Circle Detection Based on HSI Color Space

A method based on HSI color space is presented to solve the problem of circle detection from color images. In terms of the evaluation to the edge detection method based on intensity, the edge detection based on hue is chosen to process the color image, and the simplified calculation of hue transform is discussed. Then the algorithm of circle detection based on Canny edge detection is proposed. Due to the dispersive distribution of the detected result, Hough transformation and template smooth are used in circle detection, and the proposed method gives a quite good result.

Study on Tri-Stimulus Transformation

To decrease number of samples for the implementation of color space transformation, a method for modeling the chromatic characterization of video cameras was proposed. An additional transformation was required to predict output RGB values for an input color. This additional transformation was based on spectral reflectance relationship. The transformed color coordinates were taken as inputs of a multilayer neural network. Based on network outputs, the RGB values to be predicted were calculated. Experimental results were given to illustrate the performance of the method. Even though much less number of training samples are used, this method can also perform well on this color space transformation.

Neural Network Method for Colorimetry Calibration of Video Cameras

To transfer the color data from a device (video camera) dependent color space into a device? independent color space, a multilayer feedforward network with the error backpropagation (BP) learning rule, was regarded as a nonlinear transformer realizing the mapping from the RGB color space to CIELAB color space. A variety of mapping accuracy were obtained with different network structures. BP neural networks can provide a satisfactory mapping accuracy in the field of color space transformation for video cameras.

分段均匀重分布和对数校正的水下图像增强

为了更有效地恢复水下图像的真实颜色、更好地改善图像的对比度和清晰度,提出了分段均匀重分布和对数校正的水下图像增强方法。用适中的图像强度分别对三通道图像进行强度补偿,对三通道分别进行分段均匀的灰度级重分布,以改善水下图像的颜色和提升图像的对比度;在Lab颜色空间中对亮度分量L进行自适应的对数斜率变换,以进一步改善水下图像的对比度和清晰度。实验结果显示,该方法在颜色恢复、对比度和清晰度的改善上优于部分现有方法,对水下图像增强后,获得更高的信息熵、UIQM和UCIQE值,因此,该方法具有更好的图像增强效果,对水下视觉具有更高的应用价值。

基于Retinex的自适应水域图像去雾算法

针对利用Retinex理论对水域雾天图像去雾时出现去雾不彻底、色彩失真等问题,提出一种基于Retinex的自适应水域图像去雾算法,通过分析水域雾天图像特征,提出水域雾气浓度划分标准,实现自适应去雾。将水域雾天图像由RGB颜色空间转到HSI颜色空间,对亮度(Intensity,I)分量进行拉伸变换以调节亮度平衡,再用改进的单尺度Retinex(singal scale Retinex,SSR)算法对I分量进行增强处理,初步提高图像清晰度;将增强处理后的图像转换回RGB颜色空间进行自适应伽马变换增强,进一步提高图像的清晰度及对比度;利用HSI颜色空间进行图像饱和度补偿及其他操作实现对水域雾天图像的色彩恢复。实验结果表明,该算法能有效进行自适应水域雾天图像去雾,色彩恢复真实,可得到细节清晰的高质量去雾图像。

基于阈值识别的温室黄瓜整体自动落蔓装置研究

针对长季节黄瓜作物人工落蔓强度大、成本高和效率低等问题,设计一种基于冠层高度阈值识别的温室黄瓜整体自动落蔓装置。为保证黄瓜冠层特征提取的正确率,对8:00、12:00和18:00实时采集的黄瓜冠层图像进行预处理,基于Otsu算法获得平滑黄瓜冠层二值图像。采用霍夫变换算法识别黄瓜冠层顶端绳束,并利用统计学方法归纳出感兴趣区域中HSV色彩空间绿色部分各分量取值范围,研究感兴趣区域中绿色像素点占总像素点的比值变化规律。为防止黄瓜卷须缠绕秧蔓冠层顶端水平绳束,以黄瓜植株高度184~185 cm为落蔓控制目标,确定感兴趣区域绿色像素占比的平均值0.162~0.182为整体落蔓装置的落蔓阈值范围。结果表明,植株高度184~185 cm和高于185 cm落蔓次数占总试验次数比例分别为90%和10%。高于185 cm落蔓组中,最高植株距离顶端绳束(195 cm)的距离为9.2 cm,无黄瓜卷须缠绕黄瓜秧蔓冠层顶端水平绳束现象,采用感兴趣区域绿色像素点占比确定黄瓜落蔓阈值方法,能够满足黄瓜生产实际要求。

Shadow Detection and Compensation for Color Aerial Images

A method for shadow detection and compensation for color aerial images is presented. It is considered that the intensity value of each image pixel is the product of illumination function and ground object reflection, and the shadowed regions on the image are mainly caused by the short of illumination, so the information compensation for the shadowed regions should concentrate on the illumination adjustment of concerned area on the basis of the analysis of whole image. The shadow detection and compensation procedure proposed by this paper consists of four steps.

