基于区域一致性测度的彩色图像边缘检测

针对在RGB空间很难有效区分颜色相似性的问题,选择HSI颜色空间进行图像处理和分析。首先计算饱和度、色度、亮度等色差分量,通过引入模糊熵,构造出一组基于模糊熵的信息测度分量来定量描述图像的边缘特征。利用训练样本获取该组分量,并组成一特征向量对BP神经网络进行训练,然后将训练的BP网络直接用于边缘检测。BP网络的结构和训练比较简单,而且不需要设定阈值检测边缘。实验表明,该方法具有较强的细节保持能力,达到了令人满意的边缘检测效果。     

基于共生矩阵和形态学的彩色图像边缘检测

针对在RGB空间中难以有效区分颜色相似性的问题,提出了一种基于共生矩阵和HSI空间形态学的彩色图像边缘检测方法。采用二维共生矩阵直方图均衡化方法,解决图像过渡不自然的现象;针对HSI的分量利用形态学方法进行加权分析和图像融合,得到彩色图像边缘。通过MATLAB实验表明,该算法检测准确率高,自适应性好,有较好的检测效果。     

基于多尺度局部直方图均衡化的矿井图像增强方法

针对当前常用的直方图均衡化、基于Retinex理论、基于同态滤波、基于小波分析等矿井图像增强方法存在欠增强、过增强等问题,提出了一种基于多尺度局部直方图均衡化的矿井图像增强方法。根据HSI颜色空间图像的颜色分量（色调分量、饱和度分量）与亮度分量相互独立特性,将矿井低照度RGB图像转换到HSI颜色空间;采用双边滤波将亮度分量分解为光照图像和反射图像;对光照图像进行小、中、大3个尺度分块,对图像块分别进行局部直方图均衡化处理,以提升图像亮度和对比度;对反射图像进行8方向梯度增强,以丰富图像的纹理边缘;将经多尺度局部直方图均衡化的光照图像和方向梯度增强的反射图像进行Retinex反变换,得到增强的亮度分量,将其与色调分量和饱和度分量转换至RGB颜色空间,得到增强的矿井图像。采用煤矿井下实际监控图像对基于多尺度局部直方图均衡化的矿井图像增强方法进行实验验证,对其增强效果进行主客观评价。结果表明：该方法与现有图像增强方法相比,在图像亮度和对比度方面均有更大的提升,细节信息更丰富,信息熵提升7.23%以上,平均梯度均值提升31.6%以上,具有更好的图像增强效果。     

基于形态Haar小波变换的多聚焦图像融合

针对多聚焦图像融合问题,提出一种基于形态Haar小波分解和重构的新方法。通过形态Haar小波分解源图像,在低频分量中保留图像边缘和细节,并采用加权平均法进行融合。高频分量先经Gauss滤波去除噪声和边缘效应,再按取大值的原则进行融合。结合形态Haar小波重构融合后的高低频系数获得融合图像。实验结果表明,该方法能最大限度地保留图像边缘和细节信息,与总体平均法和小波变换法相比,融合图像的熵较大,总体交叉熵较小。     

不同彩色空间的彩色图像边缘检测研究

边缘信息是图像处理中的一种重要信息,通常的边缘检测研究是基于灰度图像的,然而彩色图像比灰度图像包含有更加丰富的边缘信息。彩色图像的边缘检测可以在不同的彩色空间中进行,目前大多数研究集中在RGB空间中。使用基于扩展的SUSAN边缘检测算子,将彩色图像在空间中的各分量分别进行边缘检测,对结果进行综合得到彩色图像的边缘检测结果,然后采用主观评价准则对若干不同的彩色空间中（包括RGB、YUV、YIQ、YCbCr、HSV、HSI）的试验结果进行了分析比较。试验结果表明,在HSV空间进行的边缘检测具有更好的性能。     

