检测

随着遥感图像大数据的出现,常见的彩色遥感图像边缘检测方法运算量大、速度慢、效果差等缺点越来越明显。以四元数表示彩色像素为基础,改进人工蜂群算法的单一搜索方程,加大雇主蜂搜索范围,加入跟随蜂莱维飞行因子,提出了基于双搜索方程的人工蜂群算法。实验结果表明,该算法具有计算量小、去噪能力强、边缘检测效果好等优点。该算法能有效地应用于从遥感图像中获取识别目标。