一种新的融合颜色和空间信息的目标提取方法

对于目标中带孔或目标局部区域颜色与背景相似的图像,单独利用颜色特征或空间信息易产生过分割和欠分割问题。提出一种颜色和空间信息相结合的目标提取算法。首先对原彩色图像进行并行处理,一方面通过颜色特征提取目标的大致区域;另一方面利用灰度信息提取连续边缘。然后,利用空间信息进行目标轮廓匹配。最后,对初始提取的目标区域进行区域合并,得到最终的目标区域。测试结果证明了该算法的正确性和高效性,具有实用价值。     

基于颜色-纹理特征的目标跟踪

针对传统的基于颜色特征目标跟踪算法在一些复杂场景中存在的跟踪不稳定性,提出一种基于颜色 纹理特征的目标跟踪算法;在传统的基于颜色Mean shift的目标跟踪算法中加入纹理特征,在提取目标颜色特征的同时提取目标的纹理特征,并且采取串接原则,在搜索目标新位置时仍然沿用传统的基于颜色的均值漂移跟踪算法,但在每一次迭代过程搜寻目标最佳的位置点即特征相似最大的区域时,利用纹理特征来实现,并且采用八邻域搜索法（候选区域周围扩大八个大小相等的区域）来解决部分遮挡的问题。通过对比实验表明,该算法在复杂场景中表现出的实时性和鲁棒性较好。关键词：     

基于颜色特征的面料花型图案检索算法

为使纺织企业更高效地管理海量的面料花型图案，提出一种基于图案主色及其聚集区域和分块颜色矩相结合的花型图案检索算法。首先利用改进的聚类算法提取花型图案的主颜色，同时根据主颜色提取主色的聚集区域特征；然后提取分块图案的颜色矩来表示局部颜色特征；最后对三种特征进行加权融合。在自建的面料花型图案库中进行实验，平均查准率达到85.8%，表明此方法能够有效地检索出色彩风格相似的图案，优于现有方法。     

保持细节的局部颜色迁移改进算法

局部颜色迁移是指将一幅参考图像标定区域的颜色特征传递给目标图像的标定区域,使之具有与参考图像标定区域相似的色彩。Reinhard算法是一种经典的算法,它但它没有考虑图像的细节信息。在此基础上,提出一种基于图像色调和细节信息的局部颜色迁移算法,它综合考虑目标区域和参考区域的均值、标准差和梯度的信息,在进行色彩迁移的同时,兼顾目标图像本身的细节信息,通过权重可调,大大增加了颜色迁移的灵活性和实用性。     

基于多级颜色累积和纹理融合的目标跟踪算法

在目标跟踪中,目标颜色变化或相似颜色背景干扰会导致算法的鲁棒性较差.为解决该问题,提出一种基于多级颜色累积和纹理融合的目标跟踪算法.将算法分为颜色与纹理特征提取、目标与背景特征相似度判断2个子过程,子过程交替执行,在目标颜色发生变化时,利用感兴趣区域帧差法对目标进行再定位,提取多级颜色模板,并将其累积在原模板之上.实验结果表明,该算法的平均跟踪误差约为基于颜色-纹理算法的1/2、为单视觉特征跟踪算法的1/3.     

融合颜色与纹理特征的粒子滤波目标跟踪

针对采用单一颜色特征的粒子滤波目标跟踪算法在背景相似、光照变化复杂的场景下会导致跟踪失败的问题,提出一种基于LBP纹理和颜色特征融合的粒子滤波跟踪目标算法。综合加权颜色直方图和LBP纹理直方图进行目标特征描述,建立目标观测模型;同时粒子滤波进行状态预测,利用Bhattacharyya系数进行相似度测量,作为目标区域参考模型更新准则,实现权值更新;最后对权值归一化处理,得到目标位置状态的最终估计。实验结果表明该算法不仅提高了跟踪方法的鲁棒性,而且在目标遮挡、光照变化等干扰下,具有较好的准确性。     

