基于最大隶属度与SVM的彩色图像分割新算法研究

图像分割是图像处理的主要问题,也是图像处理的难题之一,由于彩色图像提供了比灰度图像更多的信息,因此彩色图像处理,尤其是彩色图像分割受到了越来越多的重视。本论文提出一种基于HSI模型和模糊最大隶属度原则与SVM的彩色图像分割方法,从彩色图像的彩色直方图中获取目标色RGB模型和背景色RGB模型,再将RGB模型转化为HSI模型建立一组色彩模糊集,对HSI模型进行SVM训练识别再计算该图像中的色彩在各模糊集中的隶属度,最后确定色彩的归属,再将HSI模型转化为RGB模型。实现了快速有效的彩色图像分割方法的研究。     

最大隶属度与SVM彩色图像分割新算法研究

图像分割是图像处理的主要问题,也是图像处理的难题之一,由于彩色图像提供了比灰度图像更多的信息,因此彩色图像处理,尤其是彩色图像分割受到了越来越多的重视.提出一种基于HSI模型和模糊最大隶属度原则与SVM的彩色图像分割方法,从彩色图像的彩色直方图中获取目标色RGB模型和背景色RGB模型;再将RGB模型转化为HSI模型建立一组色彩模糊集,对HSI模型进行SVM训练识别,再计算该图像中的色彩在各模糊集中的隶属度;最后确定色彩的归属,再将HSI模型转化为RGB模型,实现了快速有效的彩色图像分割方法的研究.     

基于FPGA的LED屏彩色图像增强算法设计

色调是反映彩色图像中色彩信息的重要参数,为了在进行图像效果增强的同时保持色调不变,通常的做法是先把图像从RGB转化到HIS色彩空间,然后在保持H变量（色调）不变的情况下,进行I（亮度）的增强。但是由于这种方法需要进行色彩空间的相互转化,大大增加了计算量。文章通过对简化HIS模型的分析,提出了一种直接对R、G、B分量进行处理的彩色图像增强方法。该方法可以运用已有灰度图增强算法进行彩色图像的增强,由于不需要进行色彩空间的转化,大大减少了计算量。FPGA可用来并行实时处理海量的图像数据,文章利用FPGA的这一特点作为实时图像直方图均衡增强算法的解决方案,并通过改进直方图均衡图像增强算法使其在FPGA中具体实现,可用于实时性要求高的LED屏显示。实验结果表明,该方案使彩色图像的增强效果明显,运行效率高。     

基于德劳内三角剖分的彩色图像加权直方图表示及检索技术

经典的颜色直方图方法存在诸多缺陷，例如它不能表示图像中颜色的空间分布信息。为了进一步的提高图像检索能力，在分析图像特征的基础上，文章给出了一种基于角度图的直方图加权的图像表示方法。这种方法不仅保持了图像直方图简单方便的特点，同时又有效地将颜色的空间分布信息集成到直方图中。实验结果表明，对比经典直方图表示这种彩色图像的表示方法能获得更好的检索效果。     

基于目标色的彩色图像褪色模拟算法研究

针对传统的模拟彩色图像褪色方法受环境影响,误差较大,具有一定的局限性的特点,文中采用了目标色法模拟彩色图像褪色,利用目标色修复法对色彩信息进行处理,同时对低灰度值分量使用直方图均衡。实验结果表明,该方法使得图像得到褪色模拟,整体呈现出一种模糊的感觉,和日常生活中我们所接触到的彩色图像经日晒褪色后效果非常接近。     

图像通信中一种低照度彩色图像增强算法

针对低照度彩色图像细节模糊、亮度不高等问题,提出一种新的彩色图像增强算法。首先引入新传递函数改进传统同态滤波,然后,在RGB色彩空间上,分别对R、G、B分量用改进的同态滤波和对比度受限自适应直方图均衡（CLAHE）进行增强。接着,转换到HSV色彩空间,用非线性函数对亮度进行光照补偿,对饱和度进行1.5倍拉伸。最后恢复图像色彩信息。实验结果表明,新算法在保持图像细节的同时能够增强图像对比度,使图像清晰度更高。     

夜视图像局部颜色传递算法

针对基于全局统计信息颜色传递过程中存在的染色效果不能很好保持图像色彩的自然性,局部区域颜色与真实场景的颜色不符、目标变淡的问题,提出一种夜视图像局部颜色传递算法。首先,采用稀疏表示的方法对红外与微光图像融合;其次,对得到的融合图像进行非线性扩散,扩散结果采用核模糊均值聚类算法进行图像分割;然后,在YCbCr颜色空间对红外与微光图像块进行颜色传递;最后,把得到的彩色图像块组合成一幅图像,随后用得到的灰度融合图像来表征YCbCr空间的Y通道。实验结果表明,文中算法得到的彩色图像更加自然、真实。     

