一种基于颜色空间最短距离的编码误差修正新方法

在视频编码的过程中, 编码后的数据不可避免地会发生一定程度的失真。在这些失真的色点中会有一部分的色点跃出颜色空间的范围, 因此在视频编码框架的重建部分使用了误差修正(clip)来修正这些误差点。现有的误差修正方法仅仅是对YUV数据中各个分量进行了简单的超出0~255范围的修正, 而忽略了颜色空间变换后YUV的颜色空间模型的变化。针对该问题, 提出了一种基于颜色空间最短距离的编码误差修正（minimum distance clip）新方法。该方法利用YUV颜色空间模型以及空间几何的理论, 通过寻找这些误差点在该模型上的最短距离点来修正上述误差。采用H. 264参考软件JM13. 0进行实验验证, 测试结果表明, 该方法较传统的修正方法在主观质量和客观性能上均有一定的提高, 对有较高色彩质量需求的先进视频编码应用, 如超高清视频、3DTV等有一定的贡献。     

模糊颜色直方图在基于内容的图像检索中的应用研究

本文提出一种子模糊颜色直方图构造方法,采用模糊C 均值聚类算法对彩色图像进行颜色聚类,利用模糊理论的隶属函数,通过计算每个像素对颜色聚类中心的隶属度构造颜色直方图,将得到的模糊颜色直方图作为表示彩色图像的特征向量进行基于内容的图像检索实验,实验结果表明本文提出的方法具有较高的检索准确率和研究价值。     

基于模糊规则的彩色图像边缘检测方法

在YUV彩色空间中．本文提出了一种基于模糊规则的彩色图像边缘检测方法。对输入图像的Y、U、V三个分量，计算各个点与8邻域的绝对差值．利用预先定义的16条模糊规则进行模糊推理，获得属于边缘点的隶属度．再将其变换到灰度空间获得边缘强度值；然后利用快速熵算法确定阈值．进而获得边缘图像。实验表明．与基于梯度的方法相比．这种方法不但可以获得较好的边缘特性．而且具有较强的抗噪性能。     

基于模糊增强的彩色边缘检测研究

针对灰度图像易丢失有用信息,以及边缘较模糊的图像其边缘检测结果不准确等问题,本文提出基于模糊增强的彩色边缘检测方法。该算法首先将彩色图像转换到YUV,空间 ,然后在图像的模糊特征平面上进行模糊增强,并合理使用亮度、色度等信息进行彩色边缘检测,最后二值化。实验结果表明,该算法是有效的。     

结合小波零树的分形彩色图像编码

将小波零树的分形图像编码方法推广到彩色图像压缩中,并将彩色图像转换到亮度、色度（YuV）空间进行编码压缩。根据空间能量分布和人眼视觉特性,在亮度空间采用小波零树分形预测编码方法,在色度空间直接采用零树编码方法。仿真实验表明：在YUV空间对彩色图像进行编码,结合小波零树和分形思想的彩色图像编码与用单独一种方法进行编码相比,无论从压缩比还是从解码图像质量看,前者都优于后者。     

基于视觉传达的多维彩色图像模糊区域特征识别方法

为了提高多维彩色图像的检测识别能力,提出一种基于视觉传达的多维彩色图像模糊区域特征识别方法。构建多维彩色图像模糊区域特征匹配模型,采用模板匹配方法进行多维彩色图像的多尺度结构二值模式分割处理,对分割后的彩色图像利用视觉传达方法进行模糊区域特征提取,获得适应于图像识别表达的像素特征集,采用零均值化的图像滤波方法进行多维彩色图像降噪处理,提高多维彩色图像模糊区域特征检测和识别能力,结合图像的旋转不变性和灰度不变性,实现多维彩色图像模糊区域特征识别。仿真结果表明,采用该方法进行多维彩色图像模糊区域特征识别的准确性较高,特征匹配能力较强。     