彩色套印偏差检测中的图像处理技术研究

提出了应用图像处理方法检测彩色套印偏差。在HSI色彩空间,通过H和I分量标定照明强度,保证获得高质量图像;应用二次标定技术确定系统比例;提出面积滤波法滤除印刷污点噪声和保持色调不变的图像增强处理。然后将彩色图像单值化利用Canny算子检测边缘、计算像素梯度方向,根据梯度方向划分边缘点集合,对不同方向边缘点集合进行迭代最小二乘法直线拟和,获得直线边缘准确位置,并以黑色为基准计算各颜色的偏移量。实验验证了该研究对套色偏差检测是实用且有效的。     

Lab空间的改进Canny边缘检测方法

针对传统RGB图像不能进行亮度分离的问题,提出了一种基于Lab颜色空间的改进Canny算子边缘检测方法。该方法将图像由RGB模式转换到Lab色彩空间,将亮度与色度信息分离,进一步使用基于组合滤波和自适应阈值的Canny算法,分别对Lab色彩模式下的三个通道分量进行边缘检测,实现三个通道的边缘融合确定。仿真实验结果表明,该方法可以有效提取图像中的边缘。     

基于离散K-L变换的彩色图像平滑滤波*

该方法的基本思想是对RGB颜色空间进行正交变换,解除分量间的相关性,然后应用现有的平滑滤波方法对变换后的分量进行平滑,最后再恢复到RGB空间显示。实验结果表明,该方法与基于RGB模型的滤波方法及基于HSI模型的滤波方法相比,能获得较好的图像平滑效果。     

实时彩色图像自适应中值滤波算法的FPGA实现

图像在采集、压缩、传输和接收的过程中,会受到脉冲噪声的影响,给后续的边缘检测、图像分割或目标识别等造成干扰;传统中值滤波将图像的RGB分量转为YCbCr分量进行滤波,该转换方法会损失一定的色度信息,且未将彩色信息完全分离,导致滤波后的图像产生色彩偏移;针对上述问题,利用HSI彩色空间中的I和S色彩分量对椒盐噪声进行检测,并通过自适应中值滤波将椒盐噪声滤除,图像还原度更高;利用FPGA对算法进行了硬件加速,在xc7a100tfgg484-2芯片上运行频率达222 MHz,可实现2k@60 Hz视频的实时处理。     

一种基于形态学的有噪彩色图像边缘检测方法

边缘检测技术是图像分割、图像增强、图像复原、模式识别、图像压缩等图像分析和处理的基础,也是图像处理领域研究的热点问题。本文提出基于HSI颜色空间形态学的有噪彩色图像边缘检测方法。在传统形态学梯度检测边缘的基础上进行改进,计算H、S、I三个分量的边缘信息,然后根据H、S、I所占比重对三分量进行加权融合得到彩色图像边缘。实验结果表明,这种方法所检测的边缘符合视觉边缘,在抗噪声方面的效果比传统方法更佳,能够更完整地保留原彩色图像的轮廓,有更好的实用性和通用性。     

多颜色空间取色器的设计与实现

目前常用软件使用颜色时多以RGB颜色空间为主,也有少数软件使用了HSB、Lab、CMYK等颜色空间。在肤色检测研究领域,RGB颜色空间已经满足不了研究需要,通常会采用HSI、HSV、YCbCr、YIQ、YUV等颜色空间,用于提高肤色检测的准确率和检测效率。针对常见软件的不足,给出了一款基于多颜色空间的取色器,实时抓取光标位置的颜色,并转换为HSI、HSV、YCbCr、YIQ、YUV颜色空间的表示形式,能让用户直观的看到同一颜色在不同颜色空间的各个分量值,加深用户对各种颜色的理解。     

关于彩色图象处理的形态学算子研究

彩色形态变换是数学形态学从灰度图象到彩色图象的推广,基于ＲＧＢ（ｒｅｄ－ｇｒｅｅｎ－ｂｌｕｅ）彩色坐标系统,提出了彩色形态变换的理论,并讨论了它们的性质,进而建立了彩色形态变换与灰度形态学的联系,彩色形态变换作为一种数学形态学方法在彩色空间的延拓,可有效地应用于彩色图象处理、图象编码和目标形状特征提取等。     

