自动采集样本的图像颜色传递算法

图像的颜色传递是将一幅图像的颜色特征传递给另一幅图像,使目标图像具有与源图像相似的色彩。提出了一种自动采集样本的图像颜色传递方法,利用无监督学习聚类把目标图像和源图像分别分成一定数量的色彩相近的子块,通过计算各子块的纹理特征和亮度统计值,建立样本块之间的对应关系。从各子块中取出数据点密度较大的像素组成样本块。进而利用最佳匹配算法,查找目标样本块的像素在源图像对应样本块中的最佳匹配像素,将其颜色值传给目标像素。以目标图像中已完成颜色传递的样本块作为参考样本,使用纹理对比方式完成样本块以外其它像素的颜色传递。该自动采集样本算法既可用于彩色图像间颜色传递,也适用于灰度图像与彩色图像间颜色传递。在目标图像和源图像的各子块有明显纹理和亮度特征时,该算法可方便地用于批处理和视频中。     

基于RGB模型颜色相似性的彩色图像分割

图像分割是图像处理的重要步骤,由于彩色图像含有的信息比灰度图像还多,因而对彩色图像分割的研究越来越受到人们的关注.提出一种新的基于RGB空间颜色相似性的彩色图像分割方法.首先比较各种颜色模型的优势与不足,然后根据RGB颜色空间的颜色信息和亮度信息提出一种计算在RGB空间下颜色相似性的方法,再结合提出的图像颜色分量计算方法,从而形成颜色分类地图,最后根据颜色分类图进行像素划分,得到分割结果.实验在Matlab平台上进行,结果表明:对于颜色分明的图像,该算法准确性高,有较好的健壮性和较低的计算复杂度,能很好应用在图像前景与背景分割应用上.     

基于颜色差异计算的图像显著性检测算法研究

针对目前显著性算法普遍面临的背景噪声较多,准确性较低等问题,提出一种基于图像颜色对比的显著性检测算法.首先在Lab伪彩色空间域将图像进行SLIC超像素分割,依照图像的全局对比计算,确定前景预选区域.然后以该区域内超像素特征通道信息值作为参考值,计算各超像素显著值,得到初步显著图.最后构建视觉中心,考虑颜色权重信息对显著...     

基于粒子群优化算法的最佳熵阈值图像分割

研究图像的空间信息和灰度的信息图像分割,从中提取感兴趣的目标.针对传统阈值算法虽然考虑了图像的空间信息,但是由于解空间维数增加,搜索范围增大,导致了计算时间延长,求解最优阈值的速度较低,同时传统二维熵的计算中只考虑了像素的概率,忽略了灰度的概率,导致分割不准确.为了充分利用灰度图像的灰度信息和空间信息,提高分割精确度和最优阈值的求解速度,提出一种基于粒子群算法的阈值分割方法(PSO-SDAIVE算法).算法对传统的二维直方图进行改进,生成差值属性灰度直方图,同时对灰度均值和二维熵的计算进行改进,生成空间差值属性信息值熵(SDAIVE),最后用粒子群算法来搜索SDAIVE的最大值.对头部CT图像进行分割进行了仿真,实验结果表明,能够对图像进行准确的分割,而且运行时间明显较短,证明粒子群优化的图像分割算法是可行和有效的.     

基于空间金字塔的镜头检测

提出一种HSV颜色直方图与像素的位置空间金字塔结合的方法,该方法既考虑像素的信息,又考虑了像素的位置信息,来进行视频镜头分割。将图像进行一次亚采样,对得到的第一层亚采样图像进行均匀的四分割;对得到的四块小区域分别计算其颜色直方图,获得四个特征向量;将第一层亚采样的图像再进行一次亚采样,得到第二层亚采样图像,并计算其颜色特征向量;将五个特征向量级联,作为图像帧的特征,并计算相邻两个帧的相似度。该算法不仅考虑了像素信息,还考虑了像素位置信息,而且考虑的是全局位置信息和局部位置信息。实验结果显示,该方法较好地权衡了查全率和查准率。     

基于色度偏差和亮度偏差的运动目标检测方法

论述了一种实时的前景一背景分割运动目标检测方法.用中值法获得背景模型;为避免规范化色彩的不确定性,背景图像像素点的亮度被比例缩放为当前帧对应像素点的亮度,在此基础上求出色度偏差,并基于当前帧和背景帧的颜色偏差和亮度偏差来检测目标;最后用数学形态学滤波及连通分量分析的方法进行去噪、区域连通等后处理.方法建立了科学的亮度与颜色的关系模型,充分利用了图像的灰度信息和色彩信息.实验表明,方法具有很好的检测效果.     