一种改进的颜色匹配对图像检索算法

以子块直方图彩色图像检索算法为基础， 分析了进一步利用图像空间相似信息的颜色匹配对检索算法的性能。在子块直方图的构成、直方图距离值的归类等方面提出了行之有效的改进方法；给出了子块大小、相似度阈值等参数选择的优化原则，使查准率、查全率等检索性能指标得到了较大的提高，得出了几个有用的结论并形成了实验系统。     

基于图理论聚类的彩色图像文本提取

本文提出了一种在彩色图像中进行文本区域的自动提取的方法。首先，应用色彩的统计模型，大大减小了图像的彩色空间的大小；其次，使用基于图理论进行彩色聚类。将图像分解成对应各类的多幅二值图；然后，在这些二值图的基础上进行连通分量分析，提取可能的文本区域，并对这些区域进行鉴别；最后，综合各二值图的提取结果，得到原始彩色图像中的文本区域。对于特定的应用，提取出的文本区域经过进一步的处理，可以输入字符识别(0CR）系统中进行识别。实验结果显示了本文提出的方法的有效性．     

本征图像分解的稀疏表示彩色图像去噪算法

为解决传统彩色图像去噪算法容易出现细节模糊、伪色彩及去噪效果不佳等问题,文中提出了一种基于本征图像分解的稀疏表示彩色图像去噪算法。利用本征图像分解良好的色彩保持和细节恢复等优点,将含噪彩色图像分解成反映图像真实颜色特征的反射率部分和反映图像亮度特征的光照率部分。一方面,反射率部分仅含有部分孤立噪声点且是具有分段平滑特性的彩色图像,因此文中采用在去除彩色图像轻度污染方面表现良好的基于稀疏表示的彩色图像去噪算法对其进行处理。另一方面,光照率部分包含了主要噪声成分且是具有较强稀疏性的灰度图像,因此文中采用能够保持图像细节的非局部集中稀疏表示灰度图像去噪算法对其进行处理。为了有效地求解所提算法,文中结合正交匹配追踪法和软阈值法设计了一种新的数值解法。数值实验结果表明,新算法明显优于经典的彩色图像去噪算法。以256×256的Boat图像为例,在噪声方差等于20时,新算法的PSNR值比K-SVD算法和NCSR算法分别提高了1.7dB和0.67dB,SSIM值比K-SVD方法和NCSR算法分别提高了0.11和0.09。文中所提算法在提高彩色图像去噪效果的同时能够有效地保留图像细节,在视觉效果和客观评价指标等方面均优于传统的ROF算法、K-SVD算法和NCSR算法。     

图像区间模糊模型及其在图像检索中的应用

在HSV颜色空间下,通过非均匀量化方法,构建了图像区间模糊模型.在此模型下,图像可以看作是一个区间模糊集合(IVFS,interval-valued fuzzy set).IVFS之间相似性度量可以用来衡量图像之间的相似程度.给出一种基于LP范数距离的IVFS集合度量(简称IVFSLp)并将它应用于图像检索中.实验数据表明:IVF-SLP与直方图距离(histogram distance)和普通模糊集的相似性度量(general fuzzy similarity measure)相比具有更好的性能.     

双色红外成像传感器时空信息融合的空间点目标识别方法

针对干扰条件下的空间点目标识别问题,提出了一种基于双色红外成像传感器时-空信息融合的空间点目标识别方法,并采用Ｄ-Ｓ证据合成理论对来自两个红外成像传感器的实际图像目标信息进行了仿真计算。结果表明该方法对强干扰条件下的红外点目标具有理想的识别效率。     

双色红外成像系统空间点目标识别方法

针对干扰条件下的空间点目标识别问题,提出了一种基于双色红外成像传感器时-空信息融合的空间点目标识别方法,并采用D—S证据合成理论对来自两个红外成像传感器的实际图像目标信息进行了仿真计算。结果表明该方法对强干扰条件下的红外点目标具有理想的识别效率。     

