太原钟楼街历史文化街区色彩空间活化研究

色彩是文脉活化的一种表现形式,街区色彩空间活力的再生需要唤起空间的情感表达,需要通过色彩空间改造的手段,激发人们对历史符号的认同感。文章以太原钟楼街历史文化街区为例,通过对街巷内部空间结构体系的分析,明确街区的色彩空间特征,分析以色彩为活化元素辅助空间序列的原则与方式,针对老城街区空间活力的激发提出策略手段。

基于HSV色彩空间的图像感兴趣区域提取方法研究

嵌入式设备中部署深度学习检测模型往往面临算力不足的问题,而感兴趣区域(ROI)提取可作为一种高效的性能优化手段。文章提出一种基于HSV(Hue,Saturation,Value)色彩空间模型的ROI提取的方法,将检测目标的像素信息转化到HSV色彩空间,在色相-饱和度(H-S)平面引入DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类算法,精确定位目标的主色彩像素在H-S平面上的分布位置,同时过滤杂乱色彩,然后通过Quickhull(快壳)凸包算法,从散点数据中拟合出主色彩的精确分布范围。根据获取的主色彩范围对像素进行遍历,可以根据色彩信息有效地提取ROI。实验结果表明,经过该方法优化后的Faster R-CNN(Faster Regions with Convolutional Neural Networks)算法,较原模型减少了57.08%的平均推理耗时,同时精确率提升了0.9百分点。这对于嵌入式设备中进行实时目标检测具有重要的现实意义。

基于Lab色彩空间的沙尘降质图像增强方法

针对沙尘天气导致的数字图像质量大幅下降问题,提出一种基于Lab色彩空间的沙尘降质图像增强方法。将沙尘图像增强分解为偏色校正与细节增强两个步骤处理。偏色校正部分包括去除色偏与亮度拉伸。首先对Lab与YUV色彩空间中的沙尘图像直方图偏移特点进行了分析,然后提出一种Lab空间偏色校正算法修正直方图偏移,并对初步去除偏色的图像进行亮度拉伸,提升图像对比度。在细节增强部分,引入一种基于饱和度估计透射率的去雾方法进一步增强图像细节信息。实验结果表明,相较于各对比算法,所提算法可以去除不同程度沙尘带来的色偏,且在面对中小型图像时具有最佳的时间性能表现。在量化指标方面,基于无参考感知的图像质量评估标准和基于熵的无参考图像质量评价标准分别提升了3.2%和10.7%。本文方法可以有效去除色偏,还原清晰图像。

基于HSV色彩空间及改进二维伽马函数的井下图像增强算法

为解决井下光照条件不足、光照不均引起的视频图像质量低下的问题,构造了一种改进二维伽马函数并以此提出了一种基于HSV色彩空间,作用于图像明度和饱和度分量的井下图像质量增强算法。以综采工作面以及井下泵房处图像为增强对象,将算法与目前主流的图像增强算法进行对比验证。结果表明,在井下环境下该算法对井下低亮度区域有着较好的增强效果,一定程度上满足了井下视频图像质量增强需求。

端午节,稻花香走进稻田画的色彩空间

虽说端午节吃进口里的稻米,不是咱沈阳自个儿地里盛产的品类,可城市中一片片茁壮成长的稻田,却以另外一种方式,装点、陪伴着沈阳人和外地游客的生活。端午节,稻花香。本期我们一起走进稻田画的色彩空间。

色彩空间与颜色管理

本文根据色彩的光学原理、生物学反应特性、在显示设备上的显示和纸介质上的打印输出方式,引入色彩空间的概念,通俗地解释了色彩在计算机显示器上的应用、设备相关性、在操作系统中的处理方式,以及图形图像处理中基于色彩空间和颜色模式的原理。