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MATLAB的人脸图像分割算法研究

对基于MATLAB的人脸图像分割算法进行研究,利用颜色空间的不同色度特性,将给定的人脸图像按照不同色度划定的取值范围进行人脸和背景的分割。给出了三种颜色空间的基本原理,包括RGB颜色空间,HSV颜色空间,YCrCb颜色空间,对RGB颜色空间转换到HSV颜色空间和YCrCb颜色空间进行描述,并采用MATLAB软件完成图像的颜色空间转换。基于两种颜色空间完成不同类型人脸图像的图像分割,并对分割效果进行对比分析。

像素数据重构的LED屏亮度与对比度的优化研究

随着LED显示技术的广泛应用,图像处理技术在LED屏幕亮度和对比度优化方面展现出关键作用。本研究着重探讨了伽马校正、HSV色彩空间转换以及小波变换等核心算法,如何通过优化像素数据来提升LED屏幕的显示效果。通过实验分析,伽马校正能有效调整亮度,HSV转换优化了色彩的饱和度与对比度,而小波变换则在保持图像细节的同时,提高了图像的整体视觉质量。研究表明,综合这些图像处理技术能显著提高LED屏幕的显示清晰度和视觉效果,这对于广告显示、公共信息展示等领域具有实际应用价值。

基于Python技术的网络通信彩色图像压缩编码传输

为了解决彩色图像传输过程中存在的信息偏差较高的问题,提出基于Python技术的网络通信彩色图像压缩编码传输方法。完成色彩空间转换后,将原始图像数据从空间域表示为频域系数,并对变换系数进行量化和变换编码处理。利用Python创建了一个socket对象作为图像压缩编码载体,借助bind()绑定本地地址和端口号,结合listen()监听到的连接请求,使用accept()接受请求并返回一个新的socket对象。在测试结果中,MS-SSIM值始终稳定在较高水平,最小值也达到了0.92,传输图像的信息偏差明显低于对照组。

基于彩色图像的绝缘子污秽等级检测

绝缘子积污易导致污闪事故,危害电网的稳定运行,因此有必要检测绝缘子的污秽等级,以便安排清理作业。文章提出一种基于彩色图像的绝缘子污秽等级判别方法。通过一种基于小波变换与形态学的前景分割算法及一种基于三颜色空间的污秽分割算法,从原始图像中提取污秽部分,同时利用椭圆检测算法圈出绝缘子盘面,通过计算圈出的各个绝缘子盘面内污秽面积与盘面面积的比值均值大小,判断绝缘子的污秽等级,实现绝缘子污秽等级的识别与检测。经实验与对比可知,文章算法对绝缘子污秽等级的检测准确率为99.5%,优于普通的图像检测方法,表明文章方法是一种在线检测绝缘子污秽等级的可行方法。

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。

基于生成对抗网络的船舶可见光图像到红外图像的转换

为了解决红外制导研究中舰船图像样本数量不足的问题,提出一种面向舰船图像的改进的生成对抗网络(generative adversarial network,GAN),能够生成高质量的红外图像。首先转换可见光图像颜色空间以更好地捕捉夜间低亮度下图像的轮廓信息,然后引入残差块生成网络降低低像素的可见光图像对生成的红外图像的影响并加深网络层数以更好地学习深层映射关系,最后引入更平滑的损失函数加快收敛速度,提高生成红外图像目标边缘清晰程度。在制作的无人机拍摄的红外可见光配对的数据集进行测试,改进后的方法平均生成图像峰值信噪比(peak signal to noiseratio,PSNR)提升20.3%,结构相似性度量(structural similarity,SSIM)提升30.4%。结果表明改进的网络可以生成质量更高的红外仿真图像,用于目标检测等任务有更好的效果。

无人机RGB影像在高寒草地狼毒入侵监测及盖度估算中的应用

有毒植物入侵对草地生态系统和生物多样性的影响日益严重,无人机遥感为毒草防治提供了快速高效的监测方法。以青藏高原危害最严重的有毒植物狼毒为研究对象,探讨基于无人机影像的高精度狼毒遥感识别及盖度估算方法。在盛花期获取典型狼毒入侵草甸的无人机RGB正射影像,结合植被指数、色彩变换和纹理滤波方法提取狼毒识别特征,通过ReliefF-VIF/Pearson二次降维筛选出6项最优特征,基于RF、SVM和ANN三种机器学习算法构建狼毒识别模型。结果表明,与原始RGB波段相比,优选特征使狼毒识别精度有效提高4%~7%。三种分类方法的分类总精度和狼毒分类精度均大于81%,基于优选特征的RF和SVM模型的分类总精度和狼毒分类精度达到91%以上,狼毒识别效果最佳。随着统计单元的增大,利用无人机RGB影像分类结果估算狼毒盖度的精度明显下降但稳定性逐渐增加,斑块尺度50~60 cm是狼毒盖度估算的最优尺度。

