Chromatic luminance,colorimetric purity,and optimal aperture‐color stimuli

Chromatic luminance (i.e., luminance of a monochromatic color) is the source of all luminance, since achromatic luminance arises only from mixing colors and their chromatic luminances. The ratio of chromatic luminance to total luminance (i.e., chromatic plus achromatic luminance) is known as colorimetric purity, and its measurement has long been problematic for nonspectral hues. Colorimetric purity (p_c) is a luminance metric in contrast to excitation purity, which is a chromaticity‐diagram metric approximating saturation. The CIE definition of p_c contains a fallacy. CIE defines maximum (1.0) p_c for spectral stimuli as monochromatic (i.e., optimal) stimuli, and as the line between spectrum ends for nonspectrals. However, this line has <0.003 lm/W according to CIE colorimetric data and is therefore effectively invisible. It only represents the limit of theoretically attainable colors, and is of no practical use in color reproduction or color appearance. Required is a locus giving optimal rather than invisible nonspectral stimuli. The problem is partly semantic. CIE wisely adopted the term colorimetric purity, rather than the original spectral luminance purity, to permit an equivalent metric for spectrals and nonspectrals, but the parameter of equivalence was never clear. Since 1 p_c denotes optimal aperture‐color stimuli for spectrals, arguably 1 p_c should denote optimal stimuli consistently for all stimuli. The problem reduces to calculating optimal aperture‐color stimuli (“optimal” in energy efficiency in color‐matching) for nonspectrals, shown to comprise 442 + 613 nm in all CIE illuminants. This remedy merely requires redefinition of 1 p_c for nonspectrals as the line 442–613 nm, and gives meaningful p_c values over the hue cycle allowing new research of chromatic luminance relations with color appearance. © 2007 Wiley Periodicals, Inc. Col Res Appl, 32, 469–476, 2007     

苏州园林的色彩

造园者非常重视运用色彩美化景物，刻意创作“以色传神、以色抒情”的作品。苏州园林怡心悦目的色彩引人入胜。苏州园林建筑物常以淡雅宁静的灰色和白色为其基本色调。苏州园林不用大红大绿蓝紫等颜色，更少施彩绘，色彩以淡雅为其独特风格。     

基于类间分散度和类内集中度的文本特征选择。

特征选择是文本分类的关键步骤之一,所选特征子集的优劣直接影响文本分类的结果。论文首先定义了两种特征分类能力：一种是特征对类间文档的分散程度,该分散度越大越好;另一种是特征对类内文档的聚集程度,该集中度越大越好。然后把这两种特征影响度有机地结合起来设计了一个新的特征选择方法,该方法能够对所选特征进行综合考虑,从而使获得的特征集具有较好的代表性。仿真实验表明所提特征选择方法在一定程度上能够提高文本分类性能。     

基于颜色空间映射的自适应足球机器人视觉系统

为了解决足球机器人比赛中视觉信息检测问题,给出基于嵌入式多处理器体系结构的视觉系统框架,并研究了一种自适应阈值目标分割方法。该方法将视觉系统采集的图像从YCbCr颜色空间转换为一维颜色映射图像,并提出基于竞争学习的空间映射方法。同时使用小波变换方法来平滑颜色映射空间直方图和降低阈值搜索维数。然后使用基于映射图像直方图动态搜索阈值的方法来分割图像。最后,通过实验表明研究的视觉系统的有效性,能够实时准确地完成视觉处理任务。     

基于YCbCr肤色模型改进算法及区域特征的人脸检测研究

针对当前人脸检测的研究现状与难题,采用改进的YCbCr椭圆聚类肤色模型进行肤色区域提取,根据肤色在YCb’Cr’空间的分布,对于亮度小于80的非肤色像素点会误判为肤色点,则缩小椭圆聚类;对于亮度大于230的肤色像素点会误判为非肤色点,则扩大椭圆聚类,有效避免了在高亮度区域和亮度较低的区域中的肤色点误判问题。接着利用人脸的几何特征,对二值化图中的目标区域进行比例、大小结构的分析,排除不可能的人脸区域,并基于肤色和位置进行区域优化,将处理后的结果作为候选人脸区域输出。     

一种基于光照变化补偿的颜色识别方法

针对RoboCup中型组足球机器人比赛中光照变化会使颜色发生色彩漂移,影响颜色识别的准确性问题,提出一种基于光照变化补偿的颜色识别方法。该方法首先利用球的历史信息预测球的位置,然后在较小的区域内用基于色调直方图反向投影的方法找到球后,通过球的亮度直方图的变化计算出光照变化率,用于动态补偿颜色查找表。实验表明该方法能提高颜色识别的光照自适应性。     

图像处理中的颜色传递算法

介绍了C#中颜色传递的思路及实现,解决了图像处理中彩色图像中的颜色迁移,将图像A中的颜色信息转移到图像B中,使生成的图像C既保存原图像A的颜色信息又具有图像B的形状信息。     

图形图像制作软件中的色彩模式分析

色彩模式是在数字处理过程中处理色彩的基本标准,其是以颜色模型为基础,利用数字定量对颜色进行描述的方法。针对图形图像制作软件中的色彩模式进行分析。     

适用于识别指定颜色的色调过滤视图

为便于快速识别RGB图像中的红、绿、蓝或黄颜色,提出一种用像素的色调和色调可信度定量地评估像素对于指定颜色的隶属度的方法和彩色图像的色调过滤视图的定义,推导出直接由图像的R、G、B色彩分量计算指定颜色的色调过滤视图的公式。实验结果表明,用色调过滤视图来识别图像中指定的颜色具有较好的效果,并且受拍摄光照条件的影响较小。