基于HSV空间的煤矿井下低光照图像增强方法

针对煤矿井下采集到的图像对比度低、光照不均和细节信息弱等问题,提出一种基于色相-饱和度-明度(Hue-Saturation-Value,HSV)颜色空间的煤矿井下低光照图像增强方法。该方法基于图像的HSV空间,通过对低光照图像的亮度通道V通道的主要结构和边缘细节分别进行对比度增强,这样可以更好地抑制图像细节丢失,同时可以较好地再现原图中的轮廓和纹理细节。首先,将输入的煤矿井下低光照图像转换到HSV空间,利用相对全变分滤波(RTV)与改进的边窗滤波(SWF),分别对提取的V通道图像进行主要结构提取和轮廓边缘保留,对其非线性灰度拉伸后利用主成分分析融合技术(PCA)重构V通道图像,即融合V通道图像的主要结构和精细结构,最后合成图像,完成图像增强。通过实验验证,提出的基于HSV空间的煤矿井下低光照图像增强方法,在色彩和边缘模糊处理等方面表现良好,在煤矿井下工作面等环境中,对图像进行定量和定性实验,结果表明,与6种方法相比,增强图像的对比度、自然度和图像细节方面表现更好。

HSV空间的明度对数斜率变换的低照图像增强

为了在保持图像颜色自然的同时,适宜地提升图像的亮度和对比度,丰富图像的细节信息,提出了HSV空间的明度对数斜率变换的低照图像增强方法。将低照图像转到HSV颜色空间,将明度分量V进行多尺度Retinex分解,得到多尺度的细节层图像和光照图像;对多尺度的细节层图像进行自适应分数拉普拉斯增强,而用自适应的对数斜率变换对光照图像进行增强;将增强后的明度分量V与色调H和饱和度S分量组合,得到亮度适宜、高对比度和高清晰度的图像。与部分现有方法进行比较,实验数据显示所提方法的增强图像的视觉效果更佳、信息熵和平均梯度更高,因此具有更优的图像增强性能。

基于改进HSV空间的机器视觉花生霉变检测方法

花生霉变产生的黄曲霉毒素具有强致癌性,严重影响食品安全。为精准快速的识别霉变花生,提出一种基于机器视觉的霉变花生检测方法。首先对花生图像进行双边滤波降噪,然后将图像转为色调、饱和度、亮度(HSV)空间,通过在色调、饱和度空间内提取的霉变颜色范围叠加亮度空间的开运算处理结果来实现对霉变花生的识别检测。实验结果表明,该方法对于霉变花生的识别精度达到95.3%,处理单帧花生图像耗时为0.6s,通过与其它算法对比,该方法具有快速、准确率高等优点,可以满足霉变花生的实时检测,对花生霉变的分级处理也更加实用。

基于HSV空间的车牌定位方法

车牌区域的颜色特征是车牌的重要信息.针对车牌区域颜色的伴生与互补特性,提出了一套在HSV空间利用颜色特征进行定位的算法.该算法利用车牌区域固定的颜色特征,快速定位到与车牌颜色有关的区域,然后利用车牌区域伴生与互补特性快速去除具有与车牌区域相同颜色的其他非车牌区域.最后使用投影积分进行车牌的精确定位.通过对200幅从交通卡口获取的真实的彩色图像进行试验,准确定位率为98%.

基于阴影检测的HSV空间自适应背景模型的车辆追踪检测

在交通监控中 ,要进行车辆的检测、车流量统计、实时追踪、车速测定等工作 ,而如何从复杂的背景中分割运动物体是至关重要的一步 ,目前采用的典型方法是背景相减方法 .为了对运动车辆进行准确快速的检测 ,在研究了目前存在的各种方法之后 ,提出了一种新的基于阴影检测的 HSV空间自适应背景模型的车辆追踪检测算法 ,并将其应用于运动物体的分割 ,同时给出了具体的试验结果 .该方法之所以不在传统的 RGB空间实现 ,而在 HSV空间实现 ,因为 HSV空间可以提供更丰富的颜色信息 .运行试验结果表明 ,该方法准确率高 ,适应性强 ,运算速度快 ,兼具灵活性 。

结合HSV空间的改进二维Otsu免疫组化图像分割

肝脏免疫组化图像中阳性区域的定量分析对肝癌的早期诊断有非常重要的意义。针对真彩色免疫组化图像特征,结合HSV空间对二维Otsu算法进行改进。首先针对二维Otsu算法每次计算类间测度矩阵的迹需要遍历整幅图像导致运算量大耗时多的不足,提出一种快速递推算法,利用快速Otsu算法对图像进行预分割;然后针对分割结果中目标区域包含的少量阴性区域,结合图像的HSV空间特征进行优化。将预分割结果与H分量作交集运算,将交集运算结果与预分割结果作差集运算,得到初分割结果;将初分割结果与H分量和S分量的交集运算结果做并集运算,得到最终分割结果。通过与Otsu的对比实验表明,改进算法更好地实现了阳性区域的目标提取,提高了分割的精度。