一种色彩校正算法研究与实现

数字图像拼接是指将具有重叠区的多幅数字图像或多帧视频,通过配准和融合获得单幅宽视场图像或者动态全景图。在实际应用中,图像因色彩不一致,而利于图像的配准和融合,因此有必要研究图像色彩的校正。文中首先论述了彩色图像的色彩空间以及它们之间的转换关系,然后介绍了常用的色彩校正方法,最后提出了基于Gamma和Linear调整的色彩校正算法。该算法将图像转换到YCbCr色彩空间,对亮度分量进行Gamma校正,对色度分量进行线性校正,实验结果表明,与以往的校正算法相比,校正效果有一定的改善。     

基于清晰度的彩色图像分割改进算法

针对K-means算法不能很好的分割目标较小,且目标颜色不能明显区别于背景颜色的彩色图像等缺点,提出了一种基于清晰度的彩色图像分割算法(S-K-means)。该算法引入图像清晰度评价理论,将彩色图像R、G、B三个通道的灰度矩阵转换成清晰度矩阵,然后选用Lab彩色空间,最后进行K均值聚类。为验证算法的有效性,对多幅电力线图像进行了分割实验,并与其他的分割方法进行比较实验,给出了详细的理论分析。实验结果表明该算法效果好,对电力系统中高压巡线具有参考价值,且具有较高的使用价值。     

Fuzzy two-step filter for impulse noise reduction from color images.

A new framework for reducing impulse noise from digital color images is presented, in which a fuzzy detection phase is followed by an iterative fuzzy filtering technique. We call this filter the fuzzy two-step color filter. The fuzzy detection method is mainly based on the calculation of fuzzy gradient values and on fuzzy reasoning. This phase determines three separate membership functions that are passed to the filtering step. These membership functions will be used as a representation of the fuzzy set impulse noise (one function for each color component). Our proposed new fuzzy method is especially developed for reducing impulse noise from color images while preserving details and texture. Experiments show that the proposed filter can be used for efficient removal of impulse noise from color images without distorting the useful information in the image.     

一种战场电磁信号识别技术

电子技术的突飞猛进让越来越多的电磁设备应用于战场,从而使电磁信号的识别成为摆在广大指战员面前的难题。通过对电磁信号特征进行建模、利用模糊理论构造隶属度函数计算综合模糊隶属度、用证据理论对样本的信息进行合成,从而设计了一种基于模糊集和D-S证据理论的电磁信号识别技术。最后,通过实验仿真证实了该方法的可行性。     

模糊逻辑与学习方法的车牌颜色识别算法

针对光照环境复杂多变及各地车牌颜色特征不同的情况,提出了一种结合模糊逻辑与学习方法的车牌颜色识别算法.在HSV颜色空间中进行车牌颜色特征提取,并根据反色信息将车牌颜色识别由一个四分类问题转换为两个二分类问题.对HSV颜色空间三个分量的模糊映射进行加权融合,建立基于隶属度的分类函数,相关参数通过学习算法获得.在一个基于DSP的嵌入式车牌识别平台上进行了与其他传统分类方法的对比实验,结果表明本文算法存两个测试集上都取得了更好的识别效果.     

基于颜色空间和模板匹配的交通标志检测方法

交通标志检测技术是交通标志识别系统的重要前提和基础。由于背景的复杂性,在进行颜色分割时部分区域可能会受到干扰,为交通标志的检测带来困难。文中利用HSV颜色空间和RGB颜色空间对不同颜色的交通标志进行粗检测,标记不同的值实现ROI分割。然后利用模板匹配的方法对交通标志进行处理,使用模板在ROI区域上滑动,得到模板相似度的最大值,以此来实现检测过程。实验结果表明该方法能获得较好的检测结果。     

A hybrid color and frequency features method for face recognition

This correspondence presents a novel hybrid Color and Frequency Features (CFF) method for face recognition. The CFF method, which applies an Enhanced Fisher Model (EFM), extracts the complementary frequency features in a new hybrid color space for improving face recognition performance. The new color space, the RIQ color space, which combines the R component image of the RGB color space and the chromatic components I and Q of the YIQ color space, displays prominent capability for improving face recognition performance due to the complementary characteristics of its component images. The EFM then extracts the complementary features from the real part, the imaginary part, and the magnitude of the R image in the frequency domain. The complementary features are then fused by means of concatenation at the feature level to derive similarity scores for classification. The complementary feature extraction and feature level fusion procedure applies to the I and Q component images as well. Experiments on the Face Recognition Grand Challenge (FRGC) version 2 Experiment 4 show that i) the hybrid color space improves face recognition performance significantly, and ii) the complementary color and frequency features further improve face recognition performance.