基于HSI三分量独立性木材缺陷图像分割

HSI模型的彩色图像分割方法具有传统的RGB彩色图像分割所不具有的出色的分量独立性和色彩的真实性,具备良好的易分割的特点。提出首先将图像转化为HSI图像,然后根据各分量的特点单独进行分割,最后融合处理后的分量,得到准确的缺陷图样。该方法克服了单纯使用灰度图像分割不能准确定位缺陷边缘的弊端,同时对于木材图像纹理等细节信息具有较好的鲁棒性。试验的结果表明该方法即时准确有效。     

基于视觉的牙刷表面注胶质量检测方法研究

针对牙刷表面注胶的质量检测,提出一种基于视觉的检测方法。采用条形光源给牙刷表面打光,由工业相机获取待检测的牙刷图像。将牙刷表面注胶图像从RGB彩色空间转化到HSV彩色空间,在HSV彩色空间中的H分量上进行图像分割以提取感兴趣区域,计算区域的面积及周长等特征并与标准值相比较,判断牙刷注胶合格与否。实验表明,该方法可检测牙刷注胶的表面缺胶和多胶等缺陷,效果良好。     

基于同态滤波和深度卷积模型的低照度工件表面粗糙度等级识别

为解决低照度下工件表面粗糙度等级识别正确率低的问题,提出一种基于同态滤波和深度卷积模型的低照度工件表面粗糙度等级识别的方法。该方法通过对不同照度下工件表面粗糙度图像进行等级识别,确定了同态滤波器的最优参数值,再将图像从RGB空间转换到HSV空间,在对V（亮度）分量进行同态滤波处理后,再将图像转回RGB空间并通过设计好的...     

彩色遥感图像的亮度直方图局部线性化增强

针对遥感图像能量低的实际问题,提出了一种亮度直方图局部线性化图像增强方法来提高彩色遥感图像的可视效果。首先,对RGB模型描述的彩色遥感图像进行HSI变换,以有效分离H、S和I分量;其次,对亮度I分量进行传统的直方图均衡化,得到均衡化灰度映射曲线;然后,将图像梯度作为目标函数,求出最优的线性化折点位置,对灰度低端动态范围映射曲线进行线性化处理,得到局部线性化的灰度映射曲线;最后利用新的灰度映射曲线对图像进行增强处理。Himawari-8真彩色图像增强实验结果表明,经亮度直方图局部线性化增强后,像素平均梯度由73提高到了147,较传统的RGB域直方图均衡化的123及HSI域直方图均衡化的134高;图像信息熵由5.87提高到6.63,全部优于传统的RGB域直方图均衡化和HSI域直方图均衡化。本文方法有效地改善了彩色遥感图像的可视效果,提高了图像对不同目标的辨识能力。     

基于机器视觉的冬枣分拣设备研究

机器视觉在物品识别与分拣方面有着广泛的应用,文章针对基于彩色CCD的机器视觉冬枣识别进行了研究。根据CCD色彩识别原理,运用CCD摄像头每隔2 s采集一幅冬枣图像,用图像处理软件将采集到的RGB图像转化到HSI模型空间,用HSI模型中的H分量描述冬枣颜色特征方法,设置了基于经验与计算数值的分别阈值,成功进行了生熟冬枣的识别;进而构建了基于单片机控制系统的冬枣分拣装置,该装置使自动上料的冬枣在经过两轮的识别后,将经彩色CCD采集图像并经计算机检测的熟冬枣经过分离器实现分离,并通过气缸的动作将检测为生的冬枣倾倒到一起,从而完成生熟冬枣的快速检测与分离。     

基于机器视觉和反向传播神经网络的蓝莓表面缺陷检测

针对蓝莓表面缺陷检测快速、准确的需求,提出一种基于机器视觉和反向传播神经网络的蓝莓表面缺陷检测方法。构建蓝莓表面缺陷图片数据集,通过形态学相加等图像处理技术实现蓝莓图像的背景去除与图像增强,采用最大类间方差阈值方法提取蓝莓表面缺陷。对蓝莓表面缺陷提取外观特征,包括色调分量图像的色调累积频度、纹理特征、几何特征。利用主成分分析优化蓝莓表面缺陷外观特征,构建基于反向传播神经网络的蓝莓表面缺陷检测模型。测试集检测结果表明,采用基于机器视觉和反向传播神经网络的蓝莓表面缺陷检测方法,平均识别率达到92.3%,对腐烂、擦伤、机械损伤、褶皱的识别率均高于83%。     

HSI色彩空间下的低照度遥感图像增强

为了提高低照度遥感图像的可视性,提出了利用改进的多尺度Retinex算法与局部对比度自适应调整相结合的方法来改善图像质量。首先,把原始图像变换到HSI色彩空间,有效分离H、S、I分量;然后,然后在保持色调分量H不变的前提下,对亮度分量I利用改进的多尺度Retinex算法进行处理,对整幅图像进行亮度和对比度的初步调整,通过使用Sigmoid函数替换多尺度Retinex算法中的对数函数来减少数据丢失;为了使局部细节信息得到更好的改善,在利用改进的多尺度Retinex算法处理后进行自适应局部对比度增强,提高图像局部对比度;对饱和度分量S采用分段线性增强的方法进行处理;最后,将处理后的图像变换回到RGB空间。实验结果表明:图像信息熵由5.79提高至6.65;图像感兴趣区域的局部对比度由0.695提高至0.701,图像质量以及利用价值得到了提升。     