基于三维混沌映射的HSV空间图像加密算法研究

针对HSV空间上的数字图像,构建了一种基于Feng三维混沌映射的图像加密方法.如果原始图像是RGB格式的,可以先将其转变到HSV空间下.进而,通过Feng映射构建x、y、z三个方向上的截断数据序列.根据这三个序列的索引排序,对数字图像的H、S、V三个通道信息进行置乱.实验结果表明,文件中方法获得了理想的图像加密效果,加密后的图像在3个方向上的相关性都在0.01以下.

一种基于HSV空间的自然图像抠图算法

自然图像抠图是指从自然图像中把前景物体抽取出来的技术。提出一种基于HSV空间的自然图像抠图算法,算法以Grab Cut为基础,利用图像HSV空间的主色波形图动态设定高斯混合模型参数,并通过引入能量函数迭代差值加快收敛。算法提高了Grab Cut在抠图中的分割效率和精度。算法应用于背景颜色较少的彩色图像,取得了较好的抠图效果。

基于HSV空间的肿瘤免疫组化阳性目标自动提取分析

目的提出一种基于HSV空间的免疫组化阳性目标自动提取分析方法。方法首先,依据阳性目标在HSV颜色空间的分布规律,联合使用了H分量、S分量和V分量作为阈值条件,结合最大熵单阈值分割算法,建立阳性目标分割提取模型;然后,提取阳性目标区域的特征参数,定量分析阳性目标的密度、强度等指标参数。结果实现了血管、细胞核、细胞浆和细胞膜等阳性目标的自动提取分析。结论试验结果可为建立免疫组化标准化的判断指标提供量化基础。

基于HSV空间的钢轨表面区域快速提取算法

机器视觉采集的轨道图像中包含钢轨表面区域(简称轨面区域)及干扰区域(轨道、碎石、杂草等),从复杂的轨道图像中检测缺陷目标难度大、耗时多.因此,先将轨面区域提取出来,然后对提取的轨面区域进行缺陷检测和识别可以节省大量时间.传统的钢轨表面区域提取算法多为手动设定轨面边界,自适应性较差,且对光照异常敏感.针对以上问题,就如何快速提取轨面区域进行了研究,提出了一种基于HSV空间的钢轨表面区域快速提取算法.首先将采集的RGB图像转换到HSV空间,并提取其S分量图像,以此变换来克服光照条件变化对钢轨表面区域提取带来的干扰;其次在S分量图像中绘制灰度投影曲线;然后以图像的中点为轴,将曲线分为左右两侧,分别找到左右两侧列曲线的极大值L1、R1和次大值L2、R2;最后根据极大值和次大值的关系自动确定轨面区域的边界.仿真结果表明,所研究的算法可以快速、准确地提取轨面区域,避免了手动确定轨面区域边界的问题,算法的泛化能力较好,提取精度较高(IoU高达0.92),提取准确率为93.87%,提取时间较传统方法大幅降低,平均提取时间为0.046 s,为铁路线路的实时自动化检测奠定了基础.

基于HSV空间的彩色图像分割

彩色图像分割是彩色图像处理和图像识别的重要问题,彩色图像分割可以看成是灰度图像分割技术在各种颜色空间上的应用。根据HSV颜色空间颜色和亮度无关,将彩色图像从RGB空间变换到HSV空间,然后经过H分割对绿色信息进行提取得到分割结果。试验表明,这是一种计算高效的分割算法。

基于HSV空间和形状检测的餐盘识别智能算法研究

针对目前自选式餐饮服务人工结算效率低、排队拥挤,同时基于RFID的餐厅自动结算系统成本相对较高等情况,提出了一种基于HSV空间和形状检测的餐盘识别智能算法,该算法采用图像处理的非接触式检测,先将图像转换为HSV空间,通过设定适当的阈值提取不同颜色的餐盘,然后经过基于极坐标的形状检测,判断出餐盘不同的形状,由此获取目标信息并进行计价.实验结果表明,该算法对餐盘具有良好的识别性.