基于自适应颜色识别技术的快速多目标跟踪方法

该文提出一种以YUV颜色空间作为目标特征向量的跟踪算法。文章提出的自适应颜色模板克服了传统颜色识别方法性能受光照变化影响大的缺点,目标位置预测结合颜色识别的思想解决了多个目标点颜色相近的问题,螺旋形搜索和区域生长的策略则进一步加快了目标跟踪速度。     

基于基础颜色特征的自适应尺度的多目标跟踪算法

在多目标跟踪领域,多个相似目标间相互遮挡时,易产生误跟踪、漏跟踪等问题。针对上述问题,通过引入语言学中的基础颜色及自适应尺度因子来解决。采用颜色命名过程及主成分分析法,提取目标基础颜色特征,准确区分相似目标;同时引入自适应尺度因子,自动改变目标尺度,减少因尺度变化而引入的干扰信息,增强目标外观模型的鲁棒性。基于以上两点,在Structure Preserving Object Tracking（SPOT）算法基础上,提出了Basic Color Adaptive Scale SPOT（CSSPOT）算法。在对比实验中,CSSPOT算法在跟踪准确率及计算时间这两方面较原算法均有所提升,充分说明了基础颜色特征及自适应尺度因子的正确性及有效性。     

基于SUSAN角点和HSV颜色模型的粒子滤波目标跟踪算法

针对传统粒子滤波目标跟踪算法在目标与背景颜色相似情况下目标定位偏差大、易导致丢失目标的缺陷,提出一种基于角点和颜色模型的粒子滤波目标跟踪算法。首先,提出一种改进SUSAN角点检测算法,采用圆形模板邻域内像素灰度值中值代替模板中心像素灰度值作为模板"核"来检测区域目标角点,其改进SUSAN角点算法在继承原有SUSAN算法计算简单、定位准确、具有旋转不变性等特点的同时,具有更好抗噪声性能;其次,利用HSV颜色模型光照不敏锐特性,对检测到的角点建立HSV颜色模型,并将其嵌入到粒子滤波框架中,实现对目标的跟踪。实验结果表明,当背景与目标颜色相近时,该算法能够有效避免背景对目标的干扰,取得了较好的目标跟踪性能。     

综合利用目标区域颜色纹理特征的彩色图像检索

基于内容的图像检索是当前图像数据库领域的一个研究热点。文章提出了一种基于目标区域的多特征彩色图像检索算法。首先获取彩色图像HSI色彩空间的亮度分量灰度图像,再计算得到亮度分量灰度图像的二值边缘图像,并根据边缘图像的连通性提取彩色图像的目标区域。然后抽取目标区域的颜色特征和纹理特征,并分别对两个特征的相似距离进行归一化。最后综合利用这两个特征共同进行检索。实验结果表明,该文的算法具有良好的性能,在检索准确率上获得了较好的效果。     

一种快速颜色传输算法

图像间的颜色传输是将一幅图像的颜色特征传输给另一幅图像,使目标图像具有与参考图像相似的色彩。提出一种自动的、快速颜色传输算法。在HSV空间模糊聚类生成代表不同色调特征的样本区域;通过计算各样本区域的特征向量间的距离,建立样本区域之间的匹配关系;利用图像在ιαβ 空间的基本统计信息进行局部颜色传输;最后利用隶属度因子融合局部传输效果。对有效色调值进行加权聚类,大大降低聚类样本数量,在取得较好的颜色传输效果的同时,显著地提高了传输速度。     

基于有意义区域的颜色检索算法

颜色直方图方法是基于内容的图像检索系统中最常用的一种技术,然而,经典的颜色直方图方法存在诸多缺陷,例如不能表示图像中颜色的空间分布信息。为此, 提出了一种基于有意义区域的颜色检索算法,即首先计算图像的颜色聚合度,据此确定图像分割方法,对聚合度较高的图像利用区域生长方法进行分割,对聚合度较低的图像进行简单的分块,提取各区域的颜色特征并动态加权求和进行检索。该方法不仅保持了经典直方图简单方便的特点,而且有效地将空间信息集成到直方图中。在CBIR原型系统（DMIR）上的实验表明,该算法明显优于经典颜色直方图。     

