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。     

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。     

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.     

相对颜色空间下梯度分层重构的分水岭分割

为了改善传统分水岭算法中的过分割现象,考虑到反射亮光对图像的干扰,提出了一种相对颜色空间下的梯度分层重构的分水岭分割算法。首先将彩色图像由RGB空间转换到与反射亮光无关的相对颜色空间;其次结合图像信息熵获得彩色图像的梯度图像;然后根据梯度直方图的分布信息,对梯度图像进行分层重构;随后采用形态学极小值标定技术对合并后的梯度图像进行强制标定;最后对修正后的图像进行分水岭分割。对不同类型的图像进行分割实验,实验结果显示该算法相比其他3种典型的分水岭算法在分割区域个数、运行时间及区域间差异性指标(DIR)上的表现都较为突出。该算法更符合人眼对图像的感知,分割效果和性能较好,具有较高的鲁棒性和实用性。     

小麦冠层图像H分量的K均值聚类分割

大田环境下小麦冠层图像具有光照不均匀、背景复杂及阴影遮挡等特点,经典图像分割算法存在精度低、过分割等问题,提出一种基于HSI空间下H分量的K均值聚类算法。使用[R+G-B]归一化处理RGB空间下的彩色图像,以抑制其B分量;将归一化图像进行RGB到HSI的颜色空间转化;根据光照是否均匀,使用K均值聚类算法对彩色图像的H分量进行不同的聚类处理,经形态学开运算及去噪处理获得最终目标图像。实验表明,该方法对不同施氮量、不同光照、不同生长时期小麦冠层图像的分割效果较好,相对基于Lab空间的K-means聚类分割,该方法可一定程度避免过分割现象;相对基于H分量的Otsu算法,对光照不均匀图像分割更完整,对复杂背景图像分割更精确。     

基于颜色体积直方图的图像检索

HSV颜色空间能够较好地模拟人类视觉系统感知颜色的模式。为了更好地利用HSV颜色空间的优点,提出了一个新型的特征描述子(称之为颜色体积直方图),并且将其应用于图像检索。它首先把彩色图像从RGB空间转换为HSV颜色空间,然后把彩色图像均匀量化为72种颜色,最后利用颜色体积来描述图像特征。该算法在具有15000张彩色图像的Corel图库上进行了实验。结果表明,提出的彩色体积直方图能够结合颜色和空间特征,检索性能明显高于颜色直方图和局部二值模式直方图。     

一种基于LUV均匀颜色空间的彩色分割方法

本文提出一种通过转换颜色空间和颜色聚类的方法来实现对彩色图像的分割。由于RGB颜色空间是非均匀空间,算法首先把RGB颜色空间转换到LUV均匀颜色空间,然后对颜色进行相似合并,最终由几种颜色表示待分割的图像,从而实现对彩色图像的色彩分割。     

基于RGB颜色空间的彩色图像分割方法

传统的图像阈值分割算法是将彩色图像转换为灰度图像再进行分割。通过分析RGB颜色空间的特点,本文提出基于RGB颜色空间的阈值分割算法,采用新的判定准则,在颜色空间中以立方体取代原来的四面体,直接对彩色图像进行分割。分析和实验证明,改进的判断准则能够克服由于灰度转换造成颜色信息丢失而引起的误判,在保证原有阈值分割算法快速、简单的前提下,能够对彩色图像进行更为准确的分割。算法适用于目标颜色为黑色的情况,并可以推广到目标颜色为其它颜色的情况。     

结合纹理特征改进的GBIS图像分割方法

针对GBIS(efficient graph-based image segmentation)方法在分割含有较丰富纹理信息的图像时, 分割效果不理想的问题, 在L*a*b*彩色空间下, 结合图像的纹理特征, 提出了一种改进GBIS图像分割方法, 记为IGBIS(improved efficient graph-based image segmentation)。该方法首先将图像由RGB空间转换到L*a*b*颜色空间; 接着, 结合L*a*b*彩色空间, 对GBIS方法中的权值函数作了改进, 引入了一个常数s, 用于控制相邻像素之间颜色的差异程度; 然后, 用熵的方法来获取L*a*b*彩色图像的纹理特征; 最后, 结合图像的纹理信息, 改变了GBIS方法中的区域合并条件, 得到最终的分割结果。实验证明, 与原算法相比, 该方法在分割精度与分割质量上有了很大程度的提高。IGBIS有效地抑制了彩色图像在分割中存在的过分割现象, 并适合于含有丰富纹理的彩色图像。     