结合Kmeans++聚类和颜色几何特征的火焰检测方法

随着社会经济的不断发展,大空间建筑逐渐步入人们的生活中,对大空间建筑的消防技术要求逐渐提高,火焰识别技术已成为近年来研究的热点。为实现单帧图像的火焰检测,本文首先提出了一种基于RGB和HSI颜色模型的混合判据,它既保留了RGB模型中的直观判据,又加入了HSI模型中对于饱和度判据,效果优于两者单独使用或单纯结合的情况;同时利用基于加权欧式距离的方法对图像进行特殊灰度化处理,通过Kmeans++颜色聚类,完成火焰图像的分割,获得最终感兴趣区域;提取该区域几何轮廓并利用不规则度和形态比例等几何判据,对待检测图像进行最终的识别。为评估所提出检测方法的性能,选取典型火焰图像和非火焰图像,在Visual Studio 2013环境下进行对比实验,通过对运行时间、提取偏差率和识别误报率等结果的分析,证明了所提方法的有效性和可实现性。本文所提出的方法具有良好的检测效果,能够保证火焰提取和识别的精度,同时兼顾实时性的要求,可以应用在实际的大空间消防项目中。     

列车滚子轴承表面缺陷机器视觉检测方法研究

针对列车滚子轴承内圈外表面缺陷人工检测方法的不足,提出了一种基于机器视觉的表面缺陷检测方法,通过对缺陷图像的处理和分析,快速、准确地实现了轴承表面缺陷的分类识别.这里使用工业内窥镜进行轴承图像的获取,通过对图像的灰度直方图分析,判断其是否为缺陷轴承;对缺陷图像分别进行二值化处理、形态学滤波和图像标记,以准确获得图像的缺...     

孵化鸡蛋胚体缺陷在线图像检测系统

主要研究孵化鸡蛋胚体缺陷在线图像检测系统的开发.该系统采用工业高速CCD摄像机拍摄孵化鸡蛋胚体缺陷内部图像,通过高速的图像采集卡获取图像,运用计算机对图像进行处理,实现了鸡蛋胚体(活胚、弱胚、死胚、污染胚)缺陷的自动在线图像检测.运用彩色图像预处理、直方图信息、RGB和HSI颜色模型等相关知识,完成了对孵化鸡蛋胚体缺陷图像特征信息的提取;运用模式识别知识,实现了孵化鸡蛋胚体缺陷的判别,也相应地提高了检测准确性.实验结果表明,该系统改变了传统的人工操作模式,避免了因人而异的检测结果,减小了检测分级误差,提高了检测速度和准确率.     

基于HSI颜色空间的深度学习单幅图像去雾方法

针对传统的单幅图像去雾算法容易受到雾图先验知识制约导致颜色失真等问题,本文提出了一种基于HSI颜色空间的深度学习多尺度卷积神经网络单幅图像去雾方法,即通过设计深度学习网络结构来直接学习雾天图像与其无雾清晰图像色调、饱和度和亮度之间的映射关系,从而实现图像去雾.该方法首先将有雾图像从RGB颜色空间转换到HSI颜色空间,然后设计了一个端到端的多尺度全卷积神经网络模型,通过色调H、饱和度I、强度S三个不同的去雾子网分别进行多尺度提取,深度学习得到有雾图像与清晰图像之间的映射关系,从而恢复出无雾图像.实验结果表明,本文方法对于雾天图像具有良好的去雾效果,在主观评价和客观评价上均优于其它对比算法.     

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。     

加权Schatten范数低秩表示的高光谱图像恢复

高光谱图像在获取过程中常受到多种类型噪声的干扰,如高斯噪声、脉冲噪声、条纹噪声等,为确保后续应用的顺利进行,提出了一种基于加权Schatten范数低秩表示的高光谱图像恢复方法。该方法引入低秩表示模型恢复高光谱数据,采用加权Schatten范数代替核函数,更精确地逼近秩函数;并选用初步无噪图像作为低秩表示的字典,进一步提高了模型对图像的恢复能力。另外,引入拉普拉斯正则项刻画数据内部的几何结构,能保持图像的细节。模拟和实际高光谱数据的实验结果表明,较多种相关的方法在视觉效果和量化指标值都有很大的改进。与经典的基于低秩先验的恢复方法相比,本文算法的平均峰值信噪比提高2.74 dB,平均结构相似性数值指标提高0.03,而平均光谱角能降低1.40。新模型不仅能充分利用高光谱图像光谱维的低秩先验,而且保持了数据内部的几何结构,有利于恢复出高质量的清晰图像。     

加权空谱局部保持投影的高光谱图像特征提取

为了提高高光谱图像的分类精度,有效利用高光谱图像的空间信息和光谱信息对高光谱图像进行预处理,本文提出了一种新的空谱联合特征提取方法,加权空-谱局部保持投影算法(WSSLPP)。该算法结合高光谱图像的物理特性对高光谱图像进行重构,降低了图像中奇异点的干扰;然后对局部像素近邻保持嵌入(LPNPE)和局部保持投影(LPP)的目标函数进行加权求和,有效融合高光谱图像空间维和光谱维的信息来构建投影矩阵。WSSLPP不仅保留了高光谱图像在空间维上像素间的近邻关系,而且保持了在光谱维上样本的固有结构,有利于高光谱图像的分类。在Indian Pines和PaviU数据库上对该算法进行验证分析,结果表明:基于WSSLPP算法得到的分类精度明显高于其他算法,总体分类精度的最大值分别为99.00%,99.50%,有效提高了高光谱图像的分类精度。     

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。     

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).     

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。