基于多色彩空间的YOLOv5松枯死树检测方法

【目的】针对在松枯死树监测实践中,从无人机航拍RGB影像中自动识别松枯死树漏检率高的问题,提出了一种生产应用场景下基于多色彩空间的YOLOv5松枯死树高精度自动识别新方法。【方法】利用无人机采集大面积松材线虫病发生林分的RGB图像,用Pix4Dmapper软件拼接,用LabelImg开源软件建立VOC格式的松枯死树数据集,分别用Faster R-CNN、YOLOv3、YOLOv4、YOLOv5、SSD和EfficientDet等6种基于深度学习的目标检测算法对数据集进行训练和测试,以精确率、召回率、平均准确率以及F 1分数作为评价指标筛选出最优目标检测算法;然后将采集的RGB图像转换成LAB和HSV色彩空间图像,再将这3个色彩空间的图像分别用最优目标检测算法进行训练,得到目标在每个色彩空间的边界框,使用非极大值抑制算法对这些边界框进行处理,得到最优边界框实现松枯死树自动识别。【结果】6种算法均取得良好效果,其中YOLOv5模型为最优算法,其精准率、平均查准率和F 1分数在6种算法中均最高,分别达到97.58%、82.40%和0.85。通过3个色彩空间融合后,反映漏检情况的召回率由74.54%提高到98.99%,平均准确率提升至98.39%。【结论】基于多色彩空间的YOLOv5模型能够显著提高从无人机航拍RGB影像中检测松枯死树的精度,为松枯死树监测提供了有力工具,也有助于松材线虫病的防治。

重构色彩空间下陈旧印章印文自适应Canny检测

图像内陈旧印章印文边缘检测过程中,经过历时性变化的印章印文因表面氧化变色,背景颜色复杂且杂点较多易导致边缘误检。针对上述问题,提出一种重构色彩空间下自适应Canny算子的陈旧印章印文边缘检测方法。首先,将陈旧印章印文图像的RGB色彩分量经线性变换至定义的SN色彩空间,根据SN色彩空间内颜色分量分离出陈旧印章印文主体;然后,使用基于双边滤波的自适应Canny算子对形态学处理后图像进行边缘检测,其中Canny算子的阈值由陈旧印章印文主体的均值、方差自适应计算。实验结果表明,重构色彩空间下提取陈旧印章印文主体色彩分量效果更好、Calinski-Harabasz值更优,陈旧印章印文边缘检测中峰值信噪比、均方差等多个指标较传统边缘检测算法更优,且能够更好地抑制伪边缘出现。

基于色彩空间的六堡茶老嫩叶筛分采摘的辨识

为了解决传统采茶机采用“无差别采摘”还需要人工挑选问题,缓解传统产茶区的用工短缺问题,推进梧州六堡茶的机械化、智能化和现代化采摘进程,同时实现六堡茶的高质量采摘,提出一种基于智能化的可选择性采摘理念,研究基于色彩空间的六堡茶老嫩叶筛分采摘的辨识。一方面,依靠老嫩叶与背景颜色和大小的不同,在彩色图像上进行识别,对彩色图像在色彩空间进行灰度化处理,进而获得二值图像。另一方面,采用适合的阈值分割方法,对分割后的二值图进行形态学分析和老嫩叶特征分析,去除面积过大和过小的区域,确定所要采集的老嫩叶的合适目标,最终实现了六堡茶老嫩叶筛分采摘的辨识。

