基于L*a*b*空间颜色信息度量的边缘检测

对L*a*b*空间进行分析,提出了一种基于颜色信息度量的边缘检测算法.通过在L*a*b*空间中构造立方体,根据体积变化定义各像素点的颜色信息度量,作为确定各像素点是否为彩色图像的边缘点的判据.该方法综合利用了彩色图像的明度和色度信息,将向量空间的计算以自然的方式转换成了标量的计算.实验证明,与传统的方法相比较,能快速有效地检测出图像的边缘.     

分数阶微分的CIE L*a*b*颜色空间边缘检测

由于分数阶微积分在细节加强处理方面具有良好的性能,其在边缘检测中的应用正在逐渐增多.目前用分数阶微积分进行边缘检测的研究中大多在RGB空间中进行,但由于RGB颜色空间中亮度信息和色度信息不能相互分离,在其中进行边缘提取不能综合得到亮度边缘和色度边缘,所以分数阶微积分在其他亮度信息和色度信息分开的颜色空间中的应用研究具有一定的理论意义和实际价值.为了综合利用图像的颜色信息,在CIE L*a*b*颜色空间中利用分数阶微分进行边缘检测.相比于直接在RGB颜色空间中得到的边缘,本文方法提取到的图像边缘更符合人眼的视觉感知,边缘的连续性以及抗干扰性也更好.通过与其他经典算法的对比分析表明,本文方法存在明显的优势.     

基于L*a*b*彩色空间和局域动态阈值的药用植物叶片图像分割

叶片图像分割是自动化分类的先决步骤。提出一种基于L*a*b*彩色空间和局域动态阈值的叶片图像分割方法。该方法首先把叶片的RGB图像转换为L*a*b*图像;然后针对b*通道图像,估算出目标叶片所在的局部矩形范围;在此范围内,统计获得像素值分布直方图;最后利用最大类间方差阈值分割法,先算出局部矩形范围内的阈值继而进行全图的分割。实验结果表明:该方法对已采集的叶片图像,包括颜色偏暗的叶片的图像,均具有良好的分割效果。由于锁定目标叶片所处的局部矩形范围,找到了适应于目标叶片分割的阈值,从而更好地实现了南天竺等叶片图像的分割。此外,分割过程不包含数学形态学的开闭运算,使得叶片边缘的细节得以完整保留。     

结合L~*a~*b~*彩色空间改进的Graph-Based图像分割方法

针对Graph-Based方法容易出现欠合并现象的不足,结合L*a*b*颜色空间,提出一种改进的Graph-Based图像分割方法。该方法首先将图像由RGB空间转换到L*a*b*颜色空间,接着将每个像素作为节点构造带权无向图,相邻节点之间的欧氏距离作为图的权值,表征相邻像素间的颜色差异;同时,引入一个常数s用于控制颜色差异程度。实验证明,该方法效率高,分割效果良好。     

一种基于彩色图像边缘检测的道路检测方法

针对非结构化道路的特点,提出了一种基于色度差的边缘检测算法。算法将原始图像的RGB颜色空间转化为L*a*b*颜色空间,利用L*a*b*颜色空间中明度与色度分离的特点,通过对色度差的信息融合提取图像道路边缘,排除了大面积阴影、水渍对真实道路边界的干扰,有效地提高了道路识别的准确性。通过Hough变换提取出图像边缘得到道路边缘信息。实验表明,该算法的优点在于对道路形状不敏感,需要先验知识少,能够很好地过滤道路中存在的水渍、阴影等干扰。     

结合纹理特征改进的GBIS图像分割方法

针对GBIS(efficient graph-based image segmentation)方法在分割含有较丰富纹理信息的图像时, 分割效果不理想的问题, 在L*a*b*彩色空间下, 结合图像的纹理特征, 提出了一种改进GBIS图像分割方法, 记为IGBIS(improved efficient graph-based image segmentation)。该方法首先将图像由RGB空间转换到L*a*b*颜色空间; 接着, 结合L*a*b*彩色空间, 对GBIS方法中的权值函数作了改进, 引入了一个常数s, 用于控制相邻像素之间颜色的差异程度; 然后, 用熵的方法来获取L*a*b*彩色图像的纹理特征; 最后, 结合图像的纹理信息, 改变了GBIS方法中的区域合并条件, 得到最终的分割结果。实验证明, 与原算法相比, 该方法在分割精度与分割质量上有了很大程度的提高。IGBIS有效地抑制了彩色图像在分割中存在的过分割现象, 并适合于含有丰富纹理的彩色图像。     

一种基于色差的Canny边缘检测算子

为了更加清晰准确地检测出彩色图像的边缘, 提出了一种改进的Canny边缘检测方法, 将彩色图像从RGB颜色空间转换到颜色均匀的L*a*b*空间, 用色差Canny算子来计算彩色图像的色差和色差方向. 彩色直线和曲线道路图像的边缘检测效果证明了改进算子的有效性.     

