基于HSI颜色空间统计直方图的图像检索

给出了一种对图像的特征进行提取、分析并识别出一定形状及色彩差别的方法,主要目的是提取图像的颜色变化。首先是对采集到的彩色图像进行预处理,包括:图像的滤波、目标图像的定位等;然后采取了相应的图像颜色空间和识别算法,包括:图像颜色空间的变换、颜色量化、图像特征提取、识别算法。计算机仿真结果表明,该算法可行,并取得了较好的效果。     

一种基于机器视觉识别交通灯的方法

本文介绍了一种基于机器视觉识别交通灯的方法。将采集到的道路交通灯图像通过计算相似度定位出交通灯所在的区域,然后采取相应的颜色空间和识别算法,包括：图像分解、颜色空间的变换、颜色识别、图像分割等,来判断交通灯的颜色及其显示的数字。     

图像相似性改进算法

针对图像相似性度量问题,提出一种图像相似性改进算法。首先,分别得到源图像和候选图像的三个向量,包括HSV颜色空间H分量的颜色直方图向量、尺度不变特征转换（SIFT）算法局部特征向量以及图像颜色矩向量;然后,采用向量拼接的方法融合上述三个向量,借助主成分分析对融合后的向量降维,生成新的特征向量;最后,计算源图像和候选图像特征向量之间的欧氏距离,进行特征点匹配和图像相似度计算。实验结果表明,所提算法不仅提高了颜色直方图算法对于颜色分布接近图像的识别精度,而且减少了SIFT算法对于平坦区域较多图像的误判,平均查准率较颜色直方图算法和SIFT算法分别提高了23.8和9.6个百分点。所提算法能够有效提高识别图像相似性的准确度,判别结果更符合人眼观察结果。     

图像相似性改进算法

针对图像相似性度量问题,提出一种图像相似性改进算法。首先,分别得到源图像和候选图像的三个向量,包括HSV颜色空间H分量的颜色直方图向量、尺度不变特征转换（SIFT）算法局部特征向量以及图像颜色矩向量;然后,采用向量拼接的方法融合上述三个向量,借助主成分分析对融合后的向量降维,生成新的特征向量;最后,计算源图像和候选图像特征向量之间的欧氏距离,进行特征点匹配和图像相似度计算。实验结果表明,所提算法不仅提高了颜色直方图算法对于颜色分布接近图像的识别精度,而且减少了SIFT算法对于平坦区域较多图像的误判,平均查准率较颜色直方图算法和SIFT算法分别提高了23.8和9.6个百分点。所提算法能够有效提高识别图像相似性的准确度,判别结果更符合人眼观察结果。     

无人机森林火灾监测中火情检测方法研究

本文将无人机遥感的高清可见光图像用于森林火灾的监测,监测过程包括森林火灾检测、火灾区域分割、特征提取、火灾识别。首先,选择RGB颜色空间进行森林火灾的检测,在大幅减少单张图像的计算量的同时,也排除了大部分无火图像。其次,选择HSV颜色空间完成图像分割,得到完整性较好的火灾区域。最后基于灰度共生矩阵和火灾区域边缘图像提取了火灾区域的多维特征,并用支持向量机完成了火灾识别过程。本文算法对森林火灾的检测率可达到87.7%,识别率达到89.2%,表明该算法用于森林火灾监测效果较好。     