彩色图像脉冲噪声的模糊检测和滤波

提出了一种新的彩色图像脉冲噪声滤除的方法。该方法充分考虑彩色图像的颜色信息,结合模糊规则进行检测。实验结果显示,此方法不论对椒盐脉冲噪声还是均匀分布的随机值脉冲噪声都有较好的滤波效果,比VMF更好地保护了图像边缘细节。     

基于颜色曲线分析的快速焊缝条纹提取方法

针对彩色图像中焊缝条纹提取问题,提出一种基于颜色曲线分析的彩色图像分割方法。该方法首先将原始彩色图像转换到YUV颜色空间,对V通道进行颜色曲线分析,得到一个合适的二值化阈值;接着利用该阈值对V通道图像进行二值化,经形态学去噪和合并离散块处理,得到图像分割模板;最后将其运用到原始图像上,实现对原始彩色图像的焊缝条纹提取。将该方法应用到彩色图像焊缝条纹提取中,对于800×600的彩色图像,平均处理时间约0.3 s,与人工标注结果比较,提取框重叠比例70%以上的占90%,验证了该方法的高效性和准确性。     

基于模糊熵和RPCL的彩色图像聚类分割

提出了一种基于模糊熵和RPCL(rival penalized competitive learn ing)的彩色图像聚类分割算法。该算法可以自动确定图像的颜色类数目和初始类中心,从而提高了聚类的收敛速度,并且能够解决模糊熵阈值化分割算法所造成的过度分割问题。首先,计算彩色图像各颜色分量的模糊熵,获得分量模糊熵曲线,并根据模糊熵原理确定各分量的分割区域及聚类中心;然后,对各分量的聚类中心进行组合,形成彩色图像可能的聚类中心。但是,组合的聚类中心数目会多于实际的聚类数目,造成过度分割。因此,本文采用RPCL算法,对这些组合的聚类中心颜色进行学习来确定实际的颜色类数目以及聚类中心,并用学习后的聚类中心对原图像进行聚类分割。实验结果表明,该算法能有效地分割彩色图像,无需事先给定聚类数目和初始类中心。     

基于模糊C均值聚类的织物平整度等级评定

采用模糊C均值聚类客观评定织物平整度等级。首先介绍了模糊C均值聚类的基本原理,模糊聚类可以将输入特征值进行聚类并分组;然后利用模糊C均值聚类对输入特征值进行聚类分析,不同平整度等级的织物模板被分属于不同的模糊聚类中心;最后选取26种不同类型的织物样本进行测试,试验结果表明,客观评价与主观评价的相关系数达到97．38％,评定准确率超过90％。     

一种基于人眼视觉特性的图像质量评价

图像质量评价的研究已成为图像信息工程的基础技术之一。由于图像的最终接受者是人，所以评价图像质量的关键在于其是否符合人类视觉系统特性。为了建立一种新的符合人眼视觉特性的图像质量评价方法，利用小波变换与人类视觉系统的多通道特性相匹配的特点，结合对比敏感度函数的带通特性，同时考虑计算的复杂性，给出了一种与人对图像质量评价保持良好一致的图像质量评价算法。实验结果表明，其评价结果与主观评价方法平均评价分数的相关系数达0．95，而对应的客观评价方法峰值信噪比与平均评价分数的相关系数为0．81。     

基于结构失真分析的立体图像质量客观评价模型

在立体图像?视频系统编码、传输、解码等环节中,立体图像质量评价是图像失真的一个重要评判准则.考虑到图像结构特性能较好地反映立体图像质量变化,提出一种基于结构失真的立体图像质量客观评价模型,该模型包括左右视点图像质量和深度感知质量评价两部分.首先根据人眼对图像中不同区域的敏感度存在差异且自然图像具有一定方向奇异性的特性,得到左右视点图像质量评价值;然后利用左右视点的绝对差值图像,采用奇异值向量差异和均值偏差率来描述立体图像深度感的畸变;最后融合前面两部分的评价值得到最终的立体图像质量评价值.实验结果表明,文中模型与主观感知存在较好的一致性,对于高斯模糊、高斯白噪声、JPEG压缩、JP2000压缩以及H.264编码,其评价结果与主观感知之间的相关系数高于0.93,Spearman秩相关系数高于0.92,均方误差低于6.6.     