CMYK到L*a*b*色彩空间转换的研究

为了满足色彩复制一致性和预期性要求,寻找一种精确实用的L*a*b*与CMYK转换方法尤为重要。本文利用数理统计的二元线性回归方法在建立CMY到L*a*b*的转换模型的基础上,验证了网点呈色平面规律同样适用四色印刷,并通过最小二乘及数值分析的方法拟和各四色平面方程系数建立了CMYK到L*a*b*转换模型。随后对模型进行精度验证并修正,分析误差产生的原因,最终得到比较精确的模型。     

基于均匀颜色空间的木材分类研究

木材材色在各种颜色空间中的分布范围都比较窄,而利用CIEl976L*a*b*均匀颜色空间的等距性和色差高分辨力的特点可以很好地对其进行测量与辨别.在l*a*b*颜色空间中,提取了东北常见的5种树种的径切和弦切木材图像的颜色特征,然后采用模拟退火算法对这些特征进行了选择,并结合BP神经网络和k-近邻两种分类方法进行了仿真试验,得到了满意的分类结果.     

基于对比度信息的彩色图像分割

该文提出了一种基于对比度信息的彩色图像分割算法。文中不用一般的导矢信息而用对比度信息对彩色图像进行边缘提取。为了符合人的视觉特性,使用了CIEL*a*b*彩色空间,并用色差ΔEab作为彩色对比度的测量方法。该文提出的彩色图像分割方法合理、可靠,仿真结果表明了该方法的优越性。     

基于蕴涵算子族L-λ-R0的模糊推理α-三I约束算法

提出了基于蕴涵算子族L-λ-R₀的模糊推理的思想,这将有助于提高推理结果的可靠性。针对蕴涵算子族L-λ-R₀给出了模糊推理的FMP模型及FMT模型的α-三I约束算法。     

参数LP系统的三I算法与α-三I算法

给出了连续三角模族T_(p-L)及其伴随蕴涵算子族R_(p-L)的定义,并且给出了逻辑系统LP的定义;证明了逻辑系统LP与逻辑系统L的等价性,在此基础上给出了基于蕴涵算子族R_(p-L)的三I算法与α-三I算法。     

解释模型类理论及其极小三I-算法

首先在多类（many-sorted）一阶形式系统Lukms、Gödms,∏ms和L^*ms中通过引入多类一阶模糊语言Lms的解释模型类及基于解释模型类的α-逻辑有效公式的概念,建立了多类一阶模糊语言的解释模型类理论;然后,基于上述理论探讨了模糊推理算法（CRI及三I算法）与其理论Г-推理的关系,从而进一步奠定了模糊推理的理论基础,同时得到一种新型的模糊推理算法,称为极小三I算法。     

三值乘积逻辑系统Π3中的随机化研究

利用赋值集的随机化方法,在三值乘积逻辑∏₃提出了公式的随机真度,证明了所有公式的随机真度之集在[0,1]中没有孤立点;给出了两公式间的D_∏3-相似度与伪距离的概念,并建立了D_∏3-逻辑度量空间,证明了此空间没有孤立点。     

基于蕴涵算子L-λ-0-λ-G的模糊推理的三I算法

研究了基于蕴涵算子L-λ-0-λ-G模糊推理的FMP三I支持算法,给出了FMP模型和FMT模型的三I算法的计算公式。     

基于含参数蕴涵算子族L-λ -R0的三I支持算法 ——仅就FMP模型进行讨论

提出了基于蕴涵算子族L-λ-R₀的模糊推理的思想,这将有助于提高推理结果的可靠性。针对蕴涵算子族L-λ-R₀给出了模糊推理的FMP模型的三I支持算法、α-三I支持算法。     

基于蕴涵算子族的模糊推理的FMP三I约束算法

提出了基于蕴涵算子族L-λ-R₀的模糊推理的思想,这将有助于提高推理结果的可靠性。针对蕴涵算子族L-λ-R₀给出了模糊推理的FMP模型的α-三I约束算法、三I约束算法,并说明其现实意义。     

基于蕴涵算子族L-λ-R_0的模糊推理FMT三Ⅰ算法

提出了基于蕴涵算子族L-λ-R0的模糊推理的思想,这将有助于提高推理结果的可靠性。针对蕴涵算子族L-λ-R0已给出的FMP模型[1]的三Ⅰ支持算法、α-三Ⅰ支持算法进一步给出了模糊推理的FMT模型的三Ⅰ支持算法、α-三Ⅰ支持算法。     

基于蕴涵算子族L-λ-G的反向三I约束算法

提出了基于蕴涵算子族L-λ-G的模糊推理的思想,这将有助于提高推理结果的可靠性。针对蕴涵算子族L-λ-G给出了模糊推理的FMP模型及FMT模型的反向三I约束算法、α-反向三I约束算法。