改进基于HSV空间的阴影检测算法

为实现复杂视频中前景目标的分割,需要解决前景目标准确提取难题,但在光照情况下,会受到阴影影响。为解决这一难题,提出一种结合高斯混合模型的HSV颜色空间阴影检测算法。对HSV颜色空间阴影检测进行修正,消除对非运动目标区域阴影的误检,加入运动目标轮廓检测,消除运动目标边缘阴影误检,得到运动目标阴影的准确检测。实验结果表明,该算法能有效检测复杂背景下的阴影目标,为获得准确分割前景目标奠定基础。     

基于HSV空间和一阶梯度的阴影剪除算法

提出了一种新的基于HSV颜色信息和一阶梯度信息的阴影剪除算法,该算法运用双重准则检测阴影:准则一利用了HSV颜色空间与人观察彩色的方式十分接近的特性;准则二利用了空间上的一阶梯度信息。引入一种阴影剪除算法的评估方法,并用之对论文算法的效率进行了量化分析。实验结果表明该算法能有效剪除视频场景中运动目标的阴影。     

联合两种颜色空间的阴影检测算法

在视频监控的运动检测中,由于光照、风吹等影响,运动阴影常常被误认为运动对象。为了有效解决动态背景下运动目标中存在的阴影问题,提出了一种归一化的RGB颜色空间和HSV颜色空间相结合的阴影消除方法。该方法首先在归一化RGB颜色空间下用背景减除法得到运动目标,然后在HSV空间下对阴影进行检测和消除,从而得到真实运动目标。实验结果证实：该方法在运动目标检测及跟踪方面取得了较好的效果,对动态背景的视频,能准确、实时地检测出阴影并进行消除。     

一种阴影图像边缘检测的新方法

分析了国内外图像阴影边缘检测方法的不足,提出一种基于粗糙集理论的边缘检测新方法,阐述了利用粗糙集条件属性和边缘点梯度等特点对图像边缘点进行分类以及提取阴影边缘的方法,通过实验验证了边缘检测效果。     

基于阴影检测的HSV空间自适应背景模型的车辆追踪检测

在交通监控中,要进行车辆的检测、车流量统计、实时追踪、车速测定等工作,而如何从复杂的背景中分割运动物体是至关重要的一步,目前采用的典型方法是背景相减方法。为了对运动车辆进行准确快速的检测,在研究了目前存在的各种方法之后,提出了一种新的基于阴影检测的HSV空间自适应背景模型的车辆追踪检测算法,并将其应用于运动物体的分割,同时给出了具体的试验结果。该方法之所以不在传统的RGB空间实现,而在HSV空间实现,因为HSV空间可以提供更丰富的颜色信息。运行试验结果表明,该方法准确率高,适应性强,运算速度快,兼具灵活性,能满足实时检测的需要。     

一种基于YUV颜色空间自适应阴影消除算法

针对视频内容分析中的物体检测问题,提出一种新的基于YUV颜色空间的阴影消除方法,相比其他基于YUV颜色空间阴影检测方法,该方法为提高检测精度,使用自适应的动态门限。首先,在RGB颜色空间中使用背景差,得到仅包含目标物体及其阴影的图像。然后在YUV颜色空间中对此图像的色度进行统计分析,搜索出色度变化缓慢的区间,再针对每个色度区间确定对应的亮度区间,获得估计门限。最后,利用以上门限检测并消除阴影。实验结果表明,该方法对不同光照情况下的物体阴影都有很好的消除效果。     

基于YCbCr颜色空间的叶片阴影检测与去除

自然环境下获得的植物叶片图像往往由于阴影的存在而严重影响植物叶面特征的提取,为了解决这个问题,提出了一种基于YCbCr颜色空间的阴影的检测与去除方法.首先在YCbCr颜色空间中计算Y通道强度,采用阈值法检测阴影区域.然后在YCbCr颜色空间下根据光照模型对阴影区每个像素进行光照恢复.最后转化到RGB颜色空间下.相对于直接在RGB空间进行的阴影去除,该方法减弱阴影区的边缘效应,使得去除阴影后的区域与非阴影区的颜色更加一致,恢复图像看上去更加自然.     