利用色彩分量相关性的彩色图像分形编码方法

论文提出了一种利用色彩分量相关性的彩色图像分形编码方法。该方法通过对图像的绿色分量用改进的分形编码方法编码,然后由绿、蓝、红三分量之间的相关性得相关系数,再对相关系数进行算术编码等三个步骤加快了彩色图像分形编码的速度,同时提高了恢复图像的质量,加大了压缩比。解码时用分形逆变换解得绿色分量,再由这个色彩分量和重构的相关系数解出另两个色彩分量,最后由三种分量共同恢复图像。大量实验表明,所提出的方法对于任何图像都有良好的效果,尤其适用于中低信噪比的情形。该方法对于有的图像超过了JPEG标准。     

高动态范围图像客观质量评价方法

针对当前高动态范围（HDR）图像质量评价方法未考虑图像色度和结构信息的问题,提出了一种新的HDR图像客观质量评价方法。首先,利用HDR-VDP-2.2中的基于视觉感知的模型得到关于亮度与对比度的视觉保真度特征;然后,将HDR图像转换到YIQ彩色空间,对彩色空间中的Y、I、Q通道分别进行处理,求得色度相似度和结构相关度特征;最后,利用支持向量回归（SVR）的方法对特征进行融合,预测得到高动态范围图像质量的客观评价值。实验结果表明,与HDR-VDP-2.2相比,该方法的Pearson相关系数和Spearman等级相关系数分别提升了23.09%和25.34%;均方根误差（RMSE）降低了38.01%。所提出的方法与主观视觉感知具有更高的一致性。     

基于色彩空间自然场景统计的无参考图像质量评价

RGB色彩空间中各色彩分量间存在强相关性, 图像发生失真会改变各分量间的相关性. 基于此, 本文提出了一种新的通用无参考图像质量评价方法. 首先, 根据人类视觉对RGB色彩空间中绿色分量更为敏感的颜色感知特性, 提取了G分量MSCN系数及其4方向邻域系数的统计特征; 其次, 在分析RGB色彩空间中R、G及B分量间相关性的基础上, 分别计算RGB色彩空间各色彩分量及其纹理、相位间的互信息, 利用互信息作为统计特征来描述其各分量间的相关性; 进而, 结合上述统计特征, 分别利用SVR和SVC构建无参考图像质量评价模型和图像失真类型识别模型; 最后, 在LIVE、CSIQ 及TID2008图像质量评价数据库上进行了算法与DMOS (Different mean opinion score)的相关性、失真类型识别及计算复杂性等方面的实验. 实验结果表明, 本文方法的评价结果与人类主观评价具有高度的一致性, 在LIVE 数据库上的斯皮尔曼等级相关系数和皮尔逊线性相关系数均在0.942以上; 而且, 图像失真类型识别模型的识别准确率也高达93.59%, 明显高于当今主流无参考图像质量评价方法.     

结合标定拟合和模糊理论的焊点特征颜色提取

针对自动光学检测系统中元件颜色特征,提出了一种依靠颜色标定块和模糊隶属度判别法进行焊点特征颜色提取的方法。该方法对颜色标定块HSV中的H与S分量进行统计直方图分析,以高斯函数为模型拟合出各分量特征函数,建立起了一种以H和S分量为线性特征组合的各个颜色隶属度函数。根据模糊法隶属度判定准则对图片中颜色进行分割,提取出特征颜色。最后将该算法对3组PCB图像进行分割实验。实验结果表明该算法Bezdek分配系数为0.68左右,方差数据为1.0E-4数量级,表明该算法聚类效果稳定,类内数据相比于主色判别式法的一致性高。此外该算法适用性强,可普遍运用于指定颜色的提取系统中。     

