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。     

基于细胞神经网络鲁棒性的彩色图像边缘检测

根据细胞神经网络(CNN)数学模型,提出一种新的彩色图像边缘检测方法。 新方法继承了CNN 的优点,解决了CNN 现有算法不能直接检测彩色图像边缘的问题。该 方法充分利用图像中的颜色信息,通过欧几里得距离度量像素之间的差异,使CNN 方程可 以在RGB 彩色空间中进行运算。对CNN 模板进行理论分析和鲁棒性研究,提出一个实现 彩色图像边缘检测功能要求的CNN 鲁棒性定理,为设计相应的CNN 模板参数提供了解析 判据。实验结果表明,该方法可以对彩色图像进行有效的边缘提取,定量评价验证了CNN 边缘检测定位准确的优点。     

一种基于基元的彩色图像检索方法

结合基元与颜色特征,提出一种基于基元的彩色图像检索算法,该算法首先将彩色图像从RGB颜色空间转换到HSV空间上,并将图像量化为256种颜色,然后定义五种基元类型对图像进行基元分析得到基元图,利用颜色直方图描述基元图的颜色特征,利用改进的直方图相交算法进行相似度度量。实验结果表明：提出的算法能有效地去除背景颜色对图像目标的检索影响,而且较之用灰度边缘检测的边缘代替彩色图像边缘而进行的检索,能更好地反映彩色图像的纹理和边缘特征,具有较高的查准率和查全率。     

一种快速有效的彩色图像边缘检测方法

在传统的灰度图像的边缘检测算子的基础上,对其进行改进。充分利用了彩色图像的颜色信息,将算法从灰度空间转换到RGB颜色空间。提出了彩色图像的高斯-拉普拉斯边缘检测算子,同时采用滤波来抑制噪声以及非极大值抑制来细化边缘,算法简单易于实现。实验结果表明,算法能有效地提取出彩色图像的边缘信息。     

HSV 彩色空间的亚像素边缘检测磁

图像测量需要高精度、高准确度的图像边缘。随着测量精度要求提高,像素级图像边缘不能满足实际的需求,需要更为精确,提供更多细节的亚像素级边缘。提出了一种在 HSV彩色空间利用基样条插值提取亚像素边缘的算法。首先,将RGB空间的彩色图像转换到 HSV颜色空间;然后,利用提出的 H SVsin－cos彩色距离模型检测出像素级的边缘;最后,对像素级边缘进行基样条插值,得到亚像素边缘,并与B样条、三次样条插值结果相比较。实验结果表明：基样条插值的结果对图像的逼近度、差异性优于其它方法,分析与讨论的结果为利用插值方法进行亚像素边缘精确定位技术选取提供可靠的依据。     

一种快速有效的彩色图像边缘检测方法

在传统的灰度图像的边缘检测算子的基础上，对其进行改进。充分利用了彩色图像的颜色信息，将算法从灰度空间转换到RGB颜色空间。提出了彩色图像的高斯-拉普拉斯边缘检测算子．同时采用滤波来抑制噪声以及非极大值抑制来细化边缘，算法简单易于实现。实验结果表明，算法能有效地提取出彩色图像的边缘信息。     

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.     

基于HSI颜色空间的X射线彩色图像分割

给出一种HSI颜色空间上基于HSI分量统计概率分布的彩色图像分割方法,并应用于X射线安全检查仪下危险品图像的分割。该方法将RGB彩色图像转换到HSI颜色空间,并以S分量为主要依据对图像进行粗分割,获得旅客包裹图像,然后,利用H和1分量的联合阈值进行细节分割获得疑似危险品的图像。在实际应用中表明该方法快速简单,满足实时性要求,是一种高效的自动算法。     

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。     

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.     

彩色图像形态学的研究及其应用

基于对彩色图像形态学的研究,提出一种面向RGB颜色空间的距离和字典序相结合的颜色向量序,给出基于所定义像素序实现的彩色图像形态学膨胀、腐蚀、开和闭算子。把灰度图像形态学重构及一种边缘增强和噪声清除的算法推广到彩色图像。实验结果表明,基于向量序实现的彩色图像形态学的基本算子性能良好,边缘增强和过滤的效果较好。     

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。     

一种基于CNN的彩色图像边缘检测算法

利用细胞神经网络(CNN)模型导出了一种新的彩色图像边缘检测算法。为了充分利用图像中的颜色信息,在RGB彩色空间中用Mahalanobis距离来度量象素之间的差异。为了解决常规边缘提取方法输出二值结果的缺点,采用可以多值输出的CNN来进行彩色图像边缘检测。通过Mahalanobis距离对灰度CNN度量象素差异的方式进行改进,使其可以在RGB彩色空间中进行运算。通过与Sobel、Log和Canny等几种边缘检测算子比较,可以看出新方法的结果更加符合人眼的感知。此外,在含有丰富细节和微小变化的区域,新方法可以取得更好的结果。     