均匀颜色空间中的免疫荧光图像分析

分析彩色免疫荧光图像可以获得细胞免疫信息,用于辅助研究和医疗诊断。视觉上图像前景荧光区域和背景之间存在明显的颜色差异,在CIE（L^＊,a^＊,b^＊）均匀颜色空间中利用该颜色差异给出了一种像素生长算法用于获取荧光区域。在区域提取的基础上,根据同一细胞不同区域之间的相关性初步识别细胞并计数。     

多颜色空间上的交互式图像分割

介绍了视觉颜色空间及其在交互式图像分割中的作用,实验分析了它的奇异性,在此基础上,考虑像素的空间和色彩分布,提出了基于区域生长法的多颜色空间、多度量准则的聚类算法和零碎区域的合并算法,颜色空间选取HSL和RGB两种,相似性度量包括了种子点、扩张点和生长区域三个方面,并用于敦煌壁画图像的分割。     

基于颜色和纹理的皮肤检测方法

提出一种新的基于颜色和纹理特征的皮肤检测方法,应用JSEG算法将图像分割成任意形状的相似图像区域集,然后从中提取颜色特征和纹理特征,最后应用高斯混合模型（Gaussian Mixture Model,GMM）,并根据一定的判断准则（综合考虑颜色特征和纹理特征）进行皮肤和非皮肤区域分类．     

基于颜色差分直方图的图像序列目标检测和跟踪方法

视频监控系统中,需要提取感兴趣的目标并进行稳定跟踪。而环境和光线的变化,导致目标提取和分割困难,进而无法对感兴趣目标进行有效跟踪。为了能够有效分割目标,提出了一种鲁棒的颜色差分直方图方法。首先对图像序列进行感兴趣区域分割;然后在感兴趣区域中检测目标;采用粒子滤波对检测出的运动目标进行跟踪。实验结果证明,颜色差分直方图法能够有效提取目标,算法运行速度满足实时性要求。     

基于多特征融合半自动岩心图像颗粒提取

基于最大相似度的区域合并算法是一种半自动的图像处理方式,可根据用户提供的交互信息,利用图像特征作为区域相似度进行准确的目标提取。但传统的MSRM算法计算量大,使用单一的图像特征使得分割不够精确。针对这些问题,文章对MSRM算法进行改进,提出一种基于多特征的区域最大相似度图像分割算法,并采用矩阵变换算法来降低计算量。该方法使用超像素图像作为分割基础,首先计算图像相邻区域纹理和颜色特征相似度,并使用矩阵变换算法降低颜色特征矢量维度,然后计算两种特征的权重,最后根据综合后的相似度对图像进行区域合并,得到最终的颗粒提取结果。实验结果表明,该方法可以有效提取颗粒的轮廓,提取的轮廓边缘细节较传统MSRM算法更优,算法执行效率也得到了提高。     

一种融合颜色和空间信息的区域生长算法

该文提出了一种基于图像颜色和局部空间信息的种子区域生长算法,并用于彩色图像分割。该算法首先根据相对欧式距离使用均值聚类算法对图像进行颜色量化,形成图像的初始分割结果,然后通过计算局部颜色散度,进行分级区域合并,最后,利用形态学相关算法对分割区域的边缘进行平滑。实验表明,该算法能得到与人类视觉判断相一致的有意义区域的分割。     

基于颜色特征的宽基线图像的点匹配算法

本文通过Harris算法提取角点,利用Fourier—Mellin变换估计图像大致的旋转、尺寸和平移参数．计算粗匹配点集,以粗匹配点为中心划定一小块区域,然后利用颜色特征具有旋转和尺寸不变的特性,对图像块的颜色矩进行匹配,从而得到精确的点对应关系。实验表明本算法在图像间有较大差别时能够较为准确地实现特征点的匹配。     

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。