基于YUV颜色空间GAN网络的图像去雾算法研究

针对目前单幅图像去雾算法存在有色差,去雾效果不理想等问题,提出了一种基于YUV颜色空间的单幅图像去雾算法。该方法应用了GAN图像着色任务的思想,从正向的角度对雾霾图像实现重新上色。将雾霾图像转换至YUV颜色空间,在Y通道采用密集残差模块采集图片的亮度特征,根据特征对雾霾图像的亮度信息进行调整,降低雾霾对图像的影响。在UV通道上采用4个残差模块对图像颜色信息进行多次提取,根据提取的颜色信息通过模型预测对图像进行重上色。采用包含跳跃连接结构的特征融合网络将底层特征与高层特征进行融合,在融合过程中加入注意力模块以实现更加精细的去雾。实验结果表明,该算法在合成雾霾图像数据集上,RMSE,SSIM和PSNR 3种指标均达到了较高的水平,在真实雾霾图像上,对浓雾和薄雾图像均表现出了优异的去雾效果,具有良好的稳定性。

一种雷达视频记录中的RGB转YUV改进算法

本文针对雷达记录视频数据采样色度信息丢失问题,提出一种自适应色度采样算法,相比传统标准的色度采样算法,该方法考虑亮度对人眼感知信息的影响,首先判定相邻像素亮度变化幅度,当亮度变化较少时,采用亮度加权的方式对色度进行采样处理;当亮度变化较大时,采用色度优先的方式进行采样处理。实验研究表明,本算法可以实现雷达视频记录过程中色度信息的最佳记录效果,改善传统记录方式中雷达记录视频易失真的问题。

YUV与RGB之间的转换

首先对色彩空间作了简要的介绍,分别介绍了各种色彩空间的原理、YUV格式以及YUV与RGB的关系,并且给出了换算公式,将YUV的色彩空间与RGB的色彩空间的大小进行了比较。最后介绍了YUV的部分取样原理,并分别将YUV444、YUV422、YUV411和YUV420这四种取样方式进行了比较。

基于YUV颜色空间和多特征融合的视频烟雾检测

针对基于视频的烟雾检测方法在复杂环境中存在高误报、高漏报问题,提出了一种基于YUV颜色空间和多特征融合的视频烟雾检测算法。首先通过高斯混合模型检测运动区域,然后应用YUV颜色空间烟雾像素过滤方法确定疑似烟雾区域,进一步将疑似区域块分割后使用离散小波变换和均匀局部二值模式提取烟雾纹理特征,最后多特征融合并通过Real AdaBoost分类器进行火灾识别分类。实验结果表明,高斯混合模型能够有效检测运动区域,运动区域YUV颜色空间过滤可以滤除大量非烟雾像素区域,选取的烟雾特征及分类方法具有更高的识别精度。多个场景视频测试表明所提出的视频烟雾检测算法相比同类算法具有识别准确度更高、误报率更低,从而更符合不同的应用场景。

YUV颜色空间和图论切割的阴影去除算法

针对智能视频监控系统中阴影常由于其自身的属性而被错误地检测成前景目标的问题,提出了一种YUV颜色空间和图切割算法相结合检测阴影的新方法.首先,在获取的前景运动区域中综合考虑YUV颜色空间的亮度和色度信息来检测阴影区域并融合形态学滤波等操作得到确定的阴影和目标种子点,然后进一步通过图切割算法获得阴影与目标的优化分割,以提高阴影区域的检测精度.实验证明,该方法能有效地检测并去除视频监控场景中运动物体所携带的阴影.

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。

基于YUV颜色模型的番茄收获机器人图像分割方法

在研究番茄收获机器人对目标图像分割识别时,经常由于采集的图像受光照影响以及分割识别算法的计算复杂性而影响到识别的准确性和实时性。通过比较RGB、HSI、YUV等颜色模型的特点,从理论上分析了YUV颜色模型应用于收获机器人视觉系统的可行性,提出了一种基于YUV颜色模型的成熟番茄分割方法。同时综合实验及经验确定了成熟的红色番茄在RGB、HSI、YUV颜色模型中阈值范围,采用直接确定色差阈值的双阈值分割算法识别成熟番茄,并对3种颜色模型在不同的光照条件下的分割识别效果进行实验对比。实验结果证实,将基于YUV颜色模型成熟番茄分割方法应用于番茄收获机器人视觉识别系统,能很好地解决其鲁棒性和实时性问题。

基于YUV模型和Gabor滤波器的快速目标识别方法

为了满足移动机器人准确快速的目标识别要求,给出了一种基于YUV颜色模型和Gabor小波相结合的目标识别方法。该方法首先利用YUV色彩模型快速地对目标进行预识别,然后利用Gabor小波滤波器组对预识别后的结果进行精确识别。机器人对彩色足球的识别实验结果表明,该算法在准确识别目标的前提下,可以达到约12帧每秒的图像处理速度。

多路高清YUV视频GPU实时拼接研究

为提高高清视频拼接的实时性能,提出一种基于GPU的多路高清YUV视频实时拼接方法,推导出YUV422图像拼接中的透视模型,并结合计算统一设备架构技术,实现透视变换、无缝融合等关键拼接步骤在GPU上的并行优化。在4路1080p高清视频上的实验结果表明,相比基于RGB颜色模型的拼接方法,该方法的实时拼接性能在不同GPU架构上有20%~40%的提升,并且在GRX780上能达到33 frame/s的视频帧率。

