彩色图像检索方法

对彩色图像的检索进行了研究,提出了彩色图像检索的方法.该方法首先对彩色图像进行聚类,再使用聚类后图像的主颜色进行颜色相似度计算,使用基于奇异值向量的主颜色矩阵进行空间相似度计算,最后给出了基于主颜色的颜色信息和空间分布信息的图像内容相似度计算方法.进行检索时,可根据检索要求自适应地改变颜色和空间分布的权重,增加了系统的有效性.实验结果表明,该方法实现简单,能够更加灵活、准确地描述图像的颜色特征,从而有效提高了图像检索的准确率.     

基于数学形态学的彩色图像边缘检测

为了克服传统边缘检测方法对噪声敏感的缺点,提出了一种基于数学形态学的彩色图像边缘检测新方法.该方法是在RGB空间内,把每个像素作为一个向量进行排序,将灰度形态学推广到了彩色图像.然后通过分析噪声(主要是椒盐噪声)污染图像的特点对彩色图像形态学基本算子进行了改进.改进后的算子有很强的抗噪性,可以直接实现边缘检测.实验表明...     

基于Sugeno模糊积分的形态学彩色图像处理

在Sugeno模糊积分和柔性多结构基础上,提出新的彩色图像形态学滤波器和边缘检测方法。基于Sugeno模糊积分的评价值进行彩色图像点的矢量排序,通过结构元素的比较分析,得出柔性多结构元素抗噪声能力更强。与基于HSV矢量排序的方法比较,基于Sugeno模糊积分矢量排序的形态学变换效果更好。实验表明,新的形态学算法比经典形态学算法能更有效地去除图像的噪声和获取彩色图像边缘,保留图像细节。     

结合形态学变形虫和复合颜色空间的彩色图像边缘检测模型

为解决彩色图像边缘检测中出现的RGB空间中向量排序、边缘准确定位以及抗噪性问题,提出一种基于形态学变形虫(自适应结构元素)并联合使用HSV空间和RGB空间的彩色图像边缘检测方法.首先在HSV空间中计算变形虫结构元素,克服了传统形态学结构元素选择不合理的缺点;然后借助HSV空间中的度量,并将其转换到RGB空间中完成向量的排序;再在RGB空间中,通过计算上述变形虫结构元素中像素间距离最小值定义边缘强度,不仅避免了HSV空间边缘定位不准确的问题,而且提高了算法的抗噪性;最后借用Canny算子的思想得到单像素边缘.实验结果表明,该方法能够充分考虑到图像的局部特征,边缘定位准确、抗噪效果显著,能得到有效、丰富的边缘信息.     

基于支持向量机的彩色图像边缘检测

提出了一种新的基于支持向量机的彩色图像边缘检测算法.将彩色图像像素3×3邻域内像素的RGB值表示为一个27维的向量,作为该像素的特征,利用支持向量机直接判断其是否为边缘点.针对实际图像的边缘检测实验表明,支持向量机可以有效地进行彩色图像的边缘检测,其检测效果可以和传统的Sobel等边缘检测算子相当.     

基于奇异值特征提取的彩色人脸识别*

基于彩色图像的四元数模型,将彩色人脸图像视为一个模板直接处理,并首次将奇异值向量应用到彩色人脸识别中.首先证明了彩色图像的奇异值向量具有代数和几何不变性;然后将其提取为图像的代数特征并应用到人脸识别中.实验表明该方法的识别率为90%左右,是一种有效的彩色人脸识别方法.     

基于复合幂函数修正G1法的商户综合评价

针对多指标综合评价问题中主客观权重相悖时客观权重淹没主观权重的问题,以G1法和客观赋权法为基础,提出了复合幂函数修正G1法的组合赋权模型。首先,建立指标体系并通过G1法确定各指标主观排序和主观初始向量;然后,利用客观赋权法计算各指标客观向量;其次,在不改变主观排序的情况下利用复合幂函数算出主客观结合的综合权重;最后,利用各指标标准化后的值和综合权重计算综合评价值。采用大众点评网的商户数据进行综合评价实验：该模型的均方根误差（RMSE）为3.891,均低于G1-熵权法的8.818和标准差修正G1法的4.752,且覆盖率优于两种对比方法;分别修改主观初始向量和主观排序进行对比实验,修改主观排序的均方根误差为5.430,高于修改主观初始向量的1.17。实验结果表明,该模型得到的评价值与大众点评网官方的评分的一致性较高,且该模型弱化了主观初值对评分结果的影响,体现了主观排序的基础作用。     