基于边缘信息及光照方向的阴影检测算法

提出一种基于边缘信息及光照方向的阴影检测算法。该算法通过将HSV和RGB彩色空间的阴影特征相结合进行初步检测,从初步检测得到的阴影中估计光照方向,运用基于边缘信息阴影检测算法检测在光照方向角阈值范围内的阴影区域,实现对运动目标阴影的准确检测,为运动目标后续处理排除阴影干扰。实验结果表明,该算法能较好地抑制噪声,阴影检测效果比传统算法好。     

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。     

粗糙集理论在阴影图像边缘检测中的应用

粗糙集理论是一种新的处理模糊和不确定性问题的数学工具,该文提出一种基于粗糙集阴影边缘方法,该算法根据粗糙集理论、梯度、最大邻域差及噪声的条件属性,将一幅图像划分为不同的子图像,然后对子图像分别进行处理,得到阴影边缘点,再对边缘点进行细化和跟踪,删除那些假边缘点,最后得到阴影边缘图像。通过对所得结果进行分析可知,结合粗糙集理论的阴影图像边缘检测算法与其他的常规检测方法相比,无论从视觉效果还是检测精确度上都得到了改善。     

基于颜色和边缘方向的图像检索方法

提出了一种新的图像特征表示方法,首先提取图像的底层颜色信息获取颜色特征值 ,通过对图像中物体的边缘检测计算像素点的边缘方向角度值,并对颜色特征值和边缘方向 角度值进行量化。然后根据相邻像素点之间量化结果的数值分析,为每个像素点建立8维特 征向量。再以中心像素点与相邻像素点间不同的位置关系为基础,为每种位置关系赋予不同 的权重,根据像素点的特征向量计算出图像中每一个像素点的特征值。最后统计图像中具有 相同特征值的像素点个数,形成特征直方图,以此作为图像检索的依据。实验表明本文方法 能够有效描述图像的颜色分布和图像中物体的空间结构,更加细致地记录图像信息,进一步 增强图像之间的区分能力。与其他方法相比,本文方法检索效果更好。     

一种基于HSV颜色空间的图像检索技术

主要介绍了基于HSV颜色空间下一种非等间隔量化的图像检索方法，并与基于RGB颜色空间下的图像检索方法进行了比较。     

基于HSV与YCrCb颜色空间进行肤色检测的研究

对肤色检测所适用的颜色空间进行研究,通过对比HSV和YCrCb颜色空间进行肤色识别的受亮度影响的程度,通过数据得出哪一种颜色空间更加适合进行肤色检测.     

HSV 彩色空间的亚像素边缘检测磁

图像测量需要高精度、高准确度的图像边缘。随着测量精度要求提高,像素级图像边缘不能满足实际的需求,需要更为精确,提供更多细节的亚像素级边缘。提出了一种在 HSV彩色空间利用基样条插值提取亚像素边缘的算法。首先,将RGB空间的彩色图像转换到 HSV颜色空间;然后,利用提出的 H SVsin－cos彩色距离模型检测出像素级的边缘;最后,对像素级边缘进行基样条插值,得到亚像素边缘,并与B样条、三次样条插值结果相比较。实验结果表明：基样条插值的结果对图像的逼近度、差异性优于其它方法,分析与讨论的结果为利用插值方法进行亚像素边缘精确定位技术选取提供可靠的依据。     

一种基于数学形态学的彩色图像边缘检测方法

边缘检测对于彩色图像的处理是一个难题,文章提出了一种基于数学形态学的彩色图像边缘检测的算法,其思想是:对图像用一定的结构元素操作后,与原图像相减.对彩色图像进行腐蚀和膨胀操作的数学形态学算子是本文算法的关键.实验结果表明,本算法能较好地检测出彩色图像的边缘.在对色调的保护上明显优于Sobel和Prewitt算子扩展法,能较好的检测出图像中存在的特征与背景变换缓慢的边缘信息.     

基于边缘跟踪方法的肤色区域检测

常用的肤色模型只针对肤色的颜色信息,在较复杂的光照情况下检测效果不理想。为此,结合肤色在HSV颜色空间的分布特点以及肤色区域的边缘信息,提出一种应用于肤色区域检测的边缘跟踪方法。实验结果表明,该方法能准确检测图像中的肤色区域,检测结果优于传统的肤色模型,且对侧光、阴影等具有较好的鲁棒性。     

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。