基于高斯混合模型的区域颜色迁移

针对具有多种颜色区域图像以及灰度图像的颜色迁移合成问题，提出了一种基于高斯混合模型的区域颜色迁移算法，以用于将一幅源图像的颜色迁移到一幅目标图像中。该算法首先在lαβ颜色空间中，采用高斯混合模型对源图像的颜色样本空间进行聚类拟合来得到具有源图像颜色信息的参考色彩模型；然后利用该参考色彩模型对目标图像的颜色样本集进行分类决策，以确定目标图像与源图像各区域的色彩匹配关系；最后，提出了一组新的基于区域的颜色迁移公式，用于完成对目标图像的颜色迁移。实验结果表明，该算法不仅能实现两幅彩色图像之间的颜色迁移．而且能实现对灰度图像的上色处理，并均取得了较好的迁移效果。     

一种获取细胞免疫信息的图像分析方法

细胞免疫信息在医学和生物学上有着广泛的用途.通过分析彩色免疫荧光图像获此信息.给出一种动态种子值像素生长算法,在均匀颜色空间中提取荧光区域;提出了椭圆匹配方法,从得到的区域中提取细胞;提出了预计算和离散化的方法,计算并分解细胞颜色,以得到免疫信息.讨论了提出的图像分析方法对细胞免疫信息获取的影响.实验表明,获得的免疫信息满足实际医学分析的需要.     

面向双目立体视觉的迭代式局部颜色校正

在双目立体视觉中,由于相机参数设置差异、环境光照变化、拍摄物体表面非理想漫反射等因素,拍摄获得的立体图像对可能存在颜色差异,进而降低视差计算的准确性.针对这一问题,提出一种面向双目立体视觉的迭代式局部颜色校正方法.首先使用Meanshift算法以不同粒度对2幅图像进行分割,并基于SIFT特征匹配、区域分布及颜色差异初步建立2幅图像中物体间的对应关系;然后使用加权局部颜色校正方法,逐区域进行颜色校正,由于双目图像中物体遮挡范围不同,初步的区域对应存在误差,因此利用校正的双目图像计算视差图,基于视差图像对之间稠密的像素对应,优化立体图像对的区域分割,建立更准确的对应关系,并再次进行颜色校正;迭代地进行立体匹配、优化图像区域对应和颜色校正,直至获得最佳的立体匹配结果.与已有颜色校正方法对基准测试图像集的处理结果表明,文中方法可以有效地提升立体图像对的颜色相似度,提高立体匹配视差结果的准确性.     

层次化区域匹配指导的视频颜色迁移

提出了一种基于层次化结构的视频颜色迁移方法。利用层次化分割技术对视频帧进行区域分割并将分割区域之间的组织关系用树的形式来描述,形成表示图像组成区域的具有层次化特征的树状结构。通过定义表示图像的树之间的层次化结构的相似性比较方法,对迁移图像之间的局部区域特征进行相似性比较,以寻找目标图像与参考图像局部迁移的最佳区域。在此基础上,利用颜色概率分布迁移的方法在图像的不同区域上进行局部颜色迁移以实现保持目标图像视觉特征的目的。     

HSI颜色模型在有核骨髓细胞图像分割中的应用

对经染色得到的有核骨髓细胞图像进行分割可以为白血病形态学诊断提供依据。颜色模型的选择对于彩色图像中颜色信息的充分利用、图像分割效果的好坏起着重要作用。HSI颜色模型符合人类的视觉习惯与视觉心理，有利于程序对图像颜色信息的利用，在本文中采用它作为表达有核骨髓细胞图像颜色信息的模型，根据不同系列细胞在颜色上的不同表现，分别使用H分量、S分量作为阈值条件分割细胞的核区域和浆区域。     

融合双特征图信息的图像显著性检测方法

目的 图像的显著性检测是将图像中最重要的、包含丰富信息的区域标记出来,并应用到图像分割、图像压缩、图像检索、目标识别等重要领域。针对现有研究方法显著性目标检测结果不完整以及单一依靠颜色差异检测方法的局限性,提出一种综合图像底层颜色对比特征图和图像颜色空间分布特征图的显著性检测方法,能够有效而完整地检测出图像中的显著性区域。方法 本文方法结合了SLIC超像素分割和K-means聚类算法进行图像特征的提取。首先,对图像进行SLIC（simple linear iterative clustering）分割,根据像素块之间的颜色差异求取颜色对比特征图;其次,按照颜色特征对图像进行K-means聚类,依据空间分布紧凑性和颜色分布统一性计算每个类的初步颜色空间分布特征。由于聚类结果中不包含空间信息,本文将聚类后的结果映射到超像素分割的像素块上,进一步优化颜色空间分布图;最后,通过融合颜色对比显著图和图像颜色空间分布特征图得到最终的显著图。结果 针对公开的图像测试数据库MSRA-1000,本文方法与当前几种流行的显著性检测算法进行了对比实验,实验结果表明,本文方法得到的显著性区域更准确、更完整。结论 本文提出了一种简单有效的显著性检测方法,结合颜色对比特征图和图像颜色空间分布特征图可以准确的检测出显著性区域。该结果可用于目标检测等实际问题,但该方法存在一定的不足,对于背景色彩过于丰富且与特征区域有近似颜色的图像,该方法得到的结果有待改进。今后对此算法的优化更加侧重于通用性。     

