一种基于HSV空间和纹理特征的快速车牌定位方法

提出了一种基于HSV空间和纹理特征的快速车牌定位方法。该算法利用车牌区域固定的颜色特征,可快速、准确地定位到与车牌颜色有关的区域。针对不同的背景和不同的车辆,抽取了150幅图片进行测试,定位成功率为97.6％,平均定时耗时为28ms。实验表明,该方法是一种在HSV空间利用颜色和纹理特征进行定位的算法,通用性强,灵活有效。     

利用YUV颜色空间和纹理特性消除车辆阴影

车辆视频检测中的阴影消除通常可利用图像的颜色特性或纹理特性来进行。如果只用其中一种方法,效果不是很理想。提出了同时利用YUV颜色空间的Y、U、V三个分量和图像纹理特性进行阴影消除的方法。首先利用Y UV颜色空间中的YUV分量用亮度比及颜色不变性的方法消除运动区域中的阴影;然后再利用图像的纹理特性对图像进行阴影消除;最后对两种方法的检测结果进行融合,达到了更好的消除效果。     

基于彩色空间多特征的高空间分辨率遥感影像阴影检测

高空间分辨率遥感影像中的阴影检测对于影像的目标识别和信息恢复十分关键。针对单一特征阴影检测中普遍存在的强反射性地形、地物漏检和水体错检的情况，提出了一种基于彩色空间多特征的阴影检测方法：首先，利用改进的阈值法进行一般阴影的检测；然后利用色调值较高的特征检测包含强反射性地形地物的阴影区域；再利用水体在RGB不同波段的反射亮度差值来进行水体与阴影的区分。实验结果表明：该方法较好地克服了阈值反复试算、包含强反射性地形、地物阴影区域漏检和水体错检的问题，提高了阴影的检测精度。     

基于颜色模型和纹理特征的肤色识别系统的研究

本文是基于颜色模型和纹理特征的肤色识别系统的研究。利用皮肤的纹理特征和颜色模型相结合,优化了一般的基于颜色模型的肤色识别系统的检测效果。仿真实验证明,该系统具有较好的肤色检测效果。     

一种改进的HSV颜色空间量化方法及其应用

随着图像数据的海量增长,图像检索效率逐渐成为研究热点.为了提高图像检索的准确率,提出了一种改进的HSV颜色空间量化方法,细化色调H的分类,使量化结果更接近人类感知,并在此基础上采用分块策略进行仿真实验.实验结果表明,提出的方法能更好地描述图像的颜色特征,效果令人满意,具有一定的实用性.     

一种改进的运动目标检测算法

针对目标检测过程中的背景变化、光照变化、阴影对检测的影响,提出了一种改进的运动目标检测算法。首先利用改进的统计方法建立了目标的背景模型,并实时地对背景模型进行更新,最后将检测出的目标采用融合HSV颜色信息和纹理特征的混合高斯阴影模型方法来去除阴影。实验结果证明,该算法在场景中有目标运动的情况下。能够准确地建立背景模型,并能去除阴影影响,提高系统的检测准确性。     

基于纹理特征的穿梭分析系统动物检测算法

引入图像处理技术对实验动物进行穿梭分析是定量测定动物行为学改变的重要手段.本文针对穿梭实验箱底部的构造特点,提出采用LBP纹理特征构建背景模型的方法来检测实验动物;首先计算实验箱底部图像的LBP纹理特征,并以该特征构建背景模型,进而分析实验动物进入实验箱后的纹理特征图像并利用背景差分法获取前景目标,最后通过对前景图像进行两次投影得到实验动物的中心坐标,从而完成目标检测.实验结果表明该方法充分考虑了实验动物和实验箱在纹理特征上的区别,可以实时可靠地完成实验动物的检测和定位.     

