基于多特征融合的视频火焰检测技术研究

基于彩色监控视频图像,利用火焰影像的时间运动特性,采用混合高斯背景建模方法从监控视频图像序列中提取出运动前景像素;在RGB色彩空间模型中通过火焰颜色的加权判别算法提取出具有火焰颜色的运动像素区域;最后,提出一种基于统计频率计数的火焰频闪特征识别方法,用于将视频图像中真实的火焰区域从具有火焰像素颜色的运动区域中区分出来。Matlab仿真结果表明,该算法具有很高的有效性和鲁棒性,能够应用实际的视觉火灾检测系统之中。     

火灾图像分割与目标识别方法研究

火灾现场环境复杂,获取的图像对比度较低,边缘模糊,使得火灾图像分割和火焰区域识别困难。为此,提出了一种基于色彩空间的火灾图像分割与多特征量融合的火灾图像识别方法。首先通过颜色特征找出可疑的火焰发生区域,然后通过色彩空间的H、S、I特征的线性组合对可疑区域进行分割,接着分析和提取可疑区域的火焰特征,输入提取的火焰颜色、纹理和形状特征,利用BP神经网络建立火灾识别模型,并以光、气焰和烛焰为干扰,通过神经网络的训练,最终分类和输出。仿真结果表明,火灾识别精度高,鲁棒性好。     

二分粒度聚类和KELM的全景图像火焰识别研究

针对现有灭火机器人视觉系统的窄视野且检测结果受光照变化干扰的问题,提出了一种应用于大视角全景图像火焰识别且抗光照变化干扰的二分粒度聚类优化的核极限学习机方法.首先,对全景图像建立抗光照变化干扰的颜色模型;然后在该颜色模型下利用经过二分和粒度思想改进的K-means聚类算法分割疑似火焰区域与非火区域;最终提取疑似火焰区域的颜色分量等特征参数作为输入向量来训练核极限学习机(KELM)分类器以提取火焰区域.经仿真研究证明,该算法能快速准确识别全景火焰图像,对光照变化具有良好的鲁棒性,且通用性强.     

HSI颜色空间下的直线导轨表面缺陷检测方法

为解决直线导轨表面微小缺陷受背景纹理影响、无法准确检测的问题,提出了一种HSI颜色空间下的直线导轨表面缺陷视觉检测方法。将直线导轨表面图像由RGB空间转换到HSI空间,得到色调、饱和度和亮度的分量图;采用主成分分析法对各分量图像进行降维,建立混合灰度模型;利用粒子群算法优化其相应的加权系数;通过阈值分割完成缺陷检测。实验及计算结果表明,相比RGB空间的缺陷提取,该方法能准确检测出常见的直线导轨表面四种类型缺陷。     

基于机器视觉的冬枣分拣设备研究

机器视觉在物品识别与分拣方面有着广泛的应用,文章针对基于彩色CCD的机器视觉冬枣识别进行了研究。根据CCD色彩识别原理,运用CCD摄像头每隔2 s采集一幅冬枣图像,用图像处理软件将采集到的RGB图像转化到HSI模型空间,用HSI模型中的H分量描述冬枣颜色特征方法,设置了基于经验与计算数值的分别阈值,成功进行了生熟冬枣的识别;进而构建了基于单片机控制系统的冬枣分拣装置,该装置使自动上料的冬枣在经过两轮的识别后,将经彩色CCD采集图像并经计算机检测的熟冬枣经过分离器实现分离,并通过气缸的动作将检测为生的冬枣倾倒到一起,从而完成生熟冬枣的快速检测与分离。     

大空间火灾火焰图像分割区域的静态特征描述与提取

大空间火灾的有效检测对预防火灾、保护人员生命财产安全有着至关重要的作用。基于火焰视频图像的检测结果,对分割出的火焰图像进行静态特征描述和分析,提取出火焰候选区域的多种定量特征描绘子,并从颜色特征、纹理特征和形状特征这三个方面来描述火焰影像区域的静态视觉特性。试验结果表明利用火焰影像的颜色矩特征能够区分一般干扰物体;利用纹理特征能有效排除与火焰像素颜色相近的干扰物体;同时,采用圆形度作为火焰图像区域的形状特征描绘子也能排除常见的干扰模式,从而对火灾事件进行准确而有效的识别,减少识别误报率。     

基于SIFT算法的交通标志识别

为了适应日益恶化的交通环境,本文提出了一种基于SIFT(Scale Invariant Feature Transform)算法的交通标志识别方法,利用SIFT算法构建仿射不变的特征子空间,通过基于HSI彩色模型的颜色特征检测以及基于几何特征的路标区域确定检测输入图像中是否存在交通标志,以及确定可能存在交通标志的感兴趣区域以及类别;最后通过对检测出来的部分进行SIFT特征与特征子空间的交通标志描述符进行匹配,完成交通标志的识别。进行Matlab仿真实验表明,所设计的系统能在复杂环境中高效准确地进行交通标志的识别。     