改进FCM聚类在彩色荧光图像分割中的应用

在石油地质研究中,荧光图像分割是岩石薄片沥青组分分析的关键步骤。根据不同沥青组分颜色不同的特点,提出一种基于改进模糊C均值聚类(FCM)的彩色荧光图像快速分割方法。首先在RGB空间对荧光图像中的颜色利用人眼能识别的最小颜色差异(JND)概念进行量化,然后将量化后的颜色转换至HLS颜色空间,对HLS颜色空间中的奇异点和非奇异点分别进行FCM聚类。同时为了防止FCM聚类陷入局部最优的情况,对初始聚类中心的选择也进行了优化。实验证明,与传统FCM彩色图像分割相比,论文方法对于荧光图像的分割有更好的效果,在分割速度上面也有很大提高。     

基于像素差异的金属腐蚀区域分割仿真研究

研究基于图像的金属腐蚀区域分割问题,提高分割区域的准确性。针对传统基于金属本身与腐蚀颜色的区别,利用像素差异的变化进行腐蚀区域的分割,因当腐蚀颜色与金属的本体颜色相差不是很大,或者在边沿发生像素的混淆时,利用差异边缘像素相减的方法很难完整分割腐蚀区域的问题。为了解决上述问题,提出利用空间像素差异距离聚类的金属腐蚀区域图像分割算法。通过计算差异像素之间的差异距离概率,将差异像素特征进行严格划分,对划分后的结果进行排序计算,详细描述混淆边沿信息,对腐蚀区域进行完整分割。实验证明,改进方法能够对金属腐蚀造成的细微区域完整分割,取得了满意的效果,为金属腐蚀区检测提供了参考。     

一种融合整体和局部颜色特征的图像检索方法

针对传统颜色直方图无法反映像素的空间信息和图像的局部细节,提出一种整合整体和局部颜色特征的图像检索技术,先将图像分割为环形区域,获得图像的局部颜色特征.把赋以不同权值的整体颜色直方图和局部颜色之间的相对距离累加和定义为图像之间的相似度,以反映人们对图像的判定过程.实验表明,该方法反映了图像颜色的空间分布及局部细节,在查准率和查全率上都要优于基于传统的颜色直方图的检索方法.     

多摄像机图像拼接视觉归一化技术研究

视觉归一化是多视点图像拼接领域的一个关键技术,在对大量图像处理算法研究的基础上,提出了一种针对多摄像机图像拼接的视觉归一化处理方法。该方法主要包括图像颜色校正和图像边缘融合两个模块;在图像颜色校正模块中,引入了图像区域划分策略和自适应颜色调节因子,使不同的像素点都有不同的颜色调节因子,并充分利用相邻图像间的颜色关联性对目标图像的颜色进行自适应校正;在图像边缘融合模块中,利用反映射矩阵计算出拼接图像的重叠区域,利用自适应边缘融合因子对重叠区域进行边缘融合处理。实验结果表明,该方法能够较好地减少甚至消除拼接图像间的视觉差异,较好地改善了图像拼接的视觉效果。     

基于多特征的视频对象分割方法研究

目前从视频图像中分割出完整的运动对象仍缺少可用于一般性场合的算法.将视频图像的方向信息测度、颜色和运动信息相结合的视频对象分割算法可以解决这一问题.通过对序列图像中的连续帧进行帧差计算,利用方向信息测度和相似区域判定函数来找到特征相同的区域,并判断相邻子区域是否应该合并,然后再结合序列图像中的运动区域来提取运动对象.同时采用多分辨率分析来提高运算速度.最后,利用彩色图像边界序列图像检测方法来得到准确的区域边界.     

基于颜色通道比较的显著性检测

为了快速有效地检测图像中的显著性区域,利用颜色通道差异信息和空间信息,提出了一种基于颜色通道比较的显著性检测算法. 该算法将显著性检测任务看作对图像前景区域和背景区域进行分离和识别的过程,首先基于RGB颜色空间构造了一组反映不同色彩信息的颜色通道,通过通道比较将不同颜色的区域分离开,然后通过分析空间信息选择出属于前景的区域,最后对所有前景区域进行合并得到最终的显著图. 我们在两个公开数据集上与现有的一些检测算法进行了对比试验,结果表明该算法具有较低的计算复杂度以及较高的检测准确率和召回率,证明该算法是简单有效的.     