特征点和不变矩结合的遥感图像飞机目标识别

传统的飞机目标识别算法一般是通过目标分割,然后提取不变特征进行训练来完成目标的识别。但是,对于实际情况比较复杂的遥感图像飞机目标,至今没有一种适合多种机型的分割和识别算法。针对现有识别算法的不足,本研究提出一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的遥感图像飞机目标识别算法。方法：首先,对预处理后的遥感图像和模板图像进行小波变换,在低分辨率图像下采用圆投影特征进行粗匹配,确定候选目标;粗匹配结束后,提取高分辨率图像的多尺度Harris-laplace角点,并画出Delaunay三角网,同时提取出颜色不变矩和Zernike不变矩;然后使用欧氏距离作为这三种特征的相似性度量,并和样本图像进行加权匹配;最后选取欧式距离最小的图像作为最终的识别目标。结果：实验表明,本文算法飞机检测精度比现有算法高2.2%,飞机识别精度比现有算法高1.4%-10.4%。该算法能从遥感图像中精确识别出十大飞机目标,并对背景、噪声、视角变化等多种干扰具有良好的鲁棒性。结论：提出了一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的飞机识别算法,该算法使用了图像的多种信息,包括特征点和不变矩,有效地克服了使用单一特征无法描述多种信息的不足。实验结果表明,本文采用基于特征点和不变矩的飞机识别算法比其他算法具有更强的抗干扰能力和识别精度。     

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。     

快速颜色特征提取改进算法研究

针对颜色特征提取这一图像识别和检索领域的研究重点,提出了一种在RGB颜色空间实现的颜色特征提取改进算法。首先,在RGB颜色空间通过对整幅图像分块进行灰色关联聚类,确定初始聚类中心,然后应用改进的灰色聚类算法进行聚类,最后提取特征颜色。实验表明本文算法不仅能够对近似纯色或具有简单纹理的物体表面特征颜色进行有效提取,还可有效提取较为复杂的图像特征颜色。     

基于图像处理的血液透析器纤维识别计数

为获得血液透析膜纤维的高精度识别与计数,通过对纤维图像颜色聚类特征的实验和分析,得出在YUV空间中仅利用颜色分量U和V对图像进行颜色聚类.利用K-means聚类算法对图像进行颜色聚类,根据图像中各像素的聚类属性对图像进行分割.在纤维的识别计数环节,采用Hough变换的方式对分割出的纤维图像识别并计数.实验结果表明,该算法识别精度高,鲁棒性好.     

新型火焰颜色空间——IFCS

针对火焰识别颜色空间模型FCS带来的错判率高问题,基于混沌理论和[k]-medoids的粒子群算法,提出了一种改进的火焰识别颜色空间--IFCS。利用IFCS颜色空间进行火焰识别,可以在保证计算的简单快捷的同时,相对FCS更加突出火焰/非火焰像素颜色属性差异特性。采用混沌序列初始化粒子、自适应调整惯性权重、动态非线性调整学习因子、混沌搜索跳出局部最优等方法,得到了IFCS火焰识别颜色空间;进一步,在IFCS火焰颜色空间中通过经典Otsu阈值方法得到二值图像,建立了基于IFCS和Otsu的火焰识别算法--IOFR算法。实验结果表明：IOFR算法有效降低了当前基于FCS颜色空间火焰识别算法的火焰错判率。     

基于颜色聚类和Hu不变矩的道路交通标志检测

介绍了一种基于颜色分割和区域描述的交通标志检测方法。该方法利用在RGB空间的颜色聚类算法分割出感兴趣色彩区域,然后进行形态学处理,最后结合Hu不变矩对道路交通标志进行识别。识别结果表明,基于颜色聚类和Hu不变矩的交通标志识别方法具有很强的抗图像平移、缩放和旋转识别能力,并具有实现简单、识别速度快、准确率高等特点,有较高的实用价值。     

彩色图件自动分层算法研究

在彩色图件输入识别研究领域中,通常采用颜色分层的方法来降低图件识别的难度,文中基于瘢频数直方图和颜色表,分别提出了两种自动分层算法,结果表明,算法不仅可以处理单颜色背景的图像而且可以处理多颜色背景的图像,前者具有较强的鲁棒性,后者具有较经的实时性,实际应用效果良好。     

彩色地图图象的聚色算法研究

本文研究彩色地图图象中不纯净的颜色聚色问题，该问题是对地图图象进行自动识别的一个关键问题．本文对地图图象的颜色散射现象进行了分析，提出了对地图图象聚色的算法，该算法已经在ＩＢＭ４８６等微机上编程实现了，效果很理想．     

