基于HSI和LAB颜色空间的彩色图像分割

彩色图像分割一直是彩色图像处理与分析中最为困难的不可缺少的步骤,针对图像分割质量直接在很大程度上影响了图像后期分析的效果,提出了一种基于HSI和LAB颜色空间的彩色图像分割方法。该方法在HSI颜色空间用最优阈值方法进行阈值分割,在LAB颜色空间采用基于K均值聚类图像分割,然后将两次分割结果进行区域合并,最后进行加窗滤波消除噪声。对林区活立木真彩色图像进行分割的实验结果表明,该方法能够精准地将活立木从背景中提取出来。

基于HJ1A-HSI超光谱影像的耕地有机质遥感定量反演

以环境小卫星超光谱影像为主要数据源,在耕地有机质实测样本的支持下,开展光谱反射率及其变化形式与有机质的相关性分析,筛选耕地有机质响应的敏感波段与特征组合算法,利用多元回归分析方法,建立基于HSI影像的耕地有机质定量反演模型。研究结果表明,耕地有机质的HSI影像响应波段均位于可见光与近红外波段间,其中以540～860nm范围最佳,相关系数均在0.5左右;HSI反射率对数一阶微分预测模型精度最高,模型及其检验的决定系数都在0.7以上,均方根误差在0.2%左右,可用于顺义区耕地有机质全覆盖空间填图。因此,环境小卫星的超光谱影像对耕地有机质含量具有较好的光谱响应能力,其空间覆盖能力有助于开展县域尺度的耕地有机质遥感反演和空间填图。

基于HSI颜色空间的棉花杂质高速实时检测方法

棉花杂质的有效检测和剔除对于棉花质量的控制具有重要意义.本文提出了一种实用的棉花杂质高速检测方法.该方法利用3D-LUT技术,有效解决了颜色空间转换的时间耗损问题.利用HSI颜色空间的色度和饱和度信息,对棉花中的杂质进行高效检测和定位.彩色运动补偿技术的应用,弥补了相机在硬件上进行空间参数校正的不足,降低了杂质的错误判别率.实验结果表明,该系统可以在10ms内完成80线棉流图像的采集、图像格式转换、杂质的检测和定位等全部过程.在棉流速度为18m/s,杂质大小为2×2mm^2的情况下,杂质识别正确率可达到95.4%.

基于HSI颜色空间的单幅图像去雾算法

针对有雾图像对比度差、能见度低的情况,结合HSI颜色空间特点,提出一种单幅图像去雾算法。首先,将有雾图像从RGB颜色空间转换到HSI颜色空间;然后,依据HSI颜色空间中色度、饱和度和亮度各分量受雾影响程度的差异,建立相应的去雾模型;最后,通过分析图像饱和度,得到饱和度模型中权重的取值范围,再对亮度模型中权重进行估计,从而实现去雾效果。与其他几种算法的实验结果比较表明,所提算法运算效率提高1倍左右。同时该算法能有效增强图像清晰度,能很好地运用于单幅图像去雾。

基于HSI颜色空间的彩色边缘检测方法研究

针对在RGB空间中很难有效区分颜色相似性的问题,通过选择更加符合颜色视觉特性的HSI颜色空间进行图像处理与分析,提出了一种新的色差度量方法,在此基础上设计了一种彩色边缘检测方法。首先计算色度、饱和度、亮度等三个分量的边缘信息,然后对三个分量进行加权得到彩色边缘信息,通过非极大值抑制和阈值选取后,得到彩色图像的边缘。实验结果表明,该方法可以充分利用彩色图像的色度、饱和度和亮度信息来有效地检测彩色边缘。

采用改进HSI模型的车牌区域检测和定位方法

为研制高性能实时车牌照识别系统,提出一种基于改进HSI模型的车辆牌照检测技术,依据转换后的车牌图像纹理特征设计了基于人工神经网络和投影算法的车牌区域检测和定位算法.结果表明,静态图片实验定位准确率98%,车牌检测率91%,得到了很好的车牌定位效果,静态图像处理速度为0.032s/幅,证明提出的定位方法可满足实时系统对识别速度的要求.

