基于Raspberry Pi的安全帽识别系统设计与实现

为了便于施工危险区域人员的自动化识别,提出了一种基于Raspberry Pi的安全帽识别算法。该算法将摄像头采集到的原始视频图像进行滤波、形态学等处理,再对图像中的安全帽进行识别。对于彩色安全帽,将原始图像转换到HSV空间,根据不同颜色色调阈值的设定同时识别红、黄、蓝三种颜色的安全帽,并结合形状特征剔除错误目标。对于白色安全帽,将原始图像转化成B通道下的灰度图像,解决了将黄色误检为白色的问题。采用V通道直方图均衡化的方法,提升了昏暗光线条件下的图像亮度。实验结果表明:在无需提前训练的情况下,算法对于单色安全帽识别准确率超过了91%,对于多色安全帽识别率超过了90%,为施工危险区域的安全隐患排查和作业管控提供了解决方案。

一种改进直方图均衡化的图像增强方法

针对图像在光照恶劣的环境中难以有效提取视觉特征的问题,论文提出一种自适应的改进直方图均衡化图像增强算法。首先将图像从RGB空间转化至HSV空间,得到明度特征图,并根据图像明度信息自适应调节亮度调节,并结合CLAHE算法进一步增强图像的亮度与对比度。实验结果表明,论文算法有效提高了图像在较为恶劣光照条件下的对比度、色彩度、熵值,使得图像更加清晰明了,色彩更鲜艳。

复杂光照环境下的标识线图像增强方法

自动驾驶汽车在行驶过程中需要识别道路标识线以确保行驶在车道上,变电站巡检机器人通过识别道路标识线实现准确巡检。但由于复杂光照环境的影响,道路标识线信息难以准确提取。传统的图像增强方法无法对所有复杂光照环境下的道路标识线图像都产生良好的增强效果,对此提出一种复杂光照环境下的道路标识线图像增强方法。利用HSV色域空间的亮度图像的亮度差进行分层处理,对高亮度差的图像使用自适应伽马校正的方法进行图像增强,对低亮度差的图像先使用直方图锥形拉伸扩大图像灰度级,再利用自适应伽马校正提升图像对比度。实验结果表明,该算法能有效解决低光照、曝光等复杂光照环境所导致的道路标识线难以识别的问题,是一种有效的图像增强方法。

基于亮度均衡化和仿射变换的交通标志图像修复研究

自动驾驶技术是当前人工智能的研究热点,其中交通标志的正确识别是机器的重要判断依据,但是在自然场景中交通标志图像具有颜色偏差、形状变形、遮挡等一系列问题,导致识别不准确。对于这个问题,提出了亮度均衡化和仿射变化的方法,首先采用HSV颜色空间,提取对应的颜色,再针对亮度信息进行直方图均衡化方法,解决颜色偏差问题,随后使用仿射变换,分别对三角形和圆形的图像进行形状的矫正,并实现背景的去除。实验部分采用占用机器资源较低的HOG+SVM检测方法进行检测,结果表明,和传统的方法相比,该方法在识别率上有20%左右的提升。由此证明,对交通标志图像进行有针对性的修复,对于识别率的提高有着比较大的意义,因为其占用机器资源较低,也给当前深度学习等占用机器资源较多的交通标志识别方法提供了新的思路。

基于机器视觉的汽车碰撞预警图标识别方法研究

针对汽车碰撞预警测试数据处理耗时长的问题,创新性地将机器视觉应用于汽车碰撞预警系统测试的数据处理。碰撞预警系统测试分为测试阶段和离线数据处理阶段。在测试阶段构建了一种基于颜色直方图相似度局部最小值的方法,以提取关键帧。测试时,首先实时获取帧间颜色直方图相似度序列,然后利用汉宁窗对相似度序列进行平滑处理,最后根据平滑过的帧间相似度局部最小值获取关键帧。在数据处理阶段,人工挑选出一张包含预警图标的图像,并获取图标在图像中的位置。根据尺度不变特征变换特征提取和最快邻近区匹配对局部区域进行特征提取和匹配。试验结果证明,该方法能够实现对汽车碰撞预警图标的快速、有效识别,并输出包含时间信息的关键帧。该方法能提高碰撞预警系统测试数据处理效率、提升自动化程度。