基于两种色彩空间的颜色选择方法

本文分析和比较了HSI和RGB两种色彩空间的特性,提出了一种基于两种色彩空间,可以实现人机交互的选择颜色的方法,并设计了基于该方法的颜色编辑器,通过对彩色图像处理的实验,结果证明该方法适用而且有效。     

一种快速、鲁棒的人脸检测方法

根据特征脸思想，提出了一种新的基于特征肤色的人脸检测方法。首先从RGB彩色空间转换到HSI彩色空间中，然后训练肤色点样本集得到特征肤色，最后在特征肤色构成的肤色空间中检测人脸，实验表明，该方法是快速的，鲁棒的。     

小麦冠层图像H分量的K均值聚类分割

大田环境下小麦冠层图像具有光照不均匀、背景复杂及阴影遮挡等特点,经典图像分割算法存在精度低、过分割等问题,提出一种基于HSI空间下H分量的K均值聚类算法。使用[R+G-B]归一化处理RGB空间下的彩色图像,以抑制其B分量;将归一化图像进行RGB到HSI的颜色空间转化;根据光照是否均匀,使用K均值聚类算法对彩色图像的H分量进行不同的聚类处理,经形态学开运算及去噪处理获得最终目标图像。实验表明,该方法对不同施氮量、不同光照、不同生长时期小麦冠层图像的分割效果较好,相对基于Lab空间的K-means聚类分割,该方法可一定程度避免过分割现象;相对基于H分量的Otsu算法,对光照不均匀图像分割更完整,对复杂背景图像分割更精确。     

人脸图像ICM时间序列识别方法

提出一种仿生物视觉算法模型的彩色人脸图像识别方法——视觉交叉皮层时间序列人脸特征提取算法。将彩色人脸图像从RGB空间转换至HSI空间,对HSI空间的各个图像分量分别提取时间序列,将各个分量的时间序列连接形成整体的人脸图像特征。该序列对不同人脸图像具有较高的区分度,而对于不同角度的相同人脸图像却表现出一致性。用第一范式距离作为判据进行人脸图像识别,并与PCAI、CA以及基本的PCNN进行比较,实验结果表明,提出的方法识别速度明显高于比较的几种方法,识别准确率可以达到86.73%。     

HSI空间亮度信息的多尺度Retinex图像增强研究

彩色图像增强可以提高图像的亮度,增强图像的对比度和细节,同时使得图像颜色更加逼真自然,并且较少失真,在遥感、医学、刑侦、电视与多媒体等许多方面具有良好的应用前景和重要的理论研究意义。提出基于HSI空间亮度信息的多尺度Retinex图像增强算法（HSI_MSR）,算法通过对HSI颜色空间模型的分析,通过增强HSI模型中I分量,将HSI模型转换到RGB模型,得到增强后的彩色图像。通过仿真实验可知HSI_MSR算法可以较好地提高图像的视觉特性,亮度适合人眼观察,细节较为丰富,使得图像颜色更加逼真自然。     

改进的HSI空间形态学有噪彩色图像边缘检测

针对在RGB空间中很难有效区分颜色相似性问题,选择了更加符合颜色视觉特性的HSI颜色空间进行图像处理,提出了一种改进的形态学有噪彩色图像边缘检测方法,将开闭的迭代运算和双结构元多尺度运算应用到传统形态学梯度算子中,然后计算图像H、S、I三个分量的边缘信息,根据H、S、I所占比重对三分量进行加权融合得到彩色图像边缘.实验结果表明,该方法所检测的边缘符合人眼视觉特性,在抗噪声方面的效果比传统方法及其他多种方法更佳,能够更完整地保留原彩色图像的轮廓,计算量相对较小,有很好的实用性和通用性.