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。     

基于模糊相似性的彩色形态学图像处理方法

为了将传统灰度图像数学形态学扩展到彩色图像,提出一种结合矢量空间模糊相似性的彩色形态学图像处理方法。首先,在RGB彩色空间中利用彩色矢量间的距离和角度定义模糊相似性测度,以刻画与人类视觉感知相一致的彩色相似程度;以上述相似性测度为准则定义彩色空间中任意一组彩色的上确界和下确界;利用中心像素及其结构单元内像素的上确界和下确界构建彩色形态学的基本操作,包括膨胀、腐蚀、开、闭等操作;进一步将提出的彩色形态学操作应用于高分辨率遥感图像,通过实验对比验证其对地物目标的形变和平滑能力,说明其实用性和有效性。     

基于混合颜色模型的枪弹外观缺陷分割

为实现枪弹外观颜色缺陷快速、自动、准确分割,提出一种基于混合颜色模型的枪弹外观缺陷分割方法.分析统计正常光照条件下弹体和颜色缺陷图像特征,获得统计规律,提取颜色特征,分割颜色缺陷,对感兴趣的局部弹体图像进行由RGB到HSI的颜色模型转换,利用色调H分量进一步分割缺陷,使用数学形态学优化分割结果,定义缺陷平均分割率和平均偏差量化分割结果.实验结果表明,该方法在弹体缺陷分割的应用中表现出较好的准确性和鲁棒性.     

一种基于彩色图像边缘检测的道路检测方法

针对非结构化道路的特点,提出了一种基于色度差的边缘检测算法。算法将原始图像的RGB颜色空间转化为L*a*b*颜色空间,利用L*a*b*颜色空间中明度与色度分离的特点,通过对色度差的信息融合提取图像道路边缘,排除了大面积阴影、水渍对真实道路边界的干扰,有效地提高了道路识别的准确性。通过Hough变换提取出图像边缘得到道路边缘信息。实验表明,该算法的优点在于对道路形状不敏感,需要先验知识少,能够很好地过滤道路中存在的水渍、阴影等干扰。     

HSV颜色空间的彩色图像数字水印算法

提出了一种新的基于HSV颜色空间的彩色图像数字水印算法.该算法采用彩色图像作为水印嵌入到原始彩色图像中.算法根据HSV颜色空间的特点,首先将RGB格式的彩色水印图像转换到HSV颜色空间内,然后分别将水印图像的H、S、V三层进行分块DCT变换,对每一个子块保留左上角的系数,将其它的系数替换为0,得到嵌入矩阵,使得嵌入的有效信息大为减少.再将原始彩色图像转换到HSV域内,对原始图像的H、S和V平面进行分块DCT变换后,将变换后的H、S、V层水印信息分别嵌入到原始图像的H、S和V层变换后的中频和低频系数中,最后通过DCT逆变换和颜色空间转换,将嵌入水印的图像转换成RGB的图像,得到嵌入水印的图像,完成水印的嵌入过程.水印图像小于载体图像,利用冗余嵌入提高了水印的鲁棒性.     

梯度矢量扩散控制实现边缘保持的彩色图像去噪

目的 在图像的获取过程中,由于受到噪声等因素影响,可能导致图像质量下降,给后期处理带来困难,为此提出一种梯度矢量扩散控制实现边缘保持的彩色图像去噪方法。方法 首先分析了彩色图像因灰度化带来的信息损失,为了更好地利用彩色图像信息,构造了RGB空间下的梯度矢量计算方法。其次分析了噪声邻域梯度矢量与边缘邻域梯度矢量间区域性结构差异,并指出现有扩散方程的不足,给出一种控制扩散矩阵的获取方法。最后通过推导矢量图像的边缘函数,给出了RGB空间下的PM方程,分解该模型去除法向扩散,并结合控制扩散矩阵改进边缘停止函数,以此获得更好的矢量扩散控制。结果 实验结果表明,采用这种方法得到的处理结果有着较高的信噪比,验证了该方法的有效性。结论 本文方法能够在去噪的同时,较好地保持图像对比度与边缘信息,具备一定的实用性。     

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.     

基于矩阵变换的彩色图像加密算法

研究了矩阵变换的性质,找到一种新的SCAN遍历矩阵,对彩色图像各分量进行像素位置置乱,结合彩色图像结构特点,利用彩色图像每个像素的RGB分量构成三维列向量,并将其作为输入分量,经过矩阵变换,改变其像素值的大小,得到加密矩阵.试验结果表明,加密图像具有类随机性,直方图接近于均匀分布,算法具有很强的密钥敏感性.     

基于形态学的小鼠舌头切片图像分割与实现

针对生物切片图像颜色相近、边缘复杂、细节模糊等问题,提出一种基于形态学的图像分割方法.将彩色图像转换到HSV颜色空间后进行二值化,经形态学填充、去噪、膨胀得到图像分割模板,运用到原图各分量上,实现目标的批量分割.将该方法应用于2组小鼠舌头切片图像的目标分割中,实验结果验证了该方法的有效性和鲁棒性.