一种改进的基于小波去噪和区域生长的彩色图像分割算法

彩色图像分割是彩色图像处理中的重要问题。传统的彩色图像分割都是基于灰度分割算法,而忽略了彩色的空间域视觉效果及噪声污染问题。文章提出一种新的基于小波去噪和种子区域生长的一种改进方法：首先,应用小波去噪技术,强化图像边缘特征,抑制噪声,提高原始图像的信噪比;其次,将RGB彩色图像转化到HIS空间进行边缘检测,对图像进行抖动处理以减少彩色图像中的颜色数目,然后对不同分量进行序列阀值分割;最后对分割结果再进行一种新的基于区域生长的颜色相似性的聚合。仿真结果表明该算法更加符合人眼的视觉特性。     

在均匀颜色空间中实现彩色图像的颜色量化

颜色量化是将原有图像中的多种颜色根据人的视觉效果归类为较少的颜色,从而用这些较少种类的颜色重新生成一幅新的图像,使量化后的图像与原图像的差别即量化误差最小.采用了将RGB非均匀颜色空间变换到L^*a^*b^*为基准的均匀颜色空间的方法,在L^*a^*b^*均匀颜色空间中对彩色图像进行颜色量化,从而解决了量化误差相对人眼不均匀的问题.首先将彩色图像的像素数据保存在单链表中,然后对链表进行扫描,并把本次扫描得到的色差最小的两个节点合并成一个新的节点.经过足够的动态运算后可得到量化处理后的图像调色板.实验结果表明,本方法具有普遍性、唯一性,可以减小量化误差,提高颜色量化的准确性.     

基于改进K-means聚类的木材缺陷彩色图像分割算法研究

为实现木材缺陷图像的准确分割,研究了在RGB色彩空间使用K-means聚类算法进行木材缺陷图像的分割方法,针对K—means聚类算法图像分割的不足之处,并提出了一种改进方案。在改进算法中,加入对图像像素点的邻域处理,根据邻域特性适时调整原图像,充分利用图像像素的区域特征,以此来抑制一些局部噪声。实验结果表明,改进算法不仅能够滤除较多的干扰信息,而且能更好的拟合分割边界,改善图像的分割效果。     

基于色彩感知的无参考图像质量评价

图像发生失真会改变RGB色彩空间的颜色特征、各色彩分量的亮度分布及其间的相关性,基于此,提出了一种新的无参考图像质量评价方法。首先,标准化6种颜色系数以消除光照环境变化对RGB模型的影响,并利用各颜色系数的拟合广义高斯分布模型(GGD)的形状参数作为颜色统计特征;其次,分别计算各色彩分量的均值减损对比归一化(MSCN)系数及其邻域系数间的互信息,利用互信息作为统计特征来描述其各分量间的相关性;进而,利用人眼更为敏感的G分量MSCN系数的拟合GGD模型参数及其4方向邻域MSCN系数的拟合非对称广义高斯分布模型(AGGD)参数作为亮度统计特征;最后,分别利用支持向量回归机(SVR)和支持向量分类机(SVC)构建无参考图像质量评价模型和图像失真类型识别模型,并在LIVE等数据库上进行了算法与差异平均意见分(DMOS)的相关性、模型的鲁棒性等方面的实验。实验结果表明,本文方法的评价结果与人类主观评价具有高度的一致性;而且图像失真类型识别模型的识别准确率也高达到93.59%,明显高于当今主流无参考图像质量评价方法。     

基于 HSV 色彩空间的改进红外与可见光图像融合算法研究

为了增强红外与可见光图像融合的目标信息、环境信息以及图像的人眼辨识度,提出 2 种基于 HSV 色彩空间的红外与可见光图像融合算法。每种算法首先将 RGB 和可见光图像分别转为 HSV 图像,并将 H 、 S 和 V 三通道分离,然后对于红外与可见光的 H 、 S 和 V 通道建立合适的数学模型相互映射融合,再将新的 HSV 图像转换到 RGB 图像。结果表明,所提的融合方法相较于传统空间域的处理方法,拥有更加明亮的目标信息、环境信息和视觉效果。     