基于超像素显著性的视频偏色检测方法

针对传统偏色检测方法存在的局限性,基于超像素显著性,提出一种视频偏色检测方法。将视频图像分割为超像素块,提取超像素块的亮度显著性和颜色显著性。使用亮度显著性权值系数对颜色显著性进行贝叶斯融合处理,得到综合显著的超像素块特征信息。将块特征向量作为训练样本,使用支持向量机进行分类和回归训练,检测出偏色视频并实现视频的偏色程度评分。实验结果表明,与传统偏色检测方法相比,该方法检测偏色视频的准确率更高,达到95.1%,且偏色程度的检测结果更接近人眼主观评价结果。     

基于图论的多特征遥感图像区域分割方法

针对传统分割方法存在分割精度低、对噪声和灰度值突变敏感等缺点,提出了一种基于图论和颜色-纹理特征的区域分割方法.首先将彩色图像转换到符合人类视觉感知系统的Lab颜色空间,然后把图像分成固定大小的小块进行分析,利用Gabor滤波后的块内纹理特征与色彩特征结合构造特征向量,并作为图的顶点,根据块间距离加权计算块间的差异作为图的边权值,最后用最小生成树的方法进行分割.实验结果表明,该方法具有良好的准确性与鲁棒性,优于EGBIS方法.     

数字图像的处理（六）

五、色彩调整 1.调整对比度 调整图像的对比度是图像处理中非常重要的功能之一,在实际的应用中经常要用到它。 对图像每个红、绿、蓝分别用下列公式来调整:新颜色值=(旧颜色值—128)*系数+128。128是三基色的最大值255的中值,在图像对比度调整后其平均亮度保持不变。 函数contrast()分别使用系数0.91和1.10对图像进行对比度调整,由参数flag来确定是使用0.91还是使用1.10,参数cont用来确定调整的强度。 2.亮度调节 在显示器上的调节旋钮中,有一个亮度调节旋     

基于超像素的快速MRF红外行人图像分割算法

针对红外图像中行人目标分割时容易受环境干扰的问题,提出一种基于马尔可夫随机场的红外行人分割方法.为了解决计算最优解时优化算法收敛速度慢的问题,采用simple linear iterative clustering算法将红外图像预分割为超像素块.以像素块作为马尔可夫随机场的分割单位.像素块的颜色信息由该像素块内所有像素的平均灰度值表示.根据马尔可夫随机场与图像信息之间的关系计算图像的局部先验空间结构信息,采用ICM计算后验能量函数的最小化解.实验结果表明,改进分割算法较好的抑制了小的噪声点,获得了比较理想的分割结果,对于360 × 240的红外图像,采用超像素对图像进行预分割可以将分割速度提高10倍以上.     

适用于识别指定颜色的色调过滤视图

为便于快速识别RGB图像中的红、绿、蓝或黄颜色,提出一种用像素的色调和色调可信度定量地评估像素对于指定颜色的隶属度的方法和彩色图像的色调过滤视图的定义,推导出直接由图像的R、G、B色彩分量计算指定颜色的色调过滤视图的公式。实验结果表明,用色调过滤视图来识别图像中指定的颜色具有较好的效果,并且受拍摄光照条件的影响较小。     

基于RGB灰度值缩放的彩色图像增强

为保持彩色图像增强时色调不变,提出一种基于RGB灰度值缩放的彩色图像增强算法。采用二次函数增强像素RGB三基色的最大值,获得缩放因子k,利用k值增强相应像素的RGB灰度值。实验结果表明,该算法能增强不同压缩比的彩色图像,综合性能优于现有算法。     

基于纹理的三维书籍模型单侧页面提取方法

模型分割在实际工程中有重要的应用价值。针对三维书籍模型的点云分割,提出了 一种基于纹理的单侧书籍页面提取方法。对于获取的三维书籍模型以及散乱纹理图像,首先将模 型的散乱纹理转化为有序纹理,将像素值从RGB 空间转换到HSI 空间,根据H(色调)和I(亮度) 去掉模型背景点云;然后根据书脊线像素在有序纹理图像中的分布特性,计算纹理图像中的书脊 线,再利用最小二乘法拟合出书脊线的三维空间方程,进而求出分割左右页面的空间平面,最终 完成单侧页面的提取。实验结果表明,该方法针对三维书籍模型能够快速稳定地提取出单侧页面, 具有较高的准确性。     

基于颜色和形状特征的彩色图像显示与检索技术

提出了一种有效用于抽取特征、索引和检索彩色图像的技术途径,通过提取图像的颜色不变量,建立相应的色度直方图（hue histogram）来表示图像的颜色分布特征,为了描述图像中对象的位置及方向特征,首先计算图像的色度轮廓并对其进行Radon变换,然后计算相应的“空间直方图”,由此,得到了一种基于图像的颜色分布特征和形状特征的新的图像表示方法,为了计量图像的全局相似度,基于“累积距离”和“基于向量的距离”定义了两种图像的距离度量,并分别讨论了距离度量的选取与归一化、不同子特征的组合等CBIR所涉及的关键问题,实验结果表明,文中提出的方法能获得满意的检索性能,其检索结果能较好地接近于人的视觉感和结果。     

