基于多颜色空间的图像差异检测

图像差异检测容易受光照环境影响而造成误检,论文针对如何排除图像的亮度信息干扰问题展开研究,文中提出了一种多颜色空间的图像差异检测方法,首先基于HIS颜色空间解除源图像的亮度耦合,然后再基于HSV颜色空间实施颜色分割,最后通过形态学操作实现图像差异检测。实验结果表明,该文方法在排除对比图像间的亮度信息干扰的情况下可有效检测图像差异,并对图像中的字符缩放、物体形变等细微差异具备良好的检测效果。     

颜色直方图特征分割方法在火灾探测中的应用

火焰目标区域的分割是火灾探测的重要组成部分.有效的目标区域分割方法可以在早期排除掉背景的干扰,降低后续判别的运算复杂度.火焰的颜色具有区别于其他物体背景的独特的色彩分布规律,因此文中尝试引入一种基于火焰颜色特征的分割方法.先将视频采集的RGB图像转换到HIS空间模式下,提取各分量直方图,在图像色相和亮度分量中采用最大类间方差法选择阈值分割提取火焰区域.在实验应用中的结果表明这种方法实现了对火焰目标的有效提取.     

RGB空间平均颜色矢量法在颜色识别中的研究

目前基于颜色的检索方法很多。引入平均颜色矢量,用平均颜色矢量方法对彩色图像中多个单种颜色目标进行识别。通过计算和分析图像像素与各类训练区的Euclidean距离及各颜色分量平均值和标准差,判断目标颜色相似性,结合Canny算子进行边缘检测,分割图像中的目标。该方法能对RGB值较为明显或颜色分布丰富且部分背景与目标颜色相近的图像进行精确的颜色识别,在番茄色选仿真实验中取得了令人满意的效果。     

基于YCbCr颜色空间的火焰图像分割方法

视频火焰检测对消防安全具有重要的实际意义.火焰颜色信息在视频火灾检测中起着举足轻重的作用,众多学者提出了基于不同颜色空间的多种火焰颜色检测算法.针对目前视频火焰颜色检测算法检测率低、误检率高、适应性差等不足,提出基于颜色空间的火焰图像分割方法.通过研究火焰图像在颜色空间上的分布情况,分析火焰像素对应的Y,Cb和Cr分量...     

快速多阈值图像分割法

大津法对由多个目标组成的图像求最佳阈值时,消耗大量时间。针对此不足,提出简单而快速求多阈值的方法,对已分割的小区间反复利用大津的二分法和方差比值求出需要的阈值。首先,对研究图像的整个灰度值区间利用大津法分成两类;然后,对已分出的两个区间分别应用二分大津法,两类分成四类、八类等。比较实验结果表明,该方法适合图像特征,能快速分割目标图像,可以应用于模式匹配以及人脸识别。     

图像数据库检索中颜色特征提取方法的研究

为了降低基于颜色特征图像检索中空间的维数,本文改进了颜色特征的图像特征的提取方法,提出了一种新的基于HSV空间的18色非均匀颜色量化算法。与传统的基于RGB的颜色特征检索算法相比,该算法明显的降低了时间和空间的复杂度。     

一种基于亮度均衡的图像阈值分割技

对于光照不均匀的图像,用通常的图像分割方法不能取得满意的效果.为了解决这个问题,文中提出了一种实用而简便的图像分割方法.该方法针对图像中不同亮度区域进行亮度补偿,使得整个图像亮度背景趋于一致后,再进行通常的阈值分割.实验结果表明,用该方法能取得良好的分割效果.     

基于颜色和形状特征的图像检索方法

提出了一种基于颜色和形状特征的图像检索方法。在对HSV颜色模型量化的基础上,提取颜色直方图作为图像的颜色特征。在提取形状特征时,结合颜色量化结果,利用图像分割提取图像的形状特征,利用两特征的加权距离计算图像之间的相似度,而后进行图像检索。实验结果表明,该方法取得了较好的检索效果。     

一种自动分割图像颜色的算法

图像颜色分割是图像处理的一项技术。本文提出一种基于直方图采用磨光技术的自动分割图像颜色的算法。通过给定图像的颜色数，经过磨光算法处理，自动确定图像的中心色及分割限，准确地归并图像颜色。此算法可适用于黑白或彩色图像的处理。     

基于CIELab颜色空间和颜色分布信息熵的图像检索

针对基于颜色空间信息熵的图像检索,提出了一种新的改进方案,使对颜色特征的提取建立在CIELab颜色空间的基础之上。利用CIELab的均匀颜色空间特性,来完成对颜色空间的分割,使之更符合人眼的色彩感觉特性,得到符合人眼色彩感觉的颜色空间信息熵。在图像相似性度量方面,提出了加权颜色统计函数的比较方法。经实验表明,该算法能够获得比较满意的效果。     

基于S-CIELAB空间的彩色图像分割

提出一种基于S-CIELAB颜色空间的彩色图像分割算法。在人类视觉彩色传递模型的基础上,将原始的RGB图像转换到S-CIELAB空间,运用均值漂移算法对图像进行分割。实验结果表明,该算法能模拟人类视觉模糊特性,得到与人类视觉非常接近的分割结果。对于被高斯噪声严重污染的彩色图像,该算法也能有效地进行分割。     