Six-color segmentation of multicolor images in the infection studies of Listeria monocytogenes

Multiple immunofluorescent staining is a powerful strategy for visualizing the spatial and temporal relationship between antigens, cell populations, and tissue components in histological sections. To segment different cell populations from the multicolor image generated by immunostaining based on color addition theory, a systems approach is proposed for automatic segmentation of six colors. After image acquisition and processing, images are automatically segmented with the proposed approach and six-pseudo channels for individual or colocalized fluorescent dye are generated to distinguish different cell types. The principle of this approach is the classification of each pixel into one of six colors (red, green, blue, yellow, magenta, and cyan) by choosing the minimal angular deviation between the RGB vector of the given pixel and six classically defined edge vectors. In the present infection studies of Listeria monocytogenes, the new multicolor staining methods based on the color addition were applied and the proposed color segmentation was performed for multicolor analysis. Multicolor analysis was accomplished to study the migration and interaction of Listeria and different cell subpopulations such as CD4CD25 double positive T regulatory cells; we also visualized simultaneously the B cells, T cells, dendritic cells, macrophages, and Listeria in another experiment. After Listeria infection, ERTR9 macrophages and dendritic cells formed cluster with Listeria in the infection loci. The principle of color addition and the systems approach for segmentation may be widely applicable in infection and immunity studies requiring multicolor imaging and analysis. This approach can also be applied for image analysis in the multicolor in vivo imaging, multicolor FISH or karyotyping or other studies requiring multicolor analysis.     

复杂光照下的两步法颜色恒常性算法

根据视觉信息处理的分模块性原理,给出了一种新颖的两步法颜色恒常彩色图像增强算法。首先利用边缘附近像素估计原图像偏色信息,白平衡对偏色图像进行偏色纠正。然后根据RGB颜色空间三分量颜色相关性特点,通过获取亮度增益曲面对彩色图像的RGB三分量进行同比增强得到最终的彩色图像同时保持颜色不变。该算法克服了传统颜色恒常性的不适定问题,实验结果表明该算法对于存在偏色、低照度等复杂光照下的图像均能较好的保持颜色的恒常性,同时能有效提升图像的亮度信息。     

基于RGB颜色信息聚类的光谱反射率重建

针对光谱反射率研究中因训练样本数据量大造成的冗杂等问题,提出了一种基于RGB信息进行聚类的样本分类方法。首先对颜色进行聚类并确定聚类个数,后对每一类光谱反射率使用BP神经网络分别进行重建。对于实验结果,使用ΔE00、均方根误差（RMSE）以及适应度系数等标准进行评价,同时与主成分分析算法进行对比。从实验分析可得出,在聚类数目为7时光谱反射率重建效果最好,这时的平均CIE2000的色差为0.836,平均RMSE为0.014 9,平均适应度系数为99.82%,并且,在最后对重建色差较大的色块进行了优化处理。实验证明,颜色聚类方法可以很好的应用于光谱反射率重建。     

Effective color correction method employing HSV color model

This paper suggests a new algorithm to solve problems of the current retinex algorithm such as distortion of grey out and color noise due to the individual treatment of RGB channel and log function,and halo effect occurred by use of the Gaussian filter.The current retinex algorithm treats each channel in RGB space that brings a phenomenon to change the rate of RGB.To improve this phenomenon,the color information was fixed in the HSV color space,and retinex treatment was conducted against the V value,a luminance feature.Linear treatment was carried out to remove color noise occurred by the use of log function.S value,a saturation value was compensated in proportion to the change of V value in luminance to obtain a clearer image.The proposed algorithm was evaluated against the landscape images that had strong backlit phenomena,and it is proved to have a better performance than the current retinex algorithm,multiscale retinex with cdor restoration(MSRCR).     

