基于亮度分区的显微镜灰度图像彩色化算法的研究

电子显微镜下细胞成像为灰度图像,不便于观察和研究,由此提出一种电子显微镜下灰度图像的彩色化算法。对彩色和灰度图像的亮度直方图分别进行高次B样条最小二乘曲线拟合,对拟合的曲线分别求取极值点,通过自动地将彩色图像和灰度图像的极值点的个数调整一致,以此作为图像的分区,利用带有权重的颜色迁移算法进行分区映射实现灰度图像的彩色化。实验结果证明,此方法取得了较好的色彩效果。     

牙科着色玻璃渗透氧化铝陶瓷的性能研究

在1400℃下熔融2h制备4种定制颜色的着色渗透玻璃，并将玻璃于1120℃渗透入预烧结氧化铝多孔基体，采用分光光度计测定渗透后的透射比和颜色参数，渗透后的复合材料作三点弯曲强度及断裂韧性测试，断裂面进行扫描电镜观察。结果表明：玻璃渗透后铝瓷的颜色参数范围：L^＊：68．80-78．44，a^＊：1．32～4．75，b^＊：16．86-21．86。三点弯曲强度为（420-27．72）MPa，断裂韧性为（3．70-0．13）MPa·m^1/2。     

铜金粉的颜色及其影响因素

利用分光光度计对国内外铜金粉的颜色进行了测试，研究了铜金粉的成分、微观状态对颜色的影响。结果表明：铜金粉颜色可以用色彩三要素进行描述，其中铜金粉的色相只与合金成分有关，而与铜金粉片的大小、形状及粒度分布无关；明度和纯度与铜金粉片在油墨层中定向排列状态、片的大小、形状及粒度分布有关，而与成分无关；合金成分的微小波动不会引起铜金粉色相的明显改变。     

层次化结构信息的视频重着色

视频重着色可以有效地提高色盲用户对多媒体信息的可访问性,但是目前视频重着色研究存在颜色不一致性问题.针对该问题,提出一种基于层次化结构信息的视频重着色的方法.该方法在视频层次化结构中应用基于CIELAB颜色空间旋转的重着色方法,采用颜色空间量化和哈希表相结合的方式实现实时性,同时既使每个镜头中的颜色变换函数保持相同,又使场景中镜头之间的颜色变换函数变化缓慢,实现场景内颜色的一致性.实验结果表明,对于不同种类的视频,该方法都能有效地使视频更好地被色盲用户感知,为视频重着色在多媒体搜索中的应用起到推动作用.     

彩色自然纹理分类识别的研究

为了建立描述彩色自然纹理的参数体系,选用木材纹理这种典型彩色自然纹理为研究对象,提取了木材图像颜色矩和高斯-马尔可夫特征参数,采用改进的模拟退火算法进行了特征优化筛选及特征级参数融合,得到纹理参数体系并进行分类识别实验,识别率为97.25％,明显高于融合前单参数体系.研究表明用该参数体系对彩色木材纹理进行分类识别是可行的,也可用于与其相近彩色自然纹理的分类识别.     

基于视频图像的火焰多特征检测

根据火灾发生时火焰的颜色、面积变化和火焰的纹理特征,提出一种基于视频图像的火焰多特征检测方法.着重介绍了对采集到的视频图像中的火焰进行颜色、面积变化的分析,并通过BP神经网络进行火焰纹理相似性的识别,以便得到更准确的火焰识别效果.     

基于颜色与运动特征的变电站实时烟雾检测

变电站的环境特殊性要求站内火灾检测准确、快速,烟雾检测是早期火灾检测中的常用方法.针对变电站特殊环境,提出一种快速烟雾检测算法.首先,利用改进的ViBe算法检测变电站实时监控视频中的运动区域,再通过颜色特征确定疑似烟雾区域,然后结合烟雾面积增长特性和移动特性识别烟雾区域.实验结果表明:这种算法能够检测到不同场景中的烟雾,对远距离、稀薄烟雾也能有效检测,满足变电站火灾检测实时性、准确性要求,能够应用于变电站场景烟雾检测.     

基于嵌入式视觉的子机器人入舱方法

提出一种基于嵌入式视觉的子机器人入舱方法, 用于子母式机器人系统中对子机器人的回收. 子机器人基于自身嵌入式平台捕获和处理入口处的引导标识图像, 根据局部颜色排布特征快速提取出标识中心, 利用最小二乘法拟合水平颜色交界线的成像斜率, 基于成像斜率-视偏角模型判别出子机器人航向与入口平面的法线关系, 从而进行运动决策使二者重合以完成入舱. 该方法无需摄像头标定和航迹测量即可准确入舱, 仿真实验验证了所提出方法的有效性.

     

弹射试验中的目标识别与跟踪

在弹射座椅测试中,为了更好地对图像数据进行分析处理,需要对火箭橇和飞行员进行全程识别跟踪.首先采用帧间差分法以及形态学滤波得到火箭橇的质心坐标,以质心坐标确定初始搜索窗口后利用Camshift算法对火箭橇进行跟踪.采用指定区域比较颜色直方图的方法来检测弹出飞行员,并且完成对其跟踪.利用搜索框的大小来判断目标分离,当飞行员与座椅分离后,采用Opencv中块识别函数对飞行员及座椅进行识别,识别后再利用Camshift算法完成后续跟踪.实验结果表明,整个识别跟踪过程均达到良好效果.     

基于有向图的足球视频中球员分类算法

基于传统的直方图球员分类方法由于缺乏描述图像颜色的空间信息而造成分类误差,而且该方法需要先验的模板信息。为此,本文提出一种基于有向图的足球球员的分类方法。首先,利用HSV模型中主颜色方法提取候选球员,并利用等面积矩形划分策略对图像进行分块;其次,对子块的HSV颜色空间进行量化,并将统计直方图作为颜色特征,然后通过颜色特征计算图像之间的距离,并利用距离矩阵生成对应有向图;最后,通过对有向图的顶点分类实现球员的分类。实验结果表明,本文提出的方法能够在没有先验模板信息的条件下,能够有效地解决处在分类边界上的球员分类问题,获得98.23%的分类正确率,与传统方法相比,具有更好的分类效果。