基于HSI颜色空间的深度学习单幅图像去雾方法

针对传统的单幅图像去雾算法容易受到雾图先验知识制约导致颜色失真等问题,本文提出了一种基于HSI颜色空间的深度学习多尺度卷积神经网络单幅图像去雾方法,即通过设计深度学习网络结构来直接学习雾天图像与其无雾清晰图像色调、饱和度和亮度之间的映射关系,从而实现图像去雾.该方法首先将有雾图像从RGB颜色空间转换到HSI颜色空间,然后设计了一个端到端的多尺度全卷积神经网络模型,通过色调H、饱和度I、强度S三个不同的去雾子网分别进行多尺度提取,深度学习得到有雾图像与清晰图像之间的映射关系,从而恢复出无雾图像.实验结果表明,本文方法对于雾天图像具有良好的去雾效果,在主观评价和客观评价上均优于其它对比算法.     

嵌入式特征颜色提取算法研究

针对嵌入式机器视觉检测系统的实际要求,提出了一种工作在RGB颜色空间的基于灰色关联分析的特征颜色提取算法。首先,在RGB颜色空间对图像进行分块处理,并通过计算各像素间的灰色关联度来确定初始特征颜色;然后按照像素与各初始特征颜色间的灰色关联度对所有像素分类;最后对分类后的像素应用颜色直方图法获得最终的特征颜色。算法具有较高的计算效率和稳定性,且对噪声的干扰不敏感。在此基础上设计了一种嵌入式物体表面特征颜色提取系统,实验表明该算法可以快速准确的对具有简单纹理的物体表面特征颜色进行有效提取。     

基于混合高斯模型与小波变换的火灾烟雾探测

本文提出了一种基于混合高斯模型和二维离散小波变换的图像型火灾烟雾探测方法.在RGB空间使用混合高斯模型对背景进行建模,通过当前图像与背景参考模型的比较提取可疑区域,分割可疑图元.对可疑图元进行特征提取:在灰度空间通过二维离散小波变换提取高频和低频能量特征值;在HSV空间提取颜色饱和度特征值;利用图像帧序列提取边界闪烁频率特征值.综合各特征值进行烟雾判断.使用烟雾视频图像进行烟雾判断实验,结果证明了此种方法的有效性.     

基于HSI颜色模型的汽车牌照定位方法

汽车牌照定位是公认的较难解决的图像分割问题.本文基于HSI颜色模型给出了汽车牌照定位的新方法:首先对图像进行倾斜校正处理.然后将图像转换到HSI颜色空间,对该模型的H分量和S分量进行过滤获得二值化的汽车牌照图像,再通过孔洞检测去除未含有孔洞的连通域.并填充孔洞.运用数学形态学方法对二值图像处理,最后根据车牌照特征定位出车牌照区域.试验证明该方法达到了很好的定位效果.     

基于颜色空间转换的交通图像增强算法

针对恶劣天气场景中交通图像常见的降质严重、模糊不清和对比度低等问题,提出一种基于颜色空间转换的交通图像增强算法。该算法首先在RGB颜色空间中对R、G、B 3个颜色通道的图像进行对比度拉伸操作,然后将图像由RGB颜色空间转换到HSV颜色空间,在HSV颜色空间中对V分量进行对比度受限自适应直方图均衡化操作,最后将图像从HSV颜色空间转换回RGB颜色空间得到最终的增强图像。实验结果表明:该方法与其他几种著名的增强算法相比,能获得更为理想的增强效果。     

融合对比度和分布性的图像显著性区域检测

单独基于对比度的显著性检测方法由于忽略了特征的空间分布,且只在RGB空间或LAB空间下单独进行计算,故实验结果不理想。本文提出了结合RGB和LAB两种特征空间并融合了对比度和分布性的图像显著性区域检测算法。该算法首先提取图像分块在RGB空间和LAB空间下的原始特征并进行组合,在主成分分析（PCA）降维的基础上自动选择有效特征;然后计算图像分块的对比度和分布性,融合对比度特征和分布性特征实现对原始图像的显著性区域提取。实验结果显示,本文算法的平均准确率为0.821 7,平均召回率为0.692 5,综合指标F值达0.787 8。计算的显著性区域的效果比在RGB空间或LAB空间下单独基于对比度的计算方法有明显改善,相比其他检测方法更加准确,符合人眼的观测结果,均匀突出了显著性区域。     