基于YUV空间码本模型的运动检测

以YUV空间码本模型为基础,提出了一种融合码本聚类思想和信号能量分析思想的运动检测算法。先在YUV空间上进行码本建模,然后在码字训练阶段对每个进入码字的像素点的均值以及围绕均值波动的能量值进行统计,最后在前景检测阶段通过能量门限实现前景和背景的分割。实验结果表明,与以往的YUV码本模型相比,该算法除了具备快速实时和准确的特性外,对复杂背景环境中如晃动的树叶、水波和光线的突变等强干扰因素体现出更好的适应能力,并且在阴影的抑制方面也有较强的鲁棒性。

基于SSE2的YUV与RGB色彩空间转换

视频处理中需要完成从YUV色彩空间到RGB色彩空间的转换。通过分析YUV格式与RGB格式间的转换算法,提出使用整形计算替代浮点运算,利用整除256对应右移八位操作,提高运算速度。结合使用Intel单指令多数据扩展指令集SSE2技术进行算法优化后,显著提高格式转换运算的效率。实验结果表明,采用此技术可以提高25倍以上的运算速度,在视频处理中具有很好的应用性。

基于Lab和YUV颜色空间的农田图像分割方法

针对农田这种非结构环境下的图像分割问题,提出了一种基于Lab和YUV颜色空间的农田图像分割方法。该方法首先将获得的原始农田彩色图像分别转换到Lab颜色空间和YUV颜色空间,然后分别对Lab颜色空间进行Otsu阈值分割,对YUV颜色空间进行加权模糊熵分割,最后将2种分割方法得到的二值图像进行合并、滤波,以得到最终的分割图像。结果表明,该方法能够有效地实现农田图像的精准分割,并滤除噪声及抑制光照不均匀等复杂环境带来的影响,获得令人满意的结果。

YUV空间的彩色图像HDR合成算法

RGB空间的高动态范围(HDR)彩色图像合成算法存在颜色失真和计算耗时的问题。为此,提出一种YUV空间的彩色图像HDR合成算法。利用多幅不同曝光度的普通数字图像,通过计算机高速运算对彩色图像进行HDR合成。实验结果表明,该算法的合成图像质量较高、计算速度较快。

基于查表法的YUV视频播放器

视频信息处理中常需用YUV格式的图像序列. 为满足实时播放的需求,设计并实现了一种YUV格式图像的播放软件. 采用查表法可实现YUV到RGB的快速转换;利用Windows提供的多媒体定时器可控制视频播放速度,从而实现YUV格式视频的显示.

YUV-KL变换在人脸肤色检测中的应用

将常用于人脸肤色检测的YUV色彩空间与KL变换相结合 ,提出了一种基于YUV KL变换的肤色检测算法 ,并将它和其他常用的色彩空间检测效果进行对比 ,指出了这种变换的优势 。

基于YUV与小波变换的可见光与红外图像融合

可见光CCD传感器在夜间强光环境下拍摄易产生晕光现象,通过对可见光与红外传感器获得的图像进行融合可以解决这一问题.本文提出一种基于YUV彩色空间与小波变换结合的融合方法.首先采用仿射变换对可见光图像进行配准,将配准后图像转换到YUV空间,再将Y分量与红外灰度图像采用小波融合方法得到Y′分量,最后将Y′UV转换到RGB,从而得到融合图像.通过与YUV彩色空间变换、小波变换融合方法所得到的融合图像比较,结果表明,本文提出的方法获得的图像清晰度有所改善,比小波融合的方法处理速度更快.

基于FPGA的RGB到YUV422的数字视频转换

设计了一种新的RGB和YUV的转换方法,用FPGA取代专用的视频处理芯片,用Verilog HDL编写了相关的程序,实现了视频信号格式由RGB到YUV422的转换,并且在QuartusⅡ软件上进行了仿真验证,结构简单,有较高的实用价值和广阔的应用前景。

一种基于YUV颜色空间的新码书模型

为了有效消除复杂动态背景对运动物体检测的影响,引入了前后景区分能力较强的YUV颜色空间,基于此空间提出了一种新的码书模型,有效地减少了伪目标的检测。新码书模型采用六元素码字、新的码字学习和更新策略,实现较前人九元素码字和八元素码字有更快的训练速度和更低的存储空间。实验结果表明,即使背景存在运动和光照条件发生变化,算法也能更有效地检测运动目标。

基于直方图均衡变换的彩色YUV图像边缘检测方法

本文对基于改进的YUV颜色空间的边缘检测算法进行了研究。结果表明,对不同颜色空间的优缺点、特征性进行对比,从而提出了以YUV颜色空间为基础的改进算法,对其边缘检测算法的基本原理进行了详细的分析阐述。结合多元化仿真实验手段的相互比对,最终确定试验结果的优劣性,再结合理论分析和实验效果图,最终确定基于增大YUV颜色空间中Y、U、V分量的差异,并针对其中存在的问题提出可行性的边缘信息有效方案。本文通过改进后提出了更为简单的方案,同时具有高效性优势。

基于YUV颜色空间的图像去雾算法

针对有雾天气条件下,获得的图像严重降质问题,提出一种基于YUV颜色空间的快速图像去雾算法。该算法以大气散射模型为基础,利用YUV颜色模型提取出有雾图像的亮度分量,对此亮度分量图像进行高斯滤波后得到散射光;求出有雾图像的最大亮度值作为大气光,进而求得清晰的无雾图像。实验结果表明,该算法不仅有效地提高了降质图像的质量,而且处理速度快,能很好地保持图像的细节。