基于多特征融合的百香果品质识别分类方法

百香果销售需按外观和口感的品质进行分类定价。目前分类主要针对果实外表进行人眼判断,易受视觉疲劳和主观经验影响,缺乏量化标准。基于此种情况提出一种基于机器视觉多特征融合的方法对百香果品质进行自动识别并分类。分别提取百香果的颜色和纹理表观特征进行优化并融合,然后使用SVM分类器对融合特征与果实果糖含量高低进行二分类关联训练和预测。实验结果的分类准确率最高可达到91.48%,表明百香果的外观特征与口感品质有较大的关联性。由此可见采用机器视觉方法对百香果以及其他水果的外观特征进行品质判断具有较高的可行性。其中所使用的算法实现简单,计算速度快,效果良好,具有很大的应用价值。

基于空气耦合超声的宣纸润墨性检测技术

宣纸在中国书画艺术历史中占据不可小觑的地位,润墨性是鉴别宣纸质量的重要指标,所以对其润墨性的检测至关重要。现有检测方法易对宣纸造成损坏且受人为主观因素影响较大,为解决现有检测技术的缺陷,该文提出使用空气耦合超声技术对宣纸的润墨性进行检测,针对不同润墨性的宣纸进行C扫描成像,通过彩色直方图分析成像结果中的颜色分布关系,对宣纸润墨性进行评价。当采用400 kHz空耦探头、200 mm/s扫描速度时,C扫描结果均能对不同宣纸的润墨性做出表征,该方法克服传统检测中主观因素的影响,能够在对宣纸无损的情况下实现润墨性检测。通过上述结果表明,该方法可为宣纸的无损检测提供一些理论和实践参考。

面向海岛海岸带区域的高分遥感影像智能化色彩增强方法

原始高空间分辨率海岛海岸带遥感影像往往存在影像灰暗、偏色、地物信息较难辨识的现象。为及时获取清晰、信息丰富、反差适中、亮度均匀的海岛礁遥感影像,满足日益强烈的海岛海岸带地理信息保障需求,针对海岛海岸带高空间分辨率遥感影像,该文提出一种深度学习结合改进直方图匹配的智能化调色方法。首先,进行数据重采样与自适应分块获取抽稀影像;其次,应用MBLLEN网络对抽稀影像进行真彩色增强;最后,采用改进直方图匹配的方法对原始影像进行色彩映射,最终得到符合人眼视觉、色彩一致、细节丰富的遥感影像。采用主客观相结合的方式综合评价调色效果,结果表明:相较于Retinex,HE和MASK等常用调色方法,该文算法结果更符合人眼视觉、色彩一致、细节丰富,可有效改善海岛海岸带高空间分辨率遥感影像视觉效果,较好地保留原始地物的细节信息,大幅提升调色效率。

基于自适应色彩均衡及改进IBLA的水下图像增强

针对水下环境采集图像和视频存在对比度低、色彩不均衡等颜色失真问题,提出了一种自适应色彩均衡与水下场景深度估计融合的水下图像增强算法。该算法的核心思想由3个步骤组成:首先针对图像色偏严重问题,对色偏严重的通道进行颜色自适应均衡化预处理,以突出纹理特征;其次,根据图像整体的纹理分布特性进行特征提取,并对图像通道进行背景光估计、场景深度估计以及传输系数映射估计;最后,采用场景亮度恢复模型进行特征融合,并基于直方图均衡算法得到水下增强图像。为证明该算法的有效性与先进性,选取真实水下降质图像为处理对象,利用质量评价指标(UIQM)对增强图像进行总体比较。结果表明,该算法有效增强了水下降质图像的清晰度与色彩度,并且清晰地恢复了图像细节。