基于分形维数的图像质量客观评价方法研究

建立图像质量客观评价模型对于图像编码、增强、重建以及分析等领域具有重要的现实意义。鉴于传统的图像质量评价方法的评价结果与主观感知存在较大的误差等缺陷,为此从分形角度考虑,并兼顾人眼视觉特性,首先提取了分形维数作为图像质量的评价指标;然后从非线性角度来表征引起人眼视觉敏感变化的图像亮度以及纹理信息,并将能准确反映图像质量变化的空隙度参数作为有效补偿;最后采用线性回归分析直接对图像进行建模,并将分形维数差值和空隙度差值两分量表示在统一的模型中。实验证明,相对于传统的PSNR和SSIM评价指标而言,该评价模型不仅对于不同类型的失真、相同失真类型的不同失真级别的图像能够准确进行评估,而且与主观评价值（MOS）具有更好的关联性,即与人眼视觉感受具有较高的吻合性,同时能够实现对图像质量进行全面、科学的评价。     

双波段彩色融合图像色彩和谐性客观评价

针对现有的图像质量评价方法较少利用人眼视网膜和视觉皮层的颜色编码机制,并且未能充分考虑图像色彩信息对图像质量的影响,提出了一种基于多视觉特征的可见光(微光)与红外彩色融合图像色彩和谐性客观评价模型.该模型在图像质量评估中融入了更多的颜色信息,综合考虑多种人眼视觉特征包括视觉对立色彩特征、色彩信息波动特征和高级视觉内容特征,经过特征融合和支持向量回归训练,实现彩色融合图像的色彩和谐性客观评价.采用3种典型场景融合图像数据库进行实验比较与分析.实验结果表明,与现有的8种图像质量客观评价方法相比,所提出的方法与人眼主观感受更加一致,具有较高的预测准确度.     

模糊相关图割的非监督层次化彩色图像分割

目的 基于阈值的分割方法能根据像素的信息将图像划分为同类的区域,其中常用的最大模糊相关分割方法,因能利用模糊相关度量划分的适当性,得到较好的分割结果,而广受关注。然而该算法存在划分数需预先确定,阈值的分割结果存在孤立噪声,无法对彩色图像实施分割的问题。为此,提出基于模糊相关图割的非监督层次化分割策略来解决该问题。方法 算法首先将图像划分为若干超像素,以提高层次化图像分割的效率;随后将快速模糊相关算法与图割结合,构成模糊相关图割2-划分算子,在确保分割效率的基础上,解决单一阈值分割存在孤立噪声的问题;最后设计了自顶向下层次化分割策略,利用构建的2-划分算子选择合适的区域及通道,迭代地对超像素实施层次化分割,直到算法收敛,划分数自动确定。结果 对Berkeley分割数据库上300幅图像进行了测试,结果表明算法能有效分割彩色图像,分割精度优于Ncut、JSEG方法,运行时间较这两种方法也提高了近20%。结论 本文算法为最大模糊相关算法在非监督彩色图像分割领域的应用提供指导依据,能用于目标检测和识别领域。     

一种分形彩色图像压缩编码方法

在分析彩色图像色彩三分量r,g,b的相关性和分形四叉树编码层次信息冗余性的基础上,提出了一种分形彩色图像压缩编码方法.它将图像的3个独立的颜色分量按某种方式组合成1个来搜索匹配块,从而将需要存储和搜索的3个颜色分量匹配块(SFC方法)减少为1个,并且对四叉树层次信息进行压缩.此外,采用不同的组合,得到了几个图像压缩比和解码质量相近的编码方法,其中使用亮度分量的方法比使用其他方法速度更快.实验结果表明,它优于SFC方法及标准JPEG方法,不失为一种好的分形彩色图像压缩方法.