特征保持点云数据精简

由于三维扫描设备采集的点云数据庞大,本文提出了一种特征保持的点云精简方法以在减少冗余数据的同时更好地保持原始曲面的几何特征。首先,利用K均值聚类法在空间域对点云全局聚类,对点云构建K-d树并以K-d树的部分节点作为初始化聚类中心。然后,用主成分分析法估计点云法矢和候选特征点,遍历每个聚类,若类中包含特征点则将该类细分为多个子类,细分时将聚类映射到高斯球。最后,基于自适应均值漂移法对高斯球上的数据进行分类,高斯球上的聚类结果对应为空间聚类细分结果,各聚类中心的集合为精简结果。以多个实物模型为例验证了算法的有效性。结果表明,本文方法精简的点云在平坦区域保留少数点,在高曲率区域保留更多的点。相比于非均匀网格、层次聚类、K均值点云精简法,该方法对包含尖锐特征的曲面精简误差最小,更好地保留了原始曲面的几何特征。     

改进的高斯肤色模型及其在人脸检测中的应用

针对传统高斯肤色模型在肤色和光照变化较大情况下不能有效提取肤色区域的问题,提出一种改进的高斯肤色模型,并将其应用于人脸检测中。模型参数采用一种自适应更新的参数选择方法,通过对相似度人脸和灰度人脸在对应像素点加权相乘的方式,得到将肤色相似度信息和灰度分布信息有效结合的人脸肤色模型,并结合Adaboost算法设计了人脸检测方法。在FERET(facial recognition technology database)、LFW(labeled faces in the wild)、GTFD(Georgia Tech face database)和多人脸图库上的实验结果表明,该模型的肤色提取正确率比传统高斯肤色模型提高了27.1%,提出的人脸检测方法的检测率比Adaboost算法提高了5.5%。     

Generating selected color using RGB,auxiliary lights,and simplex search

A mixed light source generates various colors with the potential to adjust the intensities of multiple LEDs, which makes it possible to generate arbitrary colors. Currently, PCs and OSs provide color selection windows that can obtain the red, green, and blue (RGB) or hue, saturation, and lightness (HSL) color coordinates of a user’s selection. Mixed light sources are usually composed of primary-colored LEDs with LEDs in auxiliary colors such as white and yellow used in a few cases. The number of LED inputs and the dimming levels are greater than the number of elements in the color coordinate when using auxiliary-colored LEDs, which causes an under-determined problem. This study proposes a method to determine the dimming levels of LEDs based on a simplex search method (SSM). Commercial LEDs have different optical power values and impure color elements, even if they are RGB. Hence, the characteristics of the LEDs were described using a linear model derived from the tri-stimulus values (an XYZ color coordinate model) and dimming levels. Color mixing models were derived for an arbitrary number of auxiliary-colored LEDs. The under-determined problem was solved using an SSM without an inverse matrix operation. The proposed method can be applied to a machine vision system and an RGBW light mixer for semiconductor inspection. The dimming levels, obtained using the proposed method showed better optical responses than those derived using other methods.     

基于单目视觉的移动机器人跟随

针对室外环境下移动机器人基于单目视觉对目标人实时跟随问题进行了研究,提出通过均值漂移算法对像平面目标的跟踪来实现目标定位。为了补偿摄像机运动造成目标在像平面的偏移,提出了以卡尔曼滤波器的估计值作为均值漂移算法的启动点,然后利用均值漂移算法获得最终位置;为了估计单目视觉下目标与机器人之间的距离,提出了一种借助于主颜色描述子和形状直方图的间接景深计算方法。室外实验表明该算法具有很好的实时性和鲁棒性,能有效实现复杂室外环境下对人的跟随。     