一种多通道融合的交通标志检测方法

针对单纯利用RGB或HIS空间不能很好地检测出交通标志这一问题,提出一种多通道融合的交通标志检测方法。将图像转换至HIS空间,使用迭代的Otsu算法对饱和度进行阈值分割,以色相和饱和度信息为基础,结合RGB通道的颜色特征进行颜色聚类。利用水平和垂直投影获得交通标志的外接矩形,利用曲线拟合的最小二乘法定位交通标志并对其进行分类。研究结果表明,该方法可以准确地从背景图像中提取出交通标志,有效地解决存在亮度变化、噪声干扰、方位倾斜等情况的交通标志检测问题。     

一种鲁棒的彩色图像多阈值分割方法及应用

根据独立峰值特性把彩色图像的各颜色分量直方图划分为多个待分割区间,使得Otsu算法在彩色图像处理中实现了多阈值分割。该方法应用于RoboCup足球机器人,针对其HSI模型彩色图像提出了一种多阈值分割改进方法,即在中高饱和度的图像区域以H分量作为分割依据选取分割阈值;在低饱和度的图像区域以I分量作为分割依据选取分割阈值。实验证明,该方法能自动快速地对彩色图像进行多阈值分割,并具有很好的鲁棒性。     

一种快速的彩色图像置乱算法

提出一种彩色图像置乱算法,无须迭代计算即可得到加密图像。通过移位初步打乱行列像素间的相关性,在移位过程中,不同颜色分量采用不同移位参数,用分存方法提高安全性能。将图像分块,根据像素块内位置选择异或操作数,用异或操作改变像素值。理论分析和实验结果表明该算法有效可行、安全性好、速度比Arnold变换快。     

基于颜色传递的数字视频融合方法

针对伪彩色融合方法的融合图像色彩单一、颜色传递算法计算复杂等问题,提出一种新的红外与可见光数字视频融合方法。该方法在Toet算法的基础上,利用图像统计信息进行颜色查找表映射运算,对融合图像进行快速颜色传递,使融合结果具有与参考图像相同的色彩信息。实验结果表明,该方法的融合结果接近自然景物的颜色,效果优于伪彩色融合方法,且运算速度较颜色传递算法有较大提高。     

Circle Detection Based on HSI Color Space

A method based on HSI color space is presented to solve the problem of circle detection from color images. In terms of the evaluation to the edge detection method based on intensity, the edge detection based on hue is chosen to process the color image, and the simplified calculation of hue transform is discussed. Then the algorithm of circle detection based on Canny edge detection is proposed. Due to the dispersive distribution of the detected result, Hough transformation and template smooth are used in circle detection, and the proposed method gives a quite good result.     

语义分割和HSV色彩空间引导的低光照图像增强

目的 低光照图像增强是图像处理中的基本任务之一。虽然已经提出了各种方法,但它们往往无法在视觉上产生吸引人的结果,这些图像存在细节不清晰、对比度不高和色彩失真等问题,同时也对后续目标检测、语义分割等任务有不利影响。针对上述问题,提出一种语义分割和HSV（hue,saturation and value）色彩空间引导的低光照图像增强方法。方法 首先提出一个迭代图像增强网络,逐步学习低光照图像与增强图像之间像素级的最佳映射,同时为了在增强过程中保留语义信息,引入一个无监督的语义分割网络并计算语义损失,该网络不需要昂贵的分割注释。为了进一步解决色彩失真问题,在训练时利用HSV色彩空间设计HSV损失;为了解决低光照图像增强中出现细节不清晰的问题,设计了空间一致性损失,使增强图像与对应的低光照图像尽可能细节一致。最终,本文的总损失函数由5个损失函数组成。结果 将本文方法与LIME（low-light image enhancement）、RetinexNet（deep retinex decomposition）、EnlightenGAN（deep light enhancement using generative adversarial networks）、Zero-DCE（zero-reference deep curve estimation）和SGZ（semantic-guided zero-shot learning）5种方法进行了比较。在峰值信噪比（peak signal-to noise ratio,PSNR）上,本文方法平均比Zero-DCE（zero-reference deep curve estimation）提高了0.32dB;在自然图像质量评价（natural image quality evaluation,NIQE）方面,本文方法比EnlightenGAN提高了6%。从主观上看,本文方法具有更好的视觉效果。结论 本文所提出的低光照图像增强方法能有效解决细节不清晰、色彩失真等问题,具有一定的应用价值。