基于HSV颜色空间静止背景中运动目标的检测算法

针对固定场景视频序列中的彩色运动目标检测,采用HSV颜色空间表示视频原始帧,使用自适应背 景更新在原始帧中提取V 分量建立背景帧,利用背景差分法对视频序列进行运动检测,在运动区域二值化时结合原 始帧中的H 分量对运动区域进行筛选,从而得到特定运动目标被点亮的前景帧。实验结果表明,该算法能够有效地 实现在静止背景、多运动目标共存的视频中检测出特定颜色的运动目标。     

HSV色彩空间罐斑颜色特征研究

中医拔罐技术通过负压作用改变局部皮肤血液分布进行治疗时形成罐斑．对健康群体实施低强度常温拔罐,在HSV色彩空间中,分析此类罐癍颜色特征．结果表明：与正常皮肤相比,罐斑的h参量具有明显变化,_厂参量基本不变,h直方图重心变化不明显;而病变红斑的颜色特征不同,其_厂参量变化较大,h直方图重心左移．     

基于HSV空间的彩色边缘检测

为了克服在颜色亮度差别大的情况下,传统柱坐标模型下的欧氏距离不能合理分辨颜色的缺点,根据饱和度对亮度进行变换,提高了模型的准确性.并在此颜色距离模型下设计了一种彩色Min边缘检测算子,有效地提取了图像的边缘信息.实验证明该方法可以合理分辨不同的颜色,有效提取图像的彩色边缘信息,并能克服非均匀光照所带来的影响.     

融合区域纹理梯度的船舶阴影视频去除算法

借助于监控视频实时提取内河船舶运行流量等参数的船舶检测系统得以广泛应用,而传统的视频检测方法往往难以有效区分船体边界,造成颜色、纹理相似的前景和阴影区域检测相混淆.为此,解析了HSV颜色特征和LBP纹理不变性检测阴影原理,改进SE-CT阴影去除算法,提出基于颜色和纹理梯度特征GA-HT梯度填充的船舶阴影去除算法.测试表明,GA-HT算法能很好地去除船舶阴影,提高船舶的目标识别的精度和实时性,阴影检测综合指标F达到92％.     

基于混合RGB和HSV方法的人脸检测

采用一种简单而强大的基于肤色的人脸检测技术,将基于RGB和基于HSV的色彩模型组合来进行肤色分割,以提高检测的准确率．实验结果显示,本文描述的算法在识别一张人脸和多张人脸的情况下可以达到90％以上的准确率．     

基于多源信息的阴影检测

阴影检测在车辆检测中具有关键作用。针对目前车辆检测算法中阴影常被误检为前景目标的问题,提出了一种基于多源信息的阴影检测算法。首先进行前景目标的提取;然后分别进行基于边缘、HSV颜色空间和光学不变性信息的阴影检测;最后根据三种信息检测结果的综合分析确定阴影点。实验结果表明,该算法具有很好的阴影检测效果。     

基于HSV空间的创新型车牌定位方法

在HSV空间中,将车牌底色用1表示,非车牌底色用0表示,实现二值化.用二分法扫描滤波后的区域,对黑白变化特征进行识别,完成车牌粗定位.在灰度图像中对提取后的车牌区域进行直方图统计.大于或等于车牌字符灰度值的像素赋值为1,否则为0.然后进行特征提取及投影分析,实现车牌精定位.     

基于HSV和CLAHE的复制粘贴篡改检测算法

针对现有的局部特征提取算法,如尺度不变特征变换、加速稳健特征等对面积较小的篡改区域和平滑区域无法准确提取特征点进行复制粘贴篡改检测的问题,提出了一种基于色调、饱和度、明度（HSV）颜色空间和限制对比度自适应直方图均衡化（CLAHE）的2阶段篡改检测方法.第1阶段,将待检测图像从红、绿、蓝颜色空间转换到（HSV）颜色空间进行加速稳健特征提取;第2阶段,针对平滑区域的篡改,通过CLAHE算法对图像进行特征增强之后,再采用加速稳健特征进行特征提取;然后利用广义2近邻算法进行特征匹配,并利用随机抽样一致性算法剔除错误的匹配点;最后通过形态学操作实现篡改区域的标示定位.实验结果表明,该算法能抵抗小面积区域和具有非显著视觉特征的平滑区域复制粘贴篡改,并对旋转、缩放等后处理攻击具有一定的鲁棒性.     

一种基于混合高斯模型的运动目标阴影检测策略

视频的目标分割与阴影检测技术是计算机视觉领域中最主要的研究方向之一。基于混合高斯模型,提出一种双重阴影检测策略。先通过HSV模型下的颜色夹角确定疑似阴影,再对运动目标和疑似阴影进行混合高斯建模从而消除实际阴影。实验结果表明,该策略在不影响目标识别的情况下可以较好地检测并消除在不同光照环境下的随伴运动目标阴影,具有较高的鲁棒性,从而能保证目标检测的连续性和准确性。