CMAC辨识的CMYK到CIE L*a*b颜色空间转换模型的研究

为了解决设备相关颜色空间CMYK与设备无关颜色空间之间的相互转换问题,利用小脑模型神经网络(cerebellar model articulation controller,CMAC)高度非线性拟合能力,研究CMYK颜色空间与CIE L*a*b*之间的转换关系,研究结果显示该方法具有结构简单,易于软件和硬件的实现,将IT8.7/3标准色靶文件中104个专业色块值作为检验样本,检验样本的平均色差为1.6,完全适用于两种不同颜色空间之间的转换过程.

基于L^＊a^＊b^＊肤色模型和数学形态学的人脸检测

提出利用L*a*b*肤色模型和数学形态学相结合的方法,实现彩色图像人脸检测.建立L*a*b*颜色空间的肤色模型,利用该模型提取肤色区域;然后,用数学形态学算子,完成去除噪声和干扰,分割候选目标等处理过程;最后,利用人脸的比例关系框选出人脸区域.实验表明,该方法计算开销较小,易于实现,准确率较高,速度快.

基于图像增强和α角度模型的K均值小麦冠层分割算法的改进

[目的]本文旨在克服光照不均引起的低对比度、反光、阴影、光斑及遮挡等对大田复杂背景下小麦冠层图像分割的干扰。[方法]设计了一种结合脉冲耦合神经网络(pulse coupled neural network,PCNN)与同态滤波的自适应图像增强和基于L*a*b*颜色空间α角度模型的K均值聚类分割算法。首先,将小麦冠层图像转换到HSI颜色空间,采用自适应算法对HSI空间的I分量进行增强处理,适当调节饱和度S分量,补偿光照强度分布不均,去除阴影及拉大对比度;其次,将增强处理后的图像映射到L*a*b*颜色空间,提取a*、b*分量建立α角度模型;最后,基于α进行K均值聚类分割处理。[结果]拔节前后光照强度不一、光照不均的冬小麦冠层图像的分割试验结果表明,该算法可一定程度避免基于L*a*b*颜色空间α角度分量K均值聚类的过分割现象;改善基于HSI空间H分量K均值聚类的欠分割缺陷,且对光斑、阴影遮挡、反光突出的图像分割更完整准确。[结论]本算法可为大田复杂背景下光照多变的作物冠层图像分割提供参考方法。

基于ITA值的皮肤颜色影响因素分析

ITA值是基于CIE L*a*b-颜色空间建立的皮肤颜色测量指标,目前广泛应用于皮肤颜色研究和化妆品功效评测中,本文旨在对基于ITA值的导致皮肤发黑暗沉、发红、发黄的影响因素进行梳理综述。本文以构成ITA值的亮白、红-绿色相、黄-蓝色相三个因素为分类依据,对导致皮肤发黑暗沉、发红、发黄的影响因素进行了梳理分析,总结了各因素的生化机制及部分通路交叉点。依此提出一些改善皮肤颜色的建议及“以点带面”的护肤设想。ITA值在肤色评定和化妆品功效评价方面的广泛认可及其良好的发展前景,更加重视其在肤色发黑发黄发红细分类方面的应用意义。

融合亮度信息与色度信息的图像梯度提取方法

梯度信息对人眼视觉感知具有重要作用,准确的图像梯度描述对于图像边缘提取、图像增强、图像分割等都有着极为重要的意义。传统的梯度提取方法通常仅利用图像的亮度信息,当图像颜色发生改变而亮度变化不大时,传统方法获得的梯度数值则会与人眼的视觉感知产生矛盾。提出一种融合亮度信息与色度信息的图像梯度提取方法。该方法在保留亮度梯度信息的基础上,引入基于人眼视觉模型的CIE-L*a*b*颜色模型获得色度梯度信息,而后将归一化的亮度梯度与色度梯度进行了梯度融合。实验结果表明,该方法可充分利用亮度信息与色度信息,产生更符合人眼视觉感知的梯度描述。

混棉颜色级评价模型与应用研究

探讨混棉颜色级评价模型的建立与应用研究。根据国家新标准GB 1103.1—2012《棉花第1部分:锯齿加工细绒棉》的实施,提出了针对混棉颜色方面的配棉方法。运用模糊关联的思想和方法,抓住混棉关键指标——黄度(+b)变异系数,对混棉颜色级的可信度进行评价。为了防止因配棉成分组合不当而引起纺纱色差,制订混棉颜色级参考标准。实践证明,混棉颜色级的黄度(+b)变异系数超过12%时,色差将逐渐加重。

基于Internet的远程电脑测配色系统

研发了一种基于Internet的远程电脑测配色系统。它能够实现远程测色和配色,具有多种配色模型,能够对来自不同行业的光谱数据以及光谱图像进行处理和分析。介绍了配色系统的部分设计。采用B/S和C/S相结合的构架实现了配色用户和配色服务商在互联网上的远程互动。介绍了有关的配色算法和远程配色系统的搭建过程以及相关程序编写方案。

基于颜色匹配模板的中药饮片图像识别

目的:利用中药饮片图像中颜色的种类和分布特征,构建与尺度和旋转无关的颜色匹配模板,建立中药饮片的颜色表征及图像识别方法。方法:选取根茎类、花、种子和果实类中药饮片共20种,每种样品各选取相应的2个观察面摄取图像,经图像分割,RGB颜色模型转换为L~*a~*b~*等图像处理过程,提取各观察面的图像前景的颜色参数。2个观察面的颜色向量按降序排序,插值缩放至一定尺度,按1∶1的权重构造综合颜色向量。对于具有向心分布的观察面(如横切面)图像,采用腐蚀操作由外至内逐圈提取各环带的颜色分量,并进行排序、缩放操作。以综合颜色向量作初始模板进行训练,计算各样本与模板的相关系数,结合t检验对阳性样本进行区间估计,以总识别率为考察指标,确定最优模板尺度、环带宽度和训练量。结果:不同种类饮片训练后的综合颜色模板的可视化结果易于目视辨别;测试260个饮片样本,由a~*,b~*2个颜色分量构建的综合颜色模板的识别性能优于L~*,a~*,b~*3个分量的模板,其总识别率为95. 8%(249个/200个)。结论:整合中药饮片2个不同观察面的图像颜色特征以构建综合颜色特征向量,对于相同药用部位的样品和不同药用部位的样品均可获得较好的识别分类结果;该方法对样品的形状、取样部位及颜色的随机变化有较强的抗干扰能力。