基于支持向量机的多特征彩色图像边缘检测

针对在特殊领域中彩色图像边缘检测,不仅需要准确地检测到目标边缘而且需要去除非目标边缘,提出了一种新的支持向量机多特征彩色图像边缘检测方法.这种方法根据彩色图像边缘的特点,在图像亮度和色度通道上结合像素加权梯度值和像素邻域相关信息构建多维特征向量,通过训练的支持向量机可以准确识别出目标边缘.实验结果表明,该方法比传统边缘检测方法具有更好目标边缘识别能力.     

结合两个颜色空间的数学形态学边探测

分析了HSI颜色空间和RGB颜色空间应用于检测彩色图像边缘时的缺点,提出了一种基于数学形态学的彩色图像边缘检测算法。该算法在HSI颜色空间利用字典序给像素向量排序,然后逐对确定膨胀运算和腐蚀运算的像素,在RGB颜色空间利用这对像素计算边缘图像的像素点。实验结果表明,所提出算法检测的图像边缘轮廓清晰、连续平滑,细节丰富,边界完整,时间效率较高。     

HSV颜色空间的饱和度与明度关系模型

目前,彩色图像饱和度与明度的关系没有明确的定量描述.文中基于Weber-Fechner定律,推导了HSV颜色空间明度与饱和度的定量关系.在自然对数梯度场对大量图片的明度、饱和度运用假设检验方法进行验证,以出现概率最大的值作为斜率的初始假设,计算直线族的截距;将饱和度自然对数值代入直线方程得到假设的明度值,计算与真实明度值之间的误差进行检验;根据误差大小改变假设值,重复上述过程直至满足误差要求.文中得到的明度自然对数值与饱和度自然对数值之间的线性关系模型不具有设备依赖性,对CCD相机和CMOS相机均适用.该模型将彩色图像的像素向量从3维降到2维,降低了数据分析的复杂度,也将为图像传感器的优化设计起到指导作用.     

Face detection based on skin color likelihood

We propose a face detection method based on skin color likelihood via a boosting algorithm which emphasizes skin color information while deemphasizing non-skin color information. A stochastic model is adapted to compute the similarity between a color region and the skin color. Both Haar-like features and Local Binary Pattern (LBP) features are utilized to build a cascaded classifier. The boosted classifier is implemented based on skin color emphasis to localize the face region from a color image. Based on our experiments, the proposed method shows good tolerance to face pose variation and complex background with significant improvements over classical boosting-based classifiers in terms of total error rate performance.     

基于肤色检测的小区域特征点跟踪

针对跟踪系统中实时性和鲁棒性的要求,提出了一种基于肤色检测、自动筛选小区域搜寻特征点的快速跟踪方法。首先利用对彩色图像进行肤色检测,筛选出包含肤色的小区域,然后根据比例参数确定小区域的范围,计算小区域中特征点的质心与肤色检测区域中心构成反馈来实现跟踪。实验结果证明该方法可以很好地解决实时跟踪问题,并在出现肤色混淆的情况下也有相当好的鲁棒性。     

一种基于颜色和纹理的显著性目标检测算法

视觉显著性检测是很多计算机视觉任务的重要步骤,在图像分割、自适应压缩和识别物体方面都有很重要的应用。提出了一种基于HSV颜色、纹理特征和空间位置关系相结合的显著性检测算法。该方法先将图像分割成小的图像片以获取图像的局部信息,结合图像片颜色的独特性和空间分布的紧凑性计算得到颜色显著图;同时利用Gabor滤波器对图像进行不同尺度和方向地滤波得到纹理特征向量,然后对特征向量计算纹理差异得到纹理显著图;最后将二者结合得到最终显著图。实验结果表明,该方法在检测效果和抗噪能力等方面均可获得较为满意的结果。     

基于综合特征的图像分割

文章提出了一种有效的基于颜色和纹理综合特征的图像分割方法。将图像以块为单位进行划分,在YUV空间,提取块的颜色特征和纹理特征,在这种综合特征基础上,采用改进的K均值聚类法进行图像分割。该方法能自适应确定聚类中的参数,且兼顾点的位置连通关系,从而达到了较好的分割效果。     