机械手姿态识别的立体视觉匹配

为了提高机械手姿态识别的精度,提出了区域边缘线段立体匹配算法。该算法利用图像中包含边缘线段区域的颜色特性和边缘线段的几何特征进行线段匹配,其中,区域的颜色特征包括边缘线段的左右颜色和梯度方向,边缘线段的几何特征包括长度、方向和角度。由于充分利用了图像提供的颜色信息,特别是颜色梯度方向信息,使得边缘线段的匹配不仅依靠其自身的几何特征(如长度,方向和位置),而且依靠直线段所在图像区域的所有信息。因此,匹配的判据可以做得更准确。使用该算法进行机械手姿态识别实验,结果验证了该算法能够在复杂背景下识别机械手的姿态,识别精度高,其相对误差达到1.7%,该结果满足机械手在姿态识别中的精度要求。     

基于RGB法的回收塑料瓶自动颜色分选系统开发

针对回收塑料瓶的颜色分选需要,根据其颜色差异,提出了基于RGB模型的塑料瓶颜色分选技术,并开发出相应的自动颜色分选系统.它采用彩色面阵CCD摄像头完成塑料瓶的图像采集,把图像像素的RGB分量值作为识别依据,通过控制高速电磁阀完成塑料瓶的自动分选.分选系统能够满足高速、实时要求,识别准确率高,具有广泛的应用前景.     

RGB颜色格雷码结构光三维测量技术研究

提出一种基于RGB颜色格雷码的结构光编码方法。该方法是将红、蓝条纹按二进制格雷码编码方式进行编排，并在红、蓝条纹之间用一个像素的绿条纹作为分界。由于投射光强相同，基于CCD的摄像机拍得的条纹图像中绿条纹向红、蓝区域扩散程度等同，提取绿条纹的中心即可获得条纹的准确定位，再依据三角法原理实现三维物体测量。文中具体介绍了该方法的编码、解码原理，分析了基于HSI空间的彩色图像分割方法，给出了基于3dsMAX和MATLAB环境下的重构仿真实验结果。     

基于颜色和数学形态学的木材缺陷检测研究

木材天然美丽的纹理、优雅的色泽使其在建筑、家具得以广泛应用,因此人们除对木材纹理特别注重外,对其颜色也近于挑剔.本文根据传统的分割方法、木材的特点、实际生产过程中时间短的的要求,提出了基于色差和数学形态学木质板材分割方法.在HSI空间中,重点选择对H分量和I分量先进行形态学边缘检测,不考虑其中过小的像素块,采用中值滤波将其清除,保留住准确的边缘图像,为此边缘检测以颜色模型的H分量为特征,然后再基于边缘信息进行区域生长.为了克服伪边缘(断边、毛刺等)缺陷,本文又利用边界信息自动选择种子点,以各区域边界为区域模型进行区域生长,最后得到分割结果,很好的分割出木材的缺陷部分.     

基于代表色的图像检索方法研究

文章提出了一种基于颜色的图像检索方法.该方法采用HSI颜色模型对颜色空间进行量化提取代表色,通过对图像进行分块,统计各方块的代表色直方图,并对各方块代表色直方图赋予不同的权值进行相似性计算,最后给出了相应的相似度计算方法.实验证明该方法能有效地降低检索时间、提高检索效果.     

基于火焰图像的回转窑烧成状态识别方法研究

烧成带状态的准确识别是回转窑烧结过程中最为关键的一环.给出了一种新颖的基于火焰图像的烧成状态识别方法.首先,基于一种新颖的设计方法得到的压缩Gabor滤波器组作为预处理阶段,增强具有不同纹理特性的物料区域和火焰区域的可分性.然后,对预处理后的火焰图像采用主成分分析寻找特征火焰图像,通过关联每幅火焰图像与特征火焰图像提取火焰图像的全局特征向量,最终经由概率神经元网络分类器对特征向量进行分类识别.实验结果表明了该方法的有效性.     

基于边缘和颜色特征的贴装晶体管类元件检测算法

为了检测贴装后的晶体管类元件,提出了一种基于元件边缘与颜色特征的检测算法.首先建立了元件在三色(红、绿、蓝)结构光下的模型,分析其特征;然后提取图像的边缘,在利用线滤波器和矩形滤波器过滤掉干扰边缘后,连接候选电极边缘,并引入HSI空间的颜色特征定位电极区域,再分析电极特征并确定元件贴装类型;最后基于投影的方法对元件主体进行匹配检测.实验结果表明:本文算法可有效地检测缺件、偏移、歪斜、错件等晶体管类元件常见的元件缺陷.