HSI颜色模型下基于空间信息的FCM算法

针对提花毛皮样片的花型识别技术,在HSI颜色模型下提出了一种基于空间信息的FCM图像分割算法。算法在HSI颜色模型下获得FCM算法的初始聚类中心,并采用了基于空间信息的模糊C均值聚类方法对图像进行分割。经C++编程验证,算法能有效去除花型图像中的噪声,获得较理想的花型识别结果。     

彩色文档图像的倾斜自动校正算法

对彩色扫描文档进行倾斜校正是对其进行OCR等处理所必须首先经历的步骤,为了对彩色倾斜文档图像进行准确、高效校正,提出了一种新的彩色文档图像的倾斜自动校正算法,该算法包括倾斜检测算法和倾斜校正算法。其中,倾斜检测算法解决了准确获得图像的倾斜角的问题;而倾斜校正算法则除了完成图像的旋转变换外,还通过色彩补偿解决了由于整数运算所造成的“锯齿”现象。倾斜检测是通过纹理复杂性分析实现的,而色彩补偿则是基于颜色线性相关的双线性插值算法。实验表明,该算法较好地解决了彩色文档图像的倾斜自动校正问题,它对于具有单一背景的彩色文档图像是准确、高效、实用的。     

基于图像特征匹配的商品识别算法

基于条形码的结帐系统存在操作繁琐等一些问题,为了解决零售业结账服务中排队的难题,提出一种以SURF(Speeded Up Robust Features)特征匹配为主,主颜色特征数字编码分类、形状特征数字编码分类为辅的商品快速识别算法。基于特征的方法具有压缩信息量、精度高等优点,成为目前研究的热点。但是传统图像特征识别算法,存在特征维度多、计算量大、运行速度慢等缺点,限制了其应用。本文将其中的主颜色和形状特征进行数字编码分类,之后利用高效识别算法SURF进行准确识别,很好地克服了以上缺点。实验表明,本文算法运行速度快,识别性能好,为零售业的结账服务提供了便利。     

基于RGB颜色模型的轨道轮廓识别算法

在非接触轨距测量系统中,提出一种基于RGB模型轨道轮廓的识别算法。该算法利用光源颜色相对固定的特点,通过提取RGB图像中的R颜色特征分量,并结合图像差影算法和细化算法,准确提取出钢轨断面轮廓。实验结果表明:该算法具有抗噪声能力强、计算速度快、准确性高等特点。     

基于谱聚类的两阶段颜色量化算法

颜色量化是进行图像处理和图像分析的重要技术之一,可以被广泛地应用到图像分割、图像压缩和图像识别中。首先利用高效的二分K均值聚类进行粗略量化,然后使用基于加权距离的谱聚类进行再次量化。实验结果表明,和其他常见量化算法相比,两者的结合使得新方法在运算速度和量化质量上都取得了不错的结果,而加权距离的引入,有效地解决了传统算法将包含像素个数少但重要的颜色进行错划分的问题。     

基于物理模型的彩色图象理解算法

本文给出一个彩色图象理解算法。算法首先对图象上的颜色变化(由光照和物体颜色引起)进行分析与综合,然后分割图象。算法的基础是双色反射模型理论,理论认为反射光的颜色是界面反射(耀斑颜色)和本体反射(物体颜色)的线性组合,这两种反射光在颜色空间的三维直方图中形成特定的聚类(点簇)。因此分析聚类的性质可帮助确定光照和物体的颜色,但是有意义的聚类的生成又以图象中物体区域的确定为前提。算法按照假设检验的策略,依据图象中的连通性和颜色空间中聚类的特征,完成彩色图象的分割,并产生对景物中所发生的光学过程的物理描述。该描述包括本征反射图象,分割图象,物体和光照颜色的符号描述。本征反射图象包括只反映界面反射的耀斑图象和从原图象中去除耀斑影响后的本体图象。