色彩聚类在车牌颜色识别中的研究与应用

彩色图像中的色彩聚类和识别在机器视觉环境中的理解、自动化生产过程的导引、交通标志的自动识别等方面有着非常重要的作用。研究的色彩聚类和识别是“车辆牌照自动识别系统”的一个重要部分——车牌颜色识别。论文提出并实现了一种基于特定色彩空间,利用不同颜色的特征值进行色彩聚类和识别的方法。论文事实依据充分,以大量不同背景和不同光照条件下的彩色车牌作为实验数据进行分析、研究,提出了一种有效的、稳健的色彩聚类和识别的方法。     

基于边缘颜色聚类和神经网络的车牌类型识别

汽车牌照自动识别系统是实现智能化道路车辆监控的基础,而车牌类型的识别率是车牌识别系统中重要的技术指标之一。提出了一种基于聚类和神经网络车牌类型识别算法。首先进行车牌的倾斜校正,其次提取车牌的有效区域,最后应用K-means边缘颜色聚类和两级BP神经网络进行车牌类型的识别。对各种条件下采集的500幅车牌图像进行实验,识别率在99%以上。实验结果表明,该算法对光照变化和噪声具有很好的鲁棒性。     

基于车体对称及颜色聚类的车牌自动定位方法*

对车牌区域的准确定位是实现自动车牌识别的一个关键问题。提出了一种综合考虑车体对称特性以及采用颜色聚类的高效车牌定位算法。该算法首先对待分析图像所属的场景进行识别,自动将图像分类为白天场景类或夜晚场景类;然后针对不同场景图像使用不同的车牌定位方案进行处理。对夜间场景中的车牌采用二次定位法,而对白天场景中的车牌采用结合车体对称轴定位并考虑车牌区域文本特征的方法。实验结果显示,该方法对图像场景分类以及车牌定位的总体准确率都达到了95.7%。     

基于边缘颜色信息的车牌定位算法

车辆牌照的自动识别是智能交通系统中的一项重要技术,而车辆牌照的定位又是车牌识别的关键点之一.提出了一种基于边缘颜色点对与扫描线相结合的车牌定位方法.首先进行彩色边缘检测,然后以每一边缘点为中心,垂直于边缘方向取一条线段,在线段内检测边缘点两侧像素的颜色是否分别匹配车牌的底色与字符颜色,若是,则保留为候选车牌边缘点;通过扫描线搜索定位并分割出车牌区域.方法抓住了车牌背景与字符具有固定颜色搭配的重要特点,综合利用了车牌的结构特征和纹理特征,提高了车牌定位的可靠性.实验结果表明,算法能够实现车牌的快速精确定位.     

基于神经网络和颜色特征的车牌字符分割方法

论文提出了一种基于神经网络和颜色特征的车牌字符分割方法。在颜色空间中利用树型判决结构,首先由亮度信息识别出车牌区域中的白色、黑色像素,然后利用网络对车牌区域中的蓝、红、黄色以及其他颜色进行识别。根据车牌的颜色特征,在判断出车牌的类型后,对车牌区域进行二值化处理。去除车牌边框和柳钉后,综合利用投影法和字符的连通性来分割车牌字符。实验结果表明,该方法是有效的。     

复杂背景中基于纹理和颜色的车牌定位研究

提出一种将车牌纹理和颜色相结合的车牌定位方法,即基于纹理粗定位得到车牌候选区域后,运用改进的自主确定聚类数和聚类中心的RGB空间k-means聚类算法,而不是定义颜色范围来分割车牌。该方法的优越性在于首先利用纹理排除了颜色干扰区域,其次利用颜色聚类去除了纹理干扰区域,又克服了量化定义颜色适应性不强、稳定性差的缺点。实验表明,该方法可以准确定位复杂背景中任意方向和不同光照下的车牌,具有很强的稳定性和鲁棒性。     

基于车牌色彩变化特征的车牌定位方法*

针对复杂背景下的车牌定位问题,提出了一种基于车牌色彩变化特征的车牌定位方法。该定位方法将RGB彩色空间中的车牌图像转换到HSV彩色空间中进行颜色识别,分割出车牌底色及字符颜色相对应的颜色区域,同时通过边缘提取、二值化处理、与运算找到对应颜色边缘特征点,最后经纹理分析来定位车牌。     

应用色彩空间聚类方法实现道路建模

通过图像对交通事故进行识别、处理,需要将卷入交通事故的车辆等目标从交通事故场景图像中分离出来,因此建立准确的道路模型十分重要.传统的道路建模方法大都基于灰度空间,忽略了图像中的彩色信息,不适合复杂的交通环境.针对道路像素分布的非参数化特点和后续处理中对彩色信息的需求,提出一种基于色彩空间聚类的非参数化道路模型,将道路模型的建立抽象为时间轴上的色彩空间聚类过程.根据颜色变化理论,设置聚类区间为RGB颜色空间中以聚类中心和原点连线为轴的圆柱体,并通过聚类中心特征值的不同自适应来调整聚类半径.同时,对于每个像素位置,根据场景复杂程度和变化频率的不同自适应地选取聚类中心数目,获得较为准确的背景模型,在提高检测精度的同时也保证了检测效率.     