基于肤色与结构特征的人脸检测与跟踪

首先使用基于YCbCr色彩空间的肤色高斯概率模型，对彩色图像进行肤色分割，得到候选人脸区域，接着提取候选区域的几何结构特征形成特征向量，利用bp神经网络进行候选人脸的判决，以此获得人脸的初始跟踪位置；后续的跟踪使用帧间差分法来确定人脸的移动方向和位置。该方法提高了人脸的检测速度和正确率。     

基于区域对比的图像显著性检测方法

随着计算机视觉的发展,图像显著区域检测在图像处理领域越来越重要。为了对自然图像中的显著区域进行准确的检测,提出了一种基于区域对比的图像显著性检测方法。首先对图像进行超像素分割预处理,然后利用图像的颜色特征和空间特征算出区域对比度,再结合图像子区域与其邻域像素平均特征向量的距离以及中心优先原则得到图像高质量的显著图。仿真实验结果表明,与其他的显著性检测算法相比,可以更加有效地检测出显著性目标,更好地抑制背景。     

Adaptive dehazing control factor based fast single image dehazing

The single image dehazing is performed using atmospheric scattering model (ASM). The ASM is based on transmission and atmospheric light. Thus, accurate estimation of transmission is essential for quality single image dehazing. Single image dehazing is of prime focus in research nowadays. The proposed work presents a fast and accurate method for single image dehazing. The proposed method works in two folds; (i) An adaptive dehazing control factor is proposed to estimate accurate transmission, which is based on difference of maximum and minimum color channel of hazy image, and (ii) a mathematical model to compute probability of a pixel to be at short distance is presented, which is utilized to locate haziest region of the image to compute the value of atmospheric light. The proposed method obtains visually compelling results, and recovers the information content (such as structural similarity, color, and visibility) accurately. The computation speed and accuracy of the proposed method is proved using quantitative and qualitative comparison of results with state of the art dehazing methods.

     

基于帧前景的特征距离判据的镜头边界检测

提出了一种简单有效的基于HSV空间镜头边界检测方法,本文综合考虑了视频帧全图像像素点与局部颜色直方图特征。首先,通过对视频帧全图的像素点进行运算提取每一帧的有效前景运动区域,然后提取该区域的颜色直方图。利用滑动窗口计算当前帧的前后两组视频帧的颜色直方图类间与类内距离,构造有效颜色特征的距离判据进行镜头边界检测。实验结果表明对镜头切变与渐变有良好的检测能力。     

融合双层信息的显著性检测

目的 针对已有工作在颜色及结构显著性描述方面的缺陷,提出一种新的图像显著性检测方法。方法 本文方法在不同的图像区域表达上从颜色与空间结构角度计算图像的显著性,充分考虑图像的特征与像素聚类方式之间的适应性。首先,根据颜色复杂度、边缘与连通性等信息,将图像从像素空间映射到双层区域表示空间。然后,根据两个层次空间的特性,与每个图像区域的边界特性,计算图像的结构和颜色显著度。最后,由于不同图像表示中的显著性信息存在互补性,将所有这些信息进行融合得到最终的显著性图。结果 在公认的MSRA-1000数据集上验证本文方法并与目前国际上流行的方法进行对比。实验结果表明,本文方法在精确率、召回率以及绝对误差(分别为75.03%、89.39%、85.61%)等方面要优于当前前沿的方法。结论 提出了一种融合双层信息的显著性检测算法。根据图像本身信息控制区域数目构建图像双层表示,提高了方法的普适性;利用图像不同层次的特性从不同角度计算显著性,增强了方法鲁棒性。     

基于DCT域视觉的场馆监控图像显著区域检测

针对传统图像显著区域的目标运动检测能力不足,提出一种基于DCT域视觉的图像显著区域检测方法.以MCU为基本单位将监控图像分割成图块,利用DCT系数对颜色、亮度、纹理等特征向量进行提取计算得到全局对比度,运用最大类间方差法计算阈值将图像分割,获得视觉显著区域.同时,以全局背景判断图像中的注视区范围、注视点位置,计算注视点...