一种CMYK到YYCC色彩空间转换的整型方法

在简要介绍提升理论的基础上,给出了实现CMYK到YYCC色彩空间相互转换的整型方法和实现过程。所采用的方法,对实现其它色彩空间之间的整型转换具有指导作用。

基于色彩空间和深度残差网络ResNet-50的复杂岩性油气藏岩石样本智能分类及识别

岩石样本的分类识别是油气和矿产资源勘探中的重要环节。目前,仍然以人工识别的实验方法作为主要方法,普遍存在主观性强、周期长、成本高等典型问题。机器学习的分类算法在图像分类领域已经得到广泛应用,然而由于岩石样本图像具有明显的差异性特征,甚至同类岩石样本图像也具有一定的色差,直接应用现成智能算法进行分类,验证集的准确度仅为85%左右。所以,基于色彩空间下岩石样本图像的颜色特征曲线,提出了一种基于颜色类别和深度残差网络ResNet-50的智能分类及识别方法。首先,以7种不同岩性的岩石图像为样本,提取样本的RGB颜色特征,应用无监督K-means聚类算法,按颜色分为3个大类,再通过有监督精细K-近邻(K-nearest neighbor,KNN)算法对颜色类别进行验证,平均分类精度为99%。然后,对于不同颜色类别下的岩石样本,利用深度残差网络ResNet-50进行分类识别。结果表明,不同颜色类别的岩石样本平均训练精度为93.15%,验证精度为88.21%,可以作为岩石样本分类的有效方法。

基于HSV色彩空间和光谱特征的遥感图像阴影检测方法

阴影是遥感图像的重要特征之一,遥感图像阴影检测方法存在偏蓝和暗色调非阴影误检的问题。本文提出一种基于HSV色彩空间和光谱特征的遥感图像阴影检测方法,该方法依据大气散射理论,利用海岸线波段、红边波段和近红外波段构建伪彩色图像,并转换到HSV色彩空间,构造权重修正归一化饱和度—强度指数;利用海岸线波段和近红外波段构造归一化光谱比值图像;利用权重修正归一化饱和度—强度指数和归一化光谱比值图像组建联合阴影指数;最后通过Otsu对联合阴影指数阈值分割得到最终阴影检测结果。该方法对多幅WorldView-3图像进行测试,阴影检测精度达到91%以上,相比现有同类方法提高约1%。实验结果表明本文方法能够有效缓解偏蓝和暗色调非阴影误检的问题,有助于提高阴影检测精度。

基于色彩空间转换的新型限流算法研究

为了有效降低面板电流消耗,提出一种基于色彩空间转换的改进型限流算法.首先,通过对图像进行色彩空间转换,计算图像的平均亮度和峰值亮度;其次,构建分段式限流模型,并利用限流系数控制限流效果和色彩保持度,得到更新后的亮度信息;最后,对图像进行色彩空间逆转换,得到最终输出图像.实验及理论分析结果表明:相比于自动限流算法和直方图修正匹配算法,利用所提出的限流算法处理图像,在相同的显示功耗下,均方误差分别降低了24%和13%.所提算法有效降低了显示功耗,并得到了优良的视觉效果.

基于色彩空间的新能源汽车识别方法

为适应汽车使用结构的变化,越来越多的停车场设有新能源汽车停车位,并为其提供充电服务。但由于车位紧张,该停车位常被燃油车占用,导致新能源汽车无法充电。针对这一问题,提出了一种基于色彩空间的新能源汽车识别方法。该方法不仅能正确定位和识别车牌号,还能对车辆类型进行分类,是解决新能源汽车停车难问题的有效方法。首先,采用车牌几何特征与颜色特征相结合的方法对车牌进行定位。然后,通过色调饱和度明度(HSV)色彩空间识别出车辆类型。最后,采用基于残差网络(ResNet)模型的字符识别方法得到车牌号。实验表明,该方法车辆类型识别正确率为96.6%,车牌号识别正确率为97.53%。

基于HIS色彩空间的可见光影像色彩平衡方法

针对传统算法在单幅影像色彩平衡处理过程中色彩失真、亮度恢复不佳等问题,以同类地物要素的亮度信息和标准亮度值,基于HIS色彩空间构建环境因子和时间因子造成的影像亮度多项式补偿函数,以此修正可见光影像的亮度信息。通过实验表明:相较于Mask算法,本文算法模型可以有效修复单幅影像的亮度信息,且信息表达更加丰富;相较于Retinex算法,本文算法模型在修复影像亮度值的同时可以更好地保留地物要素的真实色彩信息,但当影像3个波段亮度值相同时,本文算法会出现红斑效应。