基于无人机与HSV空间的光伏电池板检测分析

针对复杂环境下图像分析的困难性,研究了一种基于HSV空间模型的图像分割与检测方法。首先,利用无人机采集图像,区域分割提取出光伏电池板区域。其次,运用高斯卷积检测裂纹图像的梯度。最后,应用形态学图像处理与HSV空间模型的方法提取遮挡物,计算最小外接矩形面积与其占光伏电池板的比例。该方法能有效地对复杂背景下的光伏图像进行区域分割与检测,具有一定创新性和实用价值。

基于HSV空间与形态学的石油套管计数方法

针对人工盘点套管效率和准确率低,提出一种基于图像处理的自动检测方法。首先采集套管端面原始数字图像在空间域去噪,然后转到HSV空间中利用H通道的高低阈值限定与形态学开闭操作形成清晰的轮廓,再提取形状特征去除干扰,得到准确的识别计数结果。对现场采集的图片进行实验,验证了该算法计数准确、高效。

基于HSV空间的大壁虎脑图谱图像分割研究

针对大壁虎染色脑切片图像的分割需要,提出一种基于HSV空间的图像分割方法。根据脑图谱本身的染色特征以及人工识别脑图谱的经验,建立脑图谱颜色特征经验模型,分析该模型中的特征图片,从而得到分割阈值,据此利用Matlab图像编程,对脑图谱图像进行多阈值分割。对试验结果进行分析,发现该算法能够将大壁虎脑图谱分割为简洁、直观和清晰的特征脑区,并且具有一定的抗噪声能力。

一种基于HSV空间的彩色边缘图像检索方法

结合重要的彩色图像边缘及人眼视觉特性,提出了一种基于彩色边缘直方图的图像检索方法。该方法首先利用Canny检测算子提取出原始图像的彩色边缘信息,然后将彩色图像边缘转换至符合人眼视觉特性的HSV空间并进行量化处理,再将彩色边缘划分成圆环区域和角形区域,并分别计算出圆环区域和角形区域的颜色直方图,最后综合利用上述圆环区域和角形区域的颜色直方图计算图像间内容的相似度,并进行彩色图像检索。仿真实验表明,该方法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率。

基于HSV空间的纸币面额识别算法研究

纸币面额识别是纸币清分过程中的一个很重要的步骤,目前对纸币面额识别的研究主要集中于灰度图像上,还没有人使用彩色图像做过纸币面额识别的研究。在此提出一种基于HSV空间的纸币面额识别算法,根据待识别纸币和不同面额纸币的H、S、V分量均值的色差大小来对纸币的面额进行识别。在此首先使用扫描仪扫描到的高分辨率的图像进行实验,证明了算法的正确性。然后采用智能点验钞机采集到的低分辨率的图像进行实验,针对低分辨率图像,提出采用直方图均衡化的改进算法,分类准确率达到98.78%,证明本算法能够满足实际应用的需要。

基于HSV空间颜色直方图的油菜叶片缺素诊断

为实现快速而准确的油菜缺素诊断,根据不同缺素导致叶片颜色的变化,提出一种基于HSV颜色空间的非均匀直方图量化和组合多个支撑向量机分类器的智能化油菜缺素分析与诊断方法。采用霍格兰配方配制营养液,并使用山崎配方无土栽培技术,模拟正常、缺氮、缺磷、缺钾、缺硼5类营养状况下的油菜生长条件,栽培了一批甘蓝型双低油菜新品种阳光2009,采集幼苗期5类油菜叶片图像建立缺素数据库。首先使用主动轮廓模型分割油菜叶片区域,然后提取分割后的油菜叶片区域的HSV颜色直方图特征,并采用非均匀量化表征不同缺素油菜叶片图像的颜色差异,最后利用一对多方案训练多个支持向量机(support vector machine,SVM)分类器实现不同缺素油菜叶片图像的分类识别。缺素分类试验结果表明,该方法能较准确地判别常见油菜的缺素类型,对5种缺素的总体识别率达到93%,为数字化和智能化的油菜营养分析与诊断提供了一条有效途径。

一种基于HSV空间和纹理特征的快速车牌定位方法

提出了一种基于HSV空间和纹理特征的快速车牌定位方法.该算法利用车牌区域固定的颜色特征,可快速、准确地定位到与车牌颜色有关的区域.针对不同的背景和不同的车辆,抽取了150幅图片进行测试,定位成功率为97.6%,平均定时耗时为28 ms.实验表明,该方法是一种在HSV空间利用颜色和纹理特征进行定位的算法,通用性强,灵活有效.

基于HSV空间改进的多尺度显著性检测

图像显著性特征已被广泛地应用于图像分割、图像检索和图像压缩等领域,针对传统算法耗时较长,易受噪声影响等问题,提出了一种基于HSV色彩空间改进的多尺度显著性检测方法。该方法选择HSV色彩空间的色调、饱和度和亮度作为视觉特征,先通过高斯金字塔分解获得三种尺度的图像序列,然后使用改进的SR算法从三种尺度的图像序列中提出每个特征图,最后将这些特征图进行点对点的平方融合和线性融合。与其它算法的对比实验表明,该方法具有较好的检测效果和鲁棒性,能够较快速地检测出图像的显著性区域,能够突显整个显著性目标。