彩色图像分割方法综述

由于彩色图像提供了比灰度图像更为丰富的信息,因此彩色图像处理正受到人们越来越多的关注。彩色图像分割是彩色图像处理的重要问题,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,为了使该领域的研究人员对当前各种彩色图像分割方法有较全面的了解,因此对各种彩色图像分割方法进行了系统论述,即先对各种颜色空间进行简单介绍,然后对直方图阈值法、特征空间聚类、基于区域的方法、边缘检测、模糊方法、神经元网络、基于物理模型方法等主要的彩色图像分割技术进行综述,并比较了它们的优缺点,通过比较发现模糊技术由于能很好地表达和处理不确定性问题,因此在彩色图像分割领域会有更广阔的应用前景。

基于RGB和HSV的胶囊异囊缺陷识别方法

针对彩色胶囊图像的特点,结合RGB颜色空间数据易处理和HSV颜色空间色差感知均匀的优点,提出一种异囊缺陷检测方法,其中异囊是指某种颜色的胶囊中混有的其它颜色胶囊。该方法是基于RGB颜色空间的图像分割和基于HSV颜色空间的色差公式计算。将基于Y方向的Scharr算子应用于R分量图像,寻找胶囊上下两节之间的分隔线,将R、G、B各分量图像分割成两部分;基于图像直方图,采用加权平均的方法来获取R、G、B分量值,并将R、G、B分量值转成H、S、V分量值;利用加权方式的HSV色差公式计算色差,与设定阈值比较得出检测结果。测试结果表明,该方法保证了较高的检测精度,节省了常规基于HSV检测的方法中整体图像颜色空间转换的时间消耗。

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。

一种基于颜色和纹理的图像检索方法

提出了一种基于颜色和纹理的新的图像检索方法。该方法在HSV颜色空间量化过程中,采用一种基于线性隶属度的模糊量化方法,使量化结果更接近于人类感知;在提取分块主色的基础上引入一种颜色相邻矩阵,用于描述颜色的相对空间分布情况,以提高对图像变形的鲁棒性;还加入图像的纹理信息,最后结合这些颜色和纹理特征进行复合图像检索。实验表明,该方法能有效提高图像检索精度。

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。

利用色彩直方图特征进行偏色图象的自动检测和校正

在肤色检测、人脸识别、图象和视频检索的研究中,大量算法都是基于对图象色彩特征进行分析的,然而当图象发生偏色时,这些算法的性能会明显下降,甚至无效,而且由于现有的偏色校正算法,引入了其他关于偏色图象的先验性信息,具有很大的使用局限性,为此,提出了一种在只给出偏色图象的条件下,进行偏色检测和自动校正的算法.该算法首先获取并分析偏色图象在RGB各通道内的直方图特征,然后参照这些特征检测偏色通道,并通过调整偏色或非偏色通道强度分布来达到各个通道之间色彩平衡.实验表明,在较大程度的偏色情况下,该算法校正恢复出的图象与原始无偏色图象能达到视觉上基本一致的效果,并具有普遍的适用性.