基于通道拉伸和改进MSR的蜗轮副接触斑点图像增强算法

在蜗轮副接触斑点视觉检测中,摄像头所采集到的图像整体亮度较低、对比度低,导致图像检测结果不够理想,所以需使用图像增强技术,对图像的亮度、对比度等信息进行增强。为此,提出了一种基于通道拉伸和改进多尺度Retinex(MSR)的图像增强算法。首先,在低光照环境下,对图片进行了通道拉伸,增强了其饱和度和对比度,避免了图像增强过程中出现图像细节颜色失真的情况;然后,为了进一步增加图像细节的对比度,采用改进MSR算法对拉伸后的图像进行了处理,利用自适应权重双边滤波、tanh函数分别替换了传统MSR中的高斯中心环绕函数和对数函数,以减少细节信息的丢失;最后,采用自适应伽马变换对图像亮度做了进一步改善,使图像的质量更高,便于图像的后续处理。实验结果表明:与MSR、基于双边滤波改进的MSR增强算法相比,基于通道拉伸和改进多尺度Retinex的蜗轮副接触斑点图像增强算法的图像增强效果更好;进行图像增强后,图片的均值、标准差、信息熵、对比度相比于原图分别提高了48.3%、61.6%、7.1%、91.3%。研究结果表明:采用该图像增强算法之后,图像的质量和特征信息更好,有利于图像的检测和处理。

A New Content Based Image Retrieval Model Based on Wavelet Transform

Searching interested images based on visual properties of images is a challenging problem and it has received considerable attention from researchers in the fields like image processing, computer vision and multimedia systems in the last 20 years. While the importance and the effect of the image features like color, texture and shape have been taken into account in many papers, there have not been many studies on the importance of the color spaces on the performance of Content Based Image Retrieval (CBIR) systems. In this paper we first experimentally study the effect of choosing color space on the performance of content based image retrieval using Wavelet decomposition of each color channel. To this end, the retrieval results of different color spaces like RGB, YUV, HSV, YCbCr and Lab are analyzed. Then as a result a new Content Based Retrieval model using Wavelet Transform in Lab color space and Color Moments is proposed. In order to increase the efficiency of the proposed model some division schemes are taken into account which improves the performance of the proposed model. The proposed model tackles one of the important restrictions in content based image retrieval, namely, the challenge between the accuracy of retrieval and its time complexity. The experimental results on two databases [19] [24] demonstrate the superiority of the proposed model compared to existing models.

高精度轻量级烟叶烘烤阶段识别模型研究

【背景】实时的烟叶状态识别和烘烤阶段判别是实现烘烤工艺精准调节和建立烟叶智能烘烤系统的关键技术。目前烟叶烘烤状态识别方面的研究受到模型规模的制约,难以应用于实际生产,因此有必要研究高精度轻型识别模型。【过程】采用工业摄像头和补光灯组成的图像采集系统采集烘烤过程的烟叶图像,通过伽马变换和HSI颜色空间转化并对烟叶数据集进行处理,使用改进的轻量级EfficientNetB0模型进行训练,并在Jetson Nano嵌入式开发板上进行模型可行性测试。【结果】改进模型在测试集上的准确率达到了96.13%,参数量仅为2.74 M,相比于原始EfficientNetB0,改进模型的识别准确率提高了1.59%,参数量减少了48.50%。在Jetson Nano开发板上,相比于MobileNetv2、MobieleNetv3等轻型模型,改进模型的识别速度和准确率均有明显提升。【结论】改进的EfficientNetB0模型可以实现烟叶烘烤阶段的快速、精准识别。同时本研究可为烟叶智能烘烤系统的建立提供了理论依据和现实参考。

基于机器视觉的型钢梁施工过程变形监测技术研究

针对施工条件下的实际工程情况,提出一种颜色阈值匹配结合霍夫变换的轻量级机器视觉算法对型钢梁变形进行监测。首先,通过RGB转换HSV空间得到颜色阈值,之后进行霍夫变换识别,结合图像处理操作,可同时得到多个目标靶点的位置信息进行变形监测。其次,现场试验验证表明,机器视觉技术可在复杂背景下取得较好效果,最终实现在温度作用下型钢梁变形位移监测。最后,数据分析表明,温度对型钢梁的变形在安全范围内,不影响施工进度,且提出算法在精度和稳定性方面均可满足工程要求。

结合加权引导滤波和小波变换的低照度图像增强算法

针对低照度图像增强处理后存在图像细节差、色彩失真和“光晕伪影”等问题,在HSV颜色空间中处理图像,将V通道分量进行小波变换分解,对低频系数采用改进加权引导滤波替代高斯滤波作为环绕函数的多尺度Retinex算法处理,对高频系数采用改进的阈值函数降噪处理,小波逆变换重构V通道分量,对重构的V通道分量进行Gamma校正处理并转换回RGB颜色空间。实验结果表明,该算法增强后图像亮度提升明显,同时抑制了“光晕伪影”,颜色失真较少且细节丰富。