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。

基于颜色二阶矩和直方图联合判定的镝铁中铁含量自动分析仪研制

镝铁合金中铁含量的检测方法通常以人工滴定为主,但这种方法存在耗时长、操作繁琐、人眼判断滴定终点差异性等问题。研制了一种以图像处理为基础的镝铁中铁含量自动分析仪,实现了样品前处理、滴定、终点判定等过程一体化与自动化,减少了人工操作。可同时进行五个样品实验,提高了滴定效率。采用CCD工业相机摄取溶液图像,实现化学反应过程中溶液颜色的自动化识别,运用颜色分量二阶矩阈值和像素点数量排除溶液颜色交替变化的干扰,并基于直方图对比得到相似度进行滴定终点的判定,能够有效、准确地实现化学反应过程中溶液颜色的自动化识别。使用参考值为19.47%~20.25%的镝铁合金样品进行测定,与手工滴定结果比对验证,精密度测量结果相对标准差在0.21%以内,准确度测量结果误差在0.15%以内,满足国家标准《镝铁合金化学分析方法第4部分:铁量的测定重铬酸钾容量法》(GB/T 26416.4-2010)的精度要求。

顾及多分辨率特征的复合字典城中村识别方法

城中村作为一种特殊的城市聚落类型,对其进行精确有效的监控识别有助于实现城乡协调发展、优化城乡生态环境。现有面向对象的城中村识别方法通常需要大量样本数据,导致训练成本较高,数据更新效率偏低。针对以上问题,本文提出了顾及多分辨率特征的复合字典城中村识别方法。首先通过密集格网采样提取尺度不变特征转换(SIFT)全局特征,并与多分辨率颜色矢量角直方图特征融合,形成视觉词典;然后将影像表示为视觉词频率直方图;最后使用随机森林分类器进行分类,以实现场景尺度的城中村识别。以高分二号影像为测试数据对该方法进行验证,结果表明,其总体精度达90.08%,Kappa系数达80.16%,相较于加速稳健特征(SURF)、SIFT、VGG16、ResNet50,总体精度分别高出8.99%、3.51%、4.78%、2.28%。

改进Retinex的低照度图像增强研究

针对低照度图像在增强过程中出现的色彩失真、亮度不均、细节模糊等问题,提出一种改进Retinex低照度图像增强算法。算法基于HSI色彩空间,首先利用Retinex模型将亮度分量I分解为L成分和R成分;采用对比度受限自适应直方图均衡化拉伸L成分,提升图像对比度,基于均方差量化R成分,增强图像整体亮度;并利用均值滤波提取图像细节层,提升图像细节信息;根据I分量与S分量的相关性,提出一种饱和度分量S的自适应拉伸函数,调整图像色彩,最后将增强图像转回RGB色彩空间。实验结果表明,所提算法图像亮度增强适宜,对比度有效提升,细节清晰,图像色彩舒适自然,符合人眼视觉习惯;峰值信噪比、结构相似性、信息熵分别最高达到18.79 dB、0.92、7.59,均高于对比算法。

基于RGB色彩平衡方法的沙尘降质图像增强

针对沙尘环境下室外图像存在的色差,低对比度以及低清晰度的问题,提出一种基于RGB色彩平衡方法的沙尘降质图像增强算法,该算法主要包括色彩校正、对比度提升两个任务。针对沙尘图像色彩分布的特殊性以及灰色世界算法的启示,提出了保持颜色分量均值的RGB色彩平衡方法(RGBCbm),使得RGB三通道分量根据颜色分量的均值进行拉伸,有效去除了图像中沙尘造成的色幕问题,进一步采用带色彩恢复的多尺度视网膜增强算法提高色彩校正结果;利用相对全局直方图拉伸算法结合Lab颜色模型对图像的对比度、色彩以及明亮度进行最后的增强和校正。对实验数据进行测试,结果表明,该算法可以有效解决各类沙尘降质图像的色差问题,并在提高图像色彩丰富性和对比度的同时增强图像细节的清晰度。与其他先进算法相比,水下图像质量指数和图像对比度指数分别达到了0.602和0.994,分别提高了0.140和0.018。

低光照图像的亮度增强与颜色恢复方法研究

低光照图像由于能见度低,不利于人眼观察和计算机视觉处理中的目标特征识别。为此,论文提出了一种基于同态滤波与颜色恢复相结合的低光照图像增强方法。