自然复杂环境中基于颜色的多车牌定位研究

为解决自然复杂环境中车牌的定位和识别问题,提出了一个结合车牌颜色特征、灰度特征、几何形状特征的通用车牌定位方法,并首先根据中国车牌的颜色特征,提出了一种基于距离的颜色分类方法,解决了颜色分类的基本难题;然后采用行扫描及线段分析的方法得到车牌底色所在的矩形区域;最后将可能的车牌区域统一转换成底色为黑色,字符颜色为白色的二值图像,再利用灰度特征进行验证,并分割出车牌区域.采用自然复杂环境中拍摄的图像对新方法进行验证的实验表明,与其他方法相比,新方法可在一定限度内自适应车牌的类型、大小、数量和方向,并对汽车在图像中的位置以及图像背景的限制较少,是一种适用性较强的方法.     

基于颜色特征的车牌快速定位

提出了一种基于颜色特征的车牌快速定位算法,该算法充分利用车牌颜色相对固定的特点,首先根据原始图像得到一组特定的色彩距离图谱,通过自适应熵阈值的选取快速分割出车牌的候选区域,然后再根据车牌的纹理特征对候选区域进行筛选以得到车牌的精确位置。针对不同的背景和不同种类的车辆,抽取了3106幅图片进行测试,其中有69幅图片未定位出车牌,定位成功率为97.8%,平均定位耗时为29ms。     

一种基于LUV均匀颜色空间的彩色分割方法

本文提出一种通过转换颜色空间和颜色聚类的方法来实现对彩色图像的分割。由于RGB颜色空间是非均匀空间,算法首先把RGB颜色空间转换到LUV均匀颜色空间,然后对颜色进行相似合并,最终由几种颜色表示待分割的图像,从而实现对彩色图像的色彩分割。     

基于分量直方图的移动机器人视觉图像自适应分割

提出一种基于分量直方图的自适应分割方法．首先对图像的3个分量统计直方图进行自适应分割，确定出各分量的分类数目及类的取值范围；然后，对分割类进行分量间组合，获得原图像中主要的几种颜色；最后以这些颜色作为聚类中心，按照颜色相似性准则对图像进行聚类分割．在移动机器人CASIA 1上进行的实验证明：该算法实现了图像主要区域的自适应分割与提取，并且能够满足移动机器人对视觉处理过程的实时性要求．     

一种利用颜色词检索图像的方法

在基于内容的图像检索中，图像的内容包括图像的低层视觉特征和高层语义。通常，前者是通过图像分析得到的数据，后者是用自然语言表示的概念词，但两者没有明显的联系。为了能够对彩色图像进行更有效的检索，试图将彩色图像的主色调数据与自然语言检索中的颜色词相结合，用于图像检索，并首先通过分析常用的颜色模型，提出了一种新的颜色模型和一种颜色相似度计算方法，然后在此基础上提出了一种提取图像主色调的方法，最后通过分析颜色命名系统，提出了一种利用颜色词检索彩色图像的方法，同时给出了初步实验结果。实验表明，这种方法在彩色图像检索中是有效的。     

浅析色彩语意在交通警示产品中的应用

色彩充斥着我们的生活,给我们带来丰富的感觉和联想,同时色彩在设计中传达不同的信息,表达不同的情感。文章从色彩的概念入手,解读色彩语意的内涵和外延特性,通过对交通信号灯色彩的举例,深入分析了在交通警示类产品中色彩的选择和不同色彩的语意表达,从而阐释了色彩语意应用于交通警示产品中的重要作用。     

基于线性分类器的混合空间查找表颜色分类方法

提出了一种基于线性分类器的混合颜色空间查找表颜色分类方法,该方法主要解决颜色查找表分类方法的区分能力受颜色空间选择、阈值确定等因素影响而难以区分近似颜色的问题。将模式识别中的线性分类器思想应用于颜色查找表映射关系的建立,并通过同时使用HSI空间与YUV空间的方法提高查找表对近似颜色的区分能力。实验结果表明,基于线性分类器的混合空间查找表颜色分类方法具有查找表建立原则简单、效果直观的特点,并且对近似颜色有较强的区分能力,适用于彩色图像的快速颜色分割。     

色彩在产品设计环境中的应用探讨

由于生长在一个充满色彩的世界,色彩一直刺激着我们的视觉器官,而色彩往往也是设计产品给人的第一印象。不同色彩搭配会给人产生对产品的不同视觉感受。色彩不仅对人们心里和生理影响很大,而且对于一个产品给人在视觉上的感官不同所产生的产品使用范围定义也会产生改变。本文从色彩的多个方面在产品设计中的具体体现出发,对色彩在产品设计环境中应用从多角度进行了论述,从而进一步得出,色彩在产品设计中的重要作用。     

基于NBS颜色距离及半监督聚类的织物图像分割

为提高纺织CAD技术,对织物图像的分割进行了研究。依据半监督聚类理论,提出了一种基于HLC颜色空间的以NBS颜色距离为优化准则的半监督聚类的织物图像分割算法。算法利用有限的人工信息,即在织物图像上点击有限的几个点以标识相应区域之间的关系,从而得到满足用户给定限制的织物图像分割结果。算法首先对织物图像进行量化转换处理,而后在HLC色彩空间中集成先验的分割信息进行色彩聚类。实验结果表明,该算法在织物图像分割中是一种可行的方法。     

基于聚类分析的色彩量化新算法及其应用

针对针织提花,植绒、印染以及金属表面花纹处理等电脑设计中的要求,研究图像重新量化成仅有几种颜色的色彩量化问题,提出一种基于聚类分析的色彩量化新算法,量化图像较好地兼顾了原图像的总体风貌和设计者希望保留的一些特征,该算法计算量小,容易在微电脑中实现,已成功地应用于电脑提花圆机花型ＣＡＤ系统。该算法对一般的色彩量化具有重要意义。