利用彩色空间肤色模型实现快速人脸检测

本文采用在彩色空间建立肤色高斯模型的方法进行人脸区域与非人脸区域的大致分离,然后在分离结果中根据每一个8连通区域的形态特点和人脸的几何特征,去除误检出的非人脸区域.本文中彩色空间选用HSI和YCbCr彩色空间,相较于RGB彩色空间,这两种彩色空间都可以将亮度信息与色彩信息分离,减小了亮度不同所造成的影响.该方法具有操作简单,计算量小,快速、不易受表情姿态影响等优点.实验结果表明该方法可以作为特征提取前,提高图像处理效率和准确度的图像预处理操作.     

利用彩色空间肤色模型实现快速人脸检测

本文采用在彩色空间建立肤色高斯模型的方法进行人脸区域与非人脸区域的大致分离,然后在分离结果中根据每一个8连通区域的形态特点和人脸的几何特征,去除误检出的非人脸区域。本文中彩色空间选用HSI和YCbCr彩色空间,相较于RGB彩色空间,这两种彩色空间都可以将亮度信息与色彩信息分离,减小了亮度不同所造成的影响。该方法具有操作简单,计算量小,快速、不易受表情姿态影响等优点。实验结果表明该方法可以作为特征提取前,提高图像处理效率和准确度的图像预处理操作。     

MPEG-2视频编码的色饱和度调整算法

给出了一种用于ＭＰＥＧ－２视频编码的色饱和度调整算法，该算法采用了神经网络分类器将ＭＰＥＧ－２当前帧每个像素的色差信号分成色饱和度很高，色饱和度高，色饱和度低和色饱和度很低等４个区，然后分别加权得到色差信号的总修正因子用以调整图象的色饱和度，仿真结果表明，视频解码图象的主客观质量都有明显改善，可以有效调整图象序列中欠饱和和过饱和的图象。     

一种基于HSV空间的彩色边缘图像检索方法

结合重要的彩色图像边缘及人眼视觉特性,提出了一种基于彩色边缘直方图的图像检索方法。该方法首先利用Canny检测算子提取出原始图像的彩色边缘信息,然后将彩色图像边缘转换至符合人眼视觉特性的HSV空间并进行量化处理,再将彩色边缘划分成圆环区域和角形区域,并分别计算出圆环区域和角形区域的颜色直方图,最后综合利用上述圆环区域和角形区域的颜色直方图计算图像间内容的相似度,并进行彩色图像检索。仿真实验表明,该方法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率。     

结合分水岭与自动种子区域生长的彩色图像分割算法

为了对彩色图像进行有效分割,提出了一种将分水岭算法与自动种子区域生长相结合的分割算法。该算法首先利用基于边缘信赖度的各向异性扩散方程对图像进行平滑预处理,以便在去除图像噪声的同时,保持图像的边缘信息,从而有效解决了分水岭算法的过分割现象;然后在此基础上,设计了一种基于色调均值差的自动种子区域选取算法,即根据色调均值和饱和度均值的相似性来对分水岭算法分割形成的区域进行种子区域生长,并利用小图像区域消解算法对区域生长所遗留的小区域进行消解,减少了图像中小区域的数目,从而实现了对彩色图像的有效分割。实验结果表明,该算法简单、快速,且能得到较其他算法更好的分割效果。     

基于聚类和MRF模型的场景文字提取方法

提出一种从自然场景中提取文本区域的方法。该方法包括候选文本区域的提取,以及候选区域是否为文字区域的判定。候选文字区域的提取,主要利用图像的纹理特征和HSL颜色空间信息,通过改进的模糊C均值聚类函数,结合拉普拉斯掩膜与计算最大梯度差来实现。由连通域边缘密度信息、形状信息的马尔科夫随机场模型,判定候选文字区域是否为文字区域。经ICDAR2003数据库测试结果表明,该方法具有较高的精确度。     

基于HSV色彩空间的自适应肤色检测

针对复杂背景彩色图像提出了一种基于HSV色彩空间的自适应肤色检测算法。该算法首先使用阈值在HSV空间对人体肤色区域进行肤色分割,然后对分割出的肤色区域使用相对重要性滤波和自适应区域归并,最后将归并后的肤色区域使用人眼定位进行验证,将多人脸检测转化为单人脸检测。实验结果表明,该算法复杂度较小,对光照变化具有很好的鲁棒性。