基于RGB颜色空间的彩色图像分割方法

传统的图像阈值分割算法是将彩色图像转换为灰度图像再进行分割。通过分析RGB颜色空间的特点,本文提出基于RGB颜色空间的阈值分割算法,采用新的判定准则,在颜色空间中以立方体取代原来的四面体,直接对彩色图像进行分割。分析和实验证明,改进的判断准则能够克服由于灰度转换造成颜色信息丢失而引起的误判,在保证原有阈值分割算法快速、简单的前提下,能够对彩色图像进行更为准确的分割。算法适用于目标颜色为黑色的情况,并可以推广到目标颜色为其它颜色的情况。     

基于HIS空间的彩色图象分割

提出了一种基于HIS空间的彩色图象自动分割算法．在这个算法中，彩色图象首先被转化到HIS颜色空间．图像分解成彩色通道(H和S分量)和亮度通道(1分量)．我们对彩色通道采用基于J-图象的自动分割算法进行分割．对亮度通道采用水线阈值算法进行分割，然后将分割后的结果进行组合．得到最终分割结果．试验表明，这种方法计算快速简单．是一种高效的自动算法。     

彩色图像的分割技术

图像分割是计算机早期视觉不可缺少的一步。彩色图像由于具有比灰度图像更多的视觉信息,受到了越来越多的重视。文章将彩色图像的分割技术分为6类,并分别加以介绍,分析了各种技术的优缺点。最后提及了彩色图像分割技术与彩色空间的关系。     

基于粗糙性度量的彩色图像分割方法

彩色图像分割技术是现代图像处理和图像分析领域的重要研究议题. 结合粗糙集理论, 利用像素邻域的空间信息, 可以构造图像色彩分布的上下近似以及量化粗糙性表示, 并据此设计基于量化粗糙信息的分割方法: QR measure, 该方法依据数据分布获取自适应阈值进行峰值选定和区域合并. 实验采用UC Berkeley开放的图像分割测试集, 通过比较基于多种统计信息的分割方法, 验证提出的优化算法可以取得更好的分割效果.     

基于模糊技术的彩色图像分割方法

由于彩色图像提供了比灰度图像更为丰富的信息,因此彩色图像处理正受到人们越来越多的关注。彩色图像分割是彩色图像处理的重要问题,目前对彩色图像的分割已提出了许多种算法,在这些算法中由于模糊技术能很好地表达和处理不确定性问题,因此在彩色图像分割领域会有更广阔的应用前景。本文主要介绍了基于模糊技术的模糊阈值分割法、模糊聚类分割法和模糊连接度分割法。     

多颜色空间上的交互式图像分割

介绍了视觉颜色空间及其在交互式图像分割中的作用,实验分析了它的奇异性,在此基础上,考虑像素的空间和色彩分布,提出了基于区域生长法的多颜色空间、多度量准则的聚类算法和零碎区域的合并算法,颜色空间选取HSL和RGB两种,相似性度量包括了种子点、扩张点和生长区域三个方面,并用于敦煌壁画图像的分割。     

基于梯度与颜色信息融合的水文资料图像分割

针对纸质水文资料数字化应用,对相机拍摄的水文资料图像进行分割,提出基于梯度和颜色信息融合的水文图像分割方法。首先利用图像在CIELab空间上的颜色分量特征分割出曲线,然后进行分块处理,利用梯度算子在水平和垂直方向分别判别属于网格线上的目标像素点,统计这些像素点的颜色信息,利用颜色分量关系对网格线进行初步提取,之后加入水平和垂直方向的腐蚀,合并两方向的结果得到最终的网格二值化图像,最终由曲线图像和网格图像合并后得到水文图像的分割结果。对多幅水文图像进行分割的实验结果表明,本文方法能自适应地完成对多幅图像有效的分割,并且能够减少相机拍摄光照不均的影响,有较好的鲁棒性和较低的计算复杂度。     

足球机器人彩色视觉图像的分割与识别

足球机器入世界杯(RoboCup)比赛要求视觉处理子系统能够准确地定位出场上机器人和球(共11个目标)的位置。受场地光照等比赛环境的影响,需要识别的各种色彩空间并非是规则且互不相交的矩形区域。因此用传统的阚值分割方法很难得到满意的结果。论文采用了一种结合阚值分割与种子点区域生长(SRG)的混合方法,这种方法先用阚值法将HSI色彩空间分成若干各不相交的子集,在每个子集中分别确定若干种子点,然后从这些种子点进行区域生长,在进行区域生长时,定义了一种适合HSI色彩空间的同类判据(homogeneity criterion),引入两个像素的联合抗噪因子P来衡量H的可信度。实验表明,采用的这种方法可以明显地提高区域分割的精度,实现彩色图像的准确分割,很好地满足了比赛的需要。     

基于色彩空间变换的彩色图像分割方法

彩色图像是当今数字图像的主要表现形式之一，彩色图像分割是图像处理的热点与难点问题之一。针对彩色图像分割的精度与速度问题，提出了一种基于色彩空间变换的彩色图像分割方法。该色彩空间重在突出图像三分量间的差异，从而充分利用彩色信息。同时，分割方法以向量化图像为对象，从背景去除的思想出发，采用分裂Bregman快速求解算法，从而达到高效分割的目的。数值实验表明，该方法能有效分割出图像的所有目标区域，分割区域较为完整，结果具有较高的精度。