基于颜色特征的图像检索技术

在基于内容的图像检索(CBIR)中,颜色特征作为图像的一种重要视觉信息,由于计算简单,鲁棒性强,已经得到了广泛的应用。从图像的颜色特征出发,针对颜色空间(颜色空间的转换)、颜色的量化(HSV颜色空间)、颜色特征提取及表示和颜色特征的相似性度量做了系统讨论和研究。接着通过经典的分块颜色直方图算法来介绍基于颜色特征的图像检索全过程。最后总结了基于颜色特征的图像检索研究存在的问题以及进一步的研究方向。

基于直方图的木材表面颜色分类研究

颜色直方图是图像检索技术中一种有效的颜色表达方式,具有位移、旋转不变的特性。然而木材表面颜色较为单一,采用通常的量化方案不能达到很好的分类识别效果。提出了采用HSV颜色空间三个独立分量的直方图统计特征表达木材表面颜色信息的方法,利用色调、饱和度和亮度三分量之间的相互独立性,提取了各分量的直方图特征。最后利用BP神经网络对木材样本库的图像进行了分类仿真,其结果验证了特征的有效性。

基于3D直方图的彩色图象分割方法

以阈值分割技术为基础 ,提出了基于 3 D直方图的生长法和尺度空间聚类方法 .分别利用 3 D空间中同一类目标像素频度的连通性和尺度空间聚类原理 ,简单而有效地解决了多维阈值分割带来的过度分割问题 .该方法对不同类型图象具有很好的适应性 ,并已成功应用于医学彩色图象处理领域 .

基于色彩特征的CAMSHIFT视频图像汽车流量检测

针对视频图像中目标车辆尾灯及背景色彩在HSV空间分布上的特点,提出了把车辆尾灯作为跟踪目标,恰当选取色彩特征参数,采用CAMSHIFT目标跟踪算法对汽车流量进行检测的技术方案.研究了基于HSV色彩空间的CAMSHIFT目标跟踪算法在视频图像汽车流量检测中的实现,并用实际拍摄的交通视频图像对该检测算法进行了验证.实验结果表明,本文算法具有较高的准确度,能够有效跟踪以各种速度行驶的车辆,可以较好地应用在汽车流量检测领域中.

基于局部对角色差描述符的图像检索方法

针对基于文本的图像检索方法检索精确度不高的问题,提出一种新的图像检索方法。为更细致地描述颜色差异,对HSV颜色空间的色调和饱和度分量进行合理量化。在亮度分量上提取局部对角色差描述符,表示颜色的空间分布信息。对综合颜色特征和颜色空间分布信息进行检索,解决颜色直方图不能描述颜色空间分布信息的问题。选取Corel图像库进行检索和对比分析,实验结果表明,该方法具有较高的检索精确度,同时缩短了图像检索时间。

基于HSV和HE的复制粘贴篡改检测算法

针对块匹配检测算法不能准确提取图像面积较小区域、自然相似区域以及平滑区域特征的问题,提出一种基于HSV(hue,saturation,value)颜色空间和直方图均衡化算法的复制粘贴篡改精确检测与定位的方法。将待测图像从RGB(red,green,blue)颜色空间转换到HSV颜色空间,并通过直方图均衡化算法对图像HSV颜色空间的V通道进行特征增强;提取基于圆谐波变换的特征构建特征向量;使用最近邻搜索算法对构建的特征向量进行快速随机搜索得到稠密的偏移场;采用稠密线性拟合的方法滤除错误匹配,并通过形态学操作标识定位出篡改区域。实验结果表明,所提方法能够有效降低面积较小区域、自然相似区域和平滑区域的误检与漏检像素,从而提升检测结果并准确定位出图像的篡改区域。

一种基于HSV空间和粗糙集的彩色图像分割方法

研究了基于HSV颜色空间的粗糙集直方图阈值彩色图像分割方法。根据HSV空间的特性,定义了HSV空间颜色距离计算公式,对HSV三分量计算粗糙集直方图和彩色图像进行分割。实验结果表明该方法较好地保留了图像的颜色信息,具有较高的通用性,能够获得满意的分割效果。

彩色遥感影像的色彩匹配

分别分析了采用RGB颜色空间和HSI颜色空间对影像进行色彩匹配的效果 ,讨论了匹配的方式 ,给出了直方图规定化的几种典型实例 ,实验结果表明 。