HSI色彩空间下的低照度遥感图像增强

为了提高低照度遥感图像的可视性,提出了利用改进的多尺度Retinex算法与局部对比度自适应调整相结合的方法来改善图像质量。首先,把原始图像变换到HSI色彩空间,有效分离H、S、I分量;然后,然后在保持色调分量H不变的前提下,对亮度分量I利用改进的多尺度Retinex算法进行处理,对整幅图像进行亮度和对比度的初步调整,通过使用Sigmoid函数替换多尺度Retinex算法中的对数函数来减少数据丢失;为了使局部细节信息得到更好的改善,在利用改进的多尺度Retinex算法处理后进行自适应局部对比度增强,提高图像局部对比度;对饱和度分量S采用分段线性增强的方法进行处理;最后,将处理后的图像变换回到RGB空间。实验结果表明:图像信息熵由5.79提高至6.65;图像感兴趣区域的局部对比度由0.695提高至0.701,图像质量以及利用价值得到了提升。

基于HSI高光谱和TM图像的土地盐渍化信息提取方法

选择黄河三角洲垦利县代表性盐碱化区域为研究区,以2011年3月15日HJ-1A卫星HSI高光谱影像和2011年3月22日TM影像为信息源,经几何纠正、图像裁剪、大气校正等预处理,分析不同盐渍化程度土地、水体、滩涂等主要地类的光谱特征,确定地类信息提取特征波段。结合土壤盐分含量,采用定量与定性相结合规则,构建地类信息提取模型,以决策树分类方法进行图像分类,提取土地盐渍化信息。利用地表点位土壤含盐量数据对地表土地盐渍化程度的化学分析结果,对遥感解译数据进行精度验证,并对高光谱和多光谱影像的分类精度进行比较分析。结果表明:HSI图像的总体分类精度达96.43%,Kappa系数为95.59%,而TM图像的总体分类精度为89.17%,Kappa系数为86.74%,说明相比多光谱TM数据,基于高光谱图像可以更为准确有效地提取土地盐渍化信息;由分类结果图可以看出,高光谱影像土地盐渍化的区分度高于多光谱影像。该研究探索了高光谱图像土地盐渍化信息的提取技术方法,提供了不同盐渍化土地的分布比例数据,可为黄河三角洲滨海盐碱土地资源的科学利用与管理提供决策依据。

基于HSI模型和Hough变换的指针式汽车仪表自动校验

为了克服传统的汽车仪表人工校验普遍存在准确率不高的弊端,提出一种指针式汽车仪表自动校验算法.针对汽车仪表盘颜色信息丰富的特征和采集图像时目标物体周边有阴影的现象,将RGB模型下的表盘图像转到HSI(色调、饱和度、亮度)模型以消除阴影影响,并利用色调和饱和度分量作为特征参数进行图像分割,并采用Hough变换检测目标;分别计算出指针指向主要刻度线时相对于零刻度线的偏转角,并与相对应的标准偏转角比较,若超过允许误差范围则返回重调.对常用汽车仪表盘的自动校验结果表明该算法精度好,校验准确率高.

基于SIFT和HSI模型的彩色图像复制-粘贴盲鉴别算法

针对彩色图像复制-粘贴篡改中误匹配的问题,提出一种基于SIFT和HSI模型的彩色图像复制-粘贴盲鉴别算法。首先确定彩色图像的SIFT特征点和特征向量;然后对每个SIFT特征点提取HSI彩色特征;最后对两两不同特征点的SIFT特征向量和HSI特征向量进行匹配,确定图像的复制-粘贴篡改区域。实验结果表明:本文算法与SIFT算法、SURF算法和改进SIFT算法相比,能有效地降低误匹配率,并对高斯模糊、白噪声和JPEG重压缩有较强的鲁棒性。

基于HSI的视觉注意力模型及其在船只检测中的应用

根据现有关于视觉心理学研究的相关成果和计算模型,提出了一种基于HSI颜色空间特征提取的视觉注意力模型,并应用于海上目标检测.首先把输入的RGB图像转换到HSI空间上,采用高斯金字塔和center-surround算子获得HSI三个分量下各自多尺度的视觉差异,通过对不同特征图的规格化和线性融合获得综合的显著图.该方法应用于多种海上目标图像均取得较好效果,背景中的海浪杂波得到了有效抑制,提取得到的显著区域包括了待检测的目标且范围较小,为后继的处理和分析提供了良好的基础.

一种基于HSI空间的异类传感器假彩色图像融合算法

提出了一种基于HSI空间的假彩色异类传感器图像融合算法。该算法从边缘、色彩这两个图像的基本特征着手,在灰度融合图像的基础上,基于HSI空间,用色彩体现特殊传感器的独有信息。选用laplacian金字塔融合算法及一致性融合规则得到边缘灰度融合图像,并将其送至HSI空间的I通道;根据需要,将某特殊传感器获取的图像,送至H通道进行调制;最后将HSI空间的融合图像变换到RGB空间显示。仿真结果显示:本文算法得到的彩色融合图像不仅保留了与灰度融合图像相近的空间分辨率,而且突出了独有信息,是一幅信息量比较完备的融合图像。同时,对于HSI三通道的选择是固定的,具有很好的算法稳健性。

