彩色人体图像的二值化方法

为了快速有效的对彩色人体图像进行二值化处理,提出了一种新的自适应二值化处理方法.该方法根据人体肤色特征,建立人体肤色模型;根据该模型,分割出肤色和非肤色,再直接转换成二值图像.由于人体肤色受到不同光照和环境的影响,人体彩色图像中的人体肤色值会有偏移.为了改善肤色模型适应不同环境和光照,在肤色分割过程中,采用了自适应Gamma校正方法.最后,给出了该方法的实验结果.实验结果表明,提出的彩色人体图像的二值化方法快速且有效.     

基于白平衡算法的图像色度学分割

受外界光照环境的影响,采集得到的图像存在色彩偏移的问题.为此,利用白平衡算法对其进行校正.按图像特性调整红、绿、蓝三色的强度,以修正外部光线所造成的误差.采用色度学的图像处理方法,使检测结果更稳健.对二值图像做边界跟踪处理,并使用直方图进行分割.实验结果表明,该方法的分割准确率较高.     

一种有效的车道线识别与偏道预警方法

室外自然光照条件下进行车道线检测时,光照强度和视野角度变化常常会对识别的结果产生较大影响.为此提出了一种基于自适应视频源参数调解的车道线实时检测方法.该方法通过实时动态调解视频源参数(白平衡、Gamma值)等适应室外光照环境.采用Adaboost算法训练分类器获得感兴趣车道线区域图像,有效地缩小了图像处理范围,减少了运...     

多重光照色差下图像平滑美化处理算法

夜间多重光照下采集的图像存在色差,采用白平衡偏差补偿方法实现夜间多重光照下图像的平滑美化处理,以提高图像的成像质量。传统的图像平滑算法采用循环跟踪像素点特征提取算法,出现白平衡偏差时图像的色差补偿效果不好。提出一种基于白平衡偏差补偿的夜间多重光照下的色差图像平滑算法。首先进行图像特征采集和自适应均衡预处理,对夜间多重光照下的色差图像进行白平衡偏差补偿,然后采用图像盲去卷积算法进行图像平滑,通过目标特征模型在空间上的相似度函数来确定图像光照色差的特征权值,沿梯度方向求得图像边缘信息,再通过特征聚类对夜间多重光照色差图像自动划分目标空间,最大程度地对夜间多重光照下的色差图像的细节特征进行平滑美化。仿真结果表明,采用该算法进行白平衡偏差补偿的夜间多重光照色差下的图像平滑美化处理方法具有较好的图像平滑性能,计算开销较小,图像的细节特征平滑效果最佳,其优于传统算法。     

一种基于灰度世界模型自动白平衡方法

在数码图片的处理中,白平衡用来进行各种色温下的颜色修正重现,而传统白平衡方法本身存在某些情况下不能正确重现真实色彩.基于灰度世界模型（Grey World Model）的自动白平衡方法可以在很大程度上弥补这些算法的缺陷,从而得到预期中的更为“真实”的图像.这种白平衡方法是在传统理论和灰度世界模型假设基础上的一种算法,在实际算法中根据摄入图像及其拍摄场景的不同选用不同的白平衡统计区域以及对蓝色白平衡乘法系数进行了调整.在实验中,利用获得的原始数据进行计算机仿真处理,得到了理想的结果.该白平衡算法改善了传统算法,获得的图像更为真实,可以广泛应用于数字图像产品中.     

基于可识别物体进行白平衡处理的原理及实验分析

分析了数码相机等数字图像采集设备中的色彩空间转换和白平衡处理的方法.证明了实现白平衡的图像中,所有物体颜色的色差值唯一确定这一结论,并且提出实现图像白平衡可以用非色非纯色物体为参照物进行处理的论点.以此为基础,给出了以人脸作为可识别参照物进行自动白平衡处理的实验,与传统方法进行比较.最后,本文给出了适合黄色人种的人脸肤色参数及应用.     

白平衡研究及其在ARM9上的实现

在不同色温下,机器拍摄的图片会产生色彩偏移,本文针对色彩偏移研究了几种白平衡处理方法,并在ARM9上进行了实现.     

一种改进的自适应肤色检测算法

针对Hsu R L的肤色检测方法的不足，提出了一种改进的自适应肤色检测算法。用白平衡算法取代了Hsu R L的光线补偿方法，从而较好地解决了由光照引起的图像彩色偏移，使得检测结果更加稳健。在Hsu R L的统计模型的基础上，提出了一种自适应检测算法，该算法根据肤色值在非线性变换后的色度空间的二维直方图分布，自动确定肤色模型的位置，从而能更加准确地描述肤色在一幅图像中的分布情况。并将该算法用于彩色视频图像中的人脸检测，实验结果表明，该算法比Hsu R L的方法更能取得满意的检测效果。     

指纹图像二值化处理方法*

提出了一种新的带阻滤波二值化处理方法.首先,用带阻滤波和高斯低通滤波算法分别处理原始图像;然后,在高斯低通滤波图像中,用区域增长方法提取指纹的轮廓;最后,用轮廓线对带阻滤波指纹图像进行背景填充,把二值化处理限定在纹线区域内.通过实验证明,提出的二值化处理方法可以有效解决二值化处理方法中指纹的特征点丢失问题.     

一种快速响应码的图像二值化方法

采集到的QR码图像首先需要转换为二值图像然后译码识别,但是在使用摄像头采集QR码图像中存在光照不均和反光等现象,经过全局二值化处理后会有全白或全黑的区域,而经过局部二值化处理会有"伪边界",并且计算量大导致耗时长.本文提出一种联合阈值二值化方法,首先对QR码图像采用全局二值化方法,然后利用QR码图像特征找到光照不均或反光的区域,并对该区域采用一种嵌套式的局部二值化方法,这种方法提高了准确率,减少了计算时间并且防止"伪边界"的产生.将最后结果和几种常用的二值化算法比较,实验结果表明:使用该方法可以明显提高QR码识别的效率和准确率.