基于RGB模型颜色相似性的彩色图像分割

图像分割是图像处理的重要步骤,由于彩色图像含有的信息比灰度图像还多,因而对彩色图像分割的研究越来越受到人们的关注.提出一种新的基于RGB空间颜色相似性的彩色图像分割方法.首先比较各种颜色模型的优势与不足,然后根据RGB颜色空间的颜色信息和亮度信息提出一种计算在RGB空间下颜色相似性的方法,再结合提出的图像颜色分量计算方法,从而形成颜色分类地图,最后根据颜色分类图进行像素划分,得到分割结果.实验在Matlab平台上进行,结果表明:对于颜色分明的图像,该算法准确性高,有较好的健壮性和较低的计算复杂度,能很好应用在图像前景与背景分割应用上.     

保护边缘及细节的彩色图像滤波算法

为克服常用空间域彩色图像滤波算法不能兼顾去噪和保持图像细节的不足,提出了一种保护边缘及细节的彩色图像滤波算法.将待处理RGB彩色图像分解成R,G、B这3幅分量图像,对于每一幅分量图像分别利用能兼顾去噪和保持图像细节的滤波算法进行滤波去噪,将滤波处理后的3幅分量图像合成为一幅RGB彩色图像.因算法根据待处理像素的不同隶属情况选用了不同的滤波模板进行滤波处理,故在有效地滤除彩色图像中的噪声的同时较好的保护了彩色图像的边缘及细节,弥补了常用空域彩色图像滤波算法不能兼顾去噪和保持图像细节的不足.     

基于预测梯度的图像插值算法

提出一种新的非线性图像插值算法,称为基于预测梯度的图像插值（Image interpolation with predicted gradients,PGI）.首先沿用现有的边缘对比度引导的图像插值（Contrast-guided image interpolation,CGI）算法思想对低分辨率图像中的边缘进行扩散处理,然后预测高分辨率图像中未知像素的性质,最后对边缘像素采用一维有方向的插值,对非边缘像素采用二维无方向的插值.与通常的非线性图像插值算法相比,新算法对图像边缘信息的理解更为完善.与CGI算法相比,由于梯度预测策略的使用,PGI算法能够更有效地确定未知像素的相关性质（是否为边缘像素,以及是边缘像素时其边缘方向）.实验结果表明,PGI算法无论在视觉效果还是客观性测评指标方面均优于现有的图像插值算法.此外,在对彩色图像进行插值时,本文将通常的RGB颜色空间转化为Lab颜色空间,不仅减少了伪彩色的生成,而且降低了算法的时间复杂度.     

一种基于色差的Canny边缘检测算子

为了更加清晰准确地检测出彩色图像的边缘, 提出了一种改进的Canny边缘检测方法, 将彩色图像从RGB颜色空间转换到颜色均匀的L*a*b*空间, 用色差Canny算子来计算彩色图像的色差和色差方向. 彩色直线和曲线道路图像的边缘检测效果证明了改进算子的有效性.     

基于HSL空间彩色图像多结构元形态边缘检测

构建了一类在HSL颜色空间基于多结构元彩色形态边缘梯度检测算法实现彩色图像边缘检测新算法,多结构元形态边缘检测有着比单一结构元素形态边缘检测更优越的性能。该方法是把RGB空间的彩色图像转换到HSL空间,并且定义了在HSL空间的彩色形态学基本算子,提出了改进的多结构元彩色形态边缘检测算法。经过大量实验证明,该算法在有噪声的干扰下,比传统的方法能够更好地抑制噪声并提取有用的图像边缘信息,能满足不同的应用需要。     

基于颜色和基元特征的图像检索

为了有效地提高图像检索性能,提出一种基于基元特征和颜色特征相结合的图像检索方法。检测彩色图像的边缘梯度,对其进行变换获得基元图像。以基元图像的重心为基准点计算各点到重心的距离,求得基元重心距离直方图。对基元图像中的每一个基元在4个不同方向投影,求得基元投影直方图。将彩色图像在RGB空间量化到64色颜色空间,得到彩色图像的颜色直方图。利用以上3个直方图描述图像特征,并用于图像检索。实验结果表明,该算法的查全率和查准率均有较大提高。     

基于融合策略的改进Retinex低照度图像增强算法

针对Retinex算法处理低照度彩色图像出现色彩失真,边缘保持性差等问题,提出一种基于融合策略的改进Retinex低照度图像增强算法;该算法首先在YIQ颜色空间提取亮度分量Y,对其进行MSR算法增强;然后采用高斯-拉普拉斯算子对彩色图像的RGB三个分量进行边缘检测,将其叠加合成后转换成灰度图;最后使用小波变换将两幅图像融合得到新的亮度分量,将其与I、Q分量融合后转回RGB颜色空间,从而获得色彩保真度高、细节清晰的图像;实验结果表明,该方法有效提高了图像边缘细节信息,避免了色彩失真,具有很好的视觉效果。