基于纹理特征与HSI空间的苹果识别与标定

在分析了不同图像分割方法的基础上提出了一种基于颜色特征和纹理特征的图像分割算法,以解决复杂背景下苹果采摘机器人分割目标与背景的问题。通过分析灰度图像的纹理特征,求取灰度共生矩阵提取特征,以支持向量机分割图像,并结合HSI颜色空间的色差特征达到目标和背景分离的效果。通过与单纯的颜色特征分析和纹理特征分析相比较,该方法在识别率上高于其他分割算法,同时对于颜色与背景相近的果实也能有很好的分割效果。

利用Hyperion数据进行环境星HSI红边参数真实性检验

针对我国新发射运行的HJ-1A星HSI数据,利用高光谱分辨率的Hyperion数据进行了HJ-1A星HSI的光谱模拟,提取了红谷位置、红边位置、红边斜率和红边振幅等4个主要的红边参数,对真实与模拟环境星HSI数据的红边参数进行了对比分析,从而以Hyperion数据为参照检验了环境星HSI红边参数的真实性。研究结果显示,环境星HSI与模拟HSI的红边范围光谱反射率平均相关系数为0.946,标准差为0.011,为极显著相关,两种数据在红边范围内的光谱反射率变化高度一致;4个红边参数的相关系数分别为0.414,0.543,0.808和0.802,并且随植被覆盖度的变化呈现出明显的规律性,模拟与真实红边参数差值标准差分别为5.75,1.86,5.7e-4和0.024,认为环境星HSI的红边参数可以较好反映该区域植被变化所造成的红边光谱特征差异。

一种基于HSI和YUV颜色模型的车牌定位方法

车牌定位是整个车牌识别模块实现的前提。针对车辆图像车牌位置定位不准等问题,采用HSI和YUV颜色模型,根据每个像素S值的分布,动态决定选用H值还是Y值,并经过水平垂直投影技术对车牌区域进行定位分割。实验表明,该方法提高了定位的精确性,克服了光照的影响和单一颜色空间的不足。

HSI鲁棒彩色图像数字水印算法

提出了一种彩色图像数字水印算法,先将图像从RGB色彩空间变换到HSI色彩空间,在HSI模型中取I(强度)分量,结合JND自适应地嵌入水印,然后再反变换回RGB色彩空间,而且水印提取不需要原始图像和原始水印。实验结果表明该算法可以有效抵抗有损压缩、滤波、添加噪声等常见图像处理操作,尤其是对色深变换具有较好的鲁棒性,是一个有实用价值的算法。

基于HSI颜色空间和小波变换的多光谱图像和偏振图像融合实验研究

偏振成像技术是当前光电成像领域研究的热点之一.为了更好地实现目标探测识别,本文研究了基于HSI颜色空间的偏振图像和多光谱图像的融合算法,对每一个波段内的偏振图像进行融合并映射到HSI颜色空间;然后对实验所选取的三个波段的H、S、I图层进行小波系数融合,并将融合图像在RGB颜色空间输出显示.给出了融合图像的客观评价参数,通过与前人的实验对比,表明该算法更加适合于人眼的视觉特性.融合图像用颜色凸显目标的偏振信息,能够将目标和背景明显区分开来,很大程度地提高了目标探测识别的质量.

基于HSI空间彩色图像多结构元形态边缘检测

构建了一类在HSI 颜色空间基于多结构元彩色形态边缘检测梯度算法实现彩色图像边缘检测新方法,多结构元形态边缘检测有着比单一结构元素形态边缘检测更优越的性能。所定义的算法充分考虑了边缘的方向性和噪声对边缘检测的影响,本算法在噪声抑制方面显示了优良的性能,能满足不同应用的需要。

基于直方图的HSI空间伪彩色编码研究

利用输入图像直方图和图像中已有的灰度级,结合互补色编码原理和人的视觉习惯,提出了一种基于直方图的色调、色饱和度和亮度空间(hue,saturation,intensity,HSI)伪彩色编码方法,用于对输入图像进行伪彩色变换.结果表明,该方法利用了原输入图像的有用信息,变换后得到的伪彩色更为丰富,具有较好的自适应性,且易于实现.可用于对实时性要求较高的军事、医学和卫星遥感等领域.

基于HSI色彩空间与FFCM聚类的葡萄图像分割

为适应农业采摘机器人对葡萄对象快速准确识别的需要,提出了基于HSI色彩空间与以直方图信息为特征的快速模糊C-均值聚类(FFCM)算法相结合的葡萄图像分割方法。该方法以H分量作为葡萄图像聚类分割的处理数据,根据FFCM算法对灰度图像聚类分割。试验对夏黑葡萄果实在自然光、顺光、背光照射环境下拍摄的图像进行分割。结果表明:葡萄图像分割方法能够快速且较好地从复杂自然环境中将葡萄目标分割出来,为葡萄采摘机器人的研制提供了重要参考。