一种结合SVM的颜色识别系统研究

针对SVM算法能够克服＂维数灾难＂和＂过学习＂等困难特点,进行结合SVM的颜色识别系统研究。采用数字集成颜色传感器TCS230构成的颜色检测电路,采集目标物的RGB频率值与标准值匹配,构建SVM进行Matlab仿真,利用SVM模式识别处理输入向量,将输出结果利用CIE色差标准聚类计算,得出目标物色彩与8种常规色彩的色差,然后按照色差最小原则进行分类。设计上位机软件,试验系统的可用性,评判标准人对色彩的心理感受。实验结果分析得出,系统具有很好的可行性,完全能够达到现实应用的要求,具有广阔的应用前景。     

彩色打印机色空间变换的色度密度方法

提出了一种用于彩色打印机色空间变换的方法.基于输出色彩单色色度特性与数字驱动值以及复色与单色色度特性之间存在着一维和三维的特征关系,通过色度密度的概念及神经网络方法将此特征关系定量化,由此建立了输出色度色空间与输入数字色空间之间的变换关系.采用729组训练数据的实验结果表明,该色度密度方法达到的变换精度高于一些直接建立输出输入关系的方法.喷墨打印系统的实验结果表明,输出CIELAB色度平均和最大色差分别为3.18和16.0;260组泛化测试CIELAB色度平均和最大色差分别为4.00和16.8.     

一种基于核的聚类色彩量化算法

针对K-均值聚类在色彩量化中的应用,提出了一种基于核的聚类色彩量化算法.将原空间中待聚类的样本通过非线性映射,映射到一个高维的核空间中,从而将非线性问题变为线性问题,并通过Delphi编程加以实现.实验结果证明,该算法计算简单,鲁棒性强,具有一定的实用价值.     

足球机器人视觉系统目标识别算法的改进

介绍了国内外足球机器人视觉系统中目标识别算法的发展现状,讨论了视觉子系统中的目标识别问题,采用了一种将颜色信息从RGB空间映射到HIS空间的快速变换方法,并以此为依据采用颜色阈值法和顺序网格与种子点生长相结合的目标搜索方法确定场上的目标,进一步提高了足球机器人视觉系统的实时性.     

融合对比度和分布性的图像显著性区域检测

单独基于对比度的显著性检测方法由于忽略了特征的空间分布,且只在RGB空间或LAB空间下单独进行计算,故实验结果不理想。本文提出了结合RGB和LAB两种特征空间并融合了对比度和分布性的图像显著性区域检测算法。该算法首先提取图像分块在RGB空间和LAB空间下的原始特征并进行组合,在主成分分析（PCA）降维的基础上自动选择有效特征;然后计算图像分块的对比度和分布性,融合对比度特征和分布性特征实现对原始图像的显著性区域提取。实验结果显示,本文算法的平均准确率为0.821 7,平均召回率为0.692 5,综合指标F值达0.787 8。计算的显著性区域的效果比在RGB空间或LAB空间下单独基于对比度的计算方法有明显改善,相比其他检测方法更加准确,符合人眼的观测结果,均匀突出了显著性区域。     

基于颜色空间转换的交通图像增强算法

针对恶劣天气场景中交通图像常见的降质严重、模糊不清和对比度低等问题,提出一种基于颜色空间转换的交通图像增强算法。该算法首先在RGB颜色空间中对R、G、B 3个颜色通道的图像进行对比度拉伸操作,然后将图像由RGB颜色空间转换到HSV颜色空间,在HSV颜色空间中对V分量进行对比度受限自适应直方图均衡化操作,最后将图像从HSV颜色空间转换回RGB颜色空间得到最终的增强图像。实验结果表明:该方法与其他几种著名的增强算法相比,能获得更为理想的增强效果。     

基于概率神经网络的尿样颜色识别

基于概率神经网络,提出一种与尿液反应后尿试纸的颜色识别方法。针对颜色色空间转换的非线性复杂关系,获取标准阈值颜色色度值,进行归一化处理后,建立基于概率神经网络的尿样颜色识别模型。实验结果表明,用概率神经网络进行尿样颜色识别是可行而有效的。与颜色色差评价方法作比较,该方法无须进行色空间转换,只利用设备原有RGB颜色空间的RGB值即可实现,更易于操作。