HSV色彩空间的Retinex结构光图像增强算法

在结构光几何重建中,由于拍摄方式和场景照明情况的复杂多变,使得产生的图像可能会因为光线的亮暗不均造成图像细节的缺失.为此,提出一种基于HSV色彩空间变换的带颜色恢复Retinex算法和色彩饱和度校正策略.针对颜色保持的需要,首先将传统RGB空间上的多尺度Retinex算法转换到HSV颜色空间;然后通过分析HSV颜色空间模型来增强模型中的V分量,同时利用相关系数使S分量随着V分量的增强进行自适应调整;最后将HSV模型转换到RGB空间,使增强后的图像颜色得到保持.实验结果表明,该算法应用于结构光条纹图像的增强中将使结构光图像在颜色得到保持的同时细节信息也得到了增强,更利于后续条纹信息的提取及自动编码.

基于三边滤波的HSV色彩空间Retinex图像增强算法

图像增强技术可以从对比度低、分辨率低等暗淡图中恢复原有图像信息并增强低动态范围图像的视觉效果,能从很大程度上改善图像清晰化程度.提出在HSV色彩空间下基于三边滤波的Retinex图像增强算法.该算法首先将传统的RGB空间上的处理转换到HSV空间.然后将三边滤波技术引入到亮度图像的提取阶段,可有效地降低图像高斯噪声、滤除脉冲噪声,同时又有效地保持图像边缘细节的特性.通过对三边滤波的滤波窗口进行角度倾斜,计算出像素"最佳"邻域范围且自动修改.引入了一个二值限制函数,进行"边缘限制性平滑"处理,从而进一步提高了图像边缘和特征的清晰度.将提取的亮度图像进行多尺度Retinex图像增强,使得图像信息更加准确恢复.最后将HSV空间转换到RGB空间,使得增强后的图像颜色得以保持.实验结果表明,该算法应用到图像增强处理中,处理后的图像在色彩得以保持的同时,细节信息也得到有效地突出,更有利于针对各种环境图像的更深入的理解和应用.

从RGB到HSV色彩空间转换公式的修正

针对从RGB色彩空间到HSV色彩空间的转换方式为非线性变换,会产生奇异点和不稳定点的问题,对转换公式作了修正.原公式在饱和度为零时色度未定义,在低饱和度时色度不稳定,这些情况下色度为黑色、灰色或者白色,将色度分量的低值区域和高值区域分别用来表示黑白色或者偏黑和偏白的低饱和度色.不但能够消除色度奇异点和不稳定点,而且可以用单纯H分量来表述色彩图像的主色调信息,简化了图像计算的复杂度.通过分析和实验验证,方法是有效的.

基于Lab均匀色彩空间的色彩调和系统

对计算机辅助色彩调和工具进行研究 ,分析了 Lab均匀色彩空间的特性 ,提出了可视化匀色空间的两种算法 ,对比其性能表现并进行了分析。根据孟赛尔色彩调和理论 ,构建了色彩调和的几何框架 ,通过调整几何框架的形状、位置、角度、匀色空间色点密度等参数 ,确定调和框架顶点和Lab均匀色彩空间的映射 ,最终获得调和的色彩设计方案。在此基础上开发了 CAID软件系统中的色彩调和工具 。

基于Lab色彩空间和模板匹配的实时交通灯识别算法

交通灯的识别是无人驾驶汽车研究的一个重要方面,提出一种实时交通灯识别算法。首先对图像进行形态学预处理,然后对三种色彩的交通灯取样,利用交通灯在色彩方面的特征,在对红、黄、绿色彩描述更为清晰的Lab色彩空间,查找交通灯的候选区域。根据交通灯在结构上被一个黑色矩形框包围的特征,设计出三种交通灯模板,使用模板匹配对候选区域进行确认。最后使用统计方法对结果进行验证。实验结果表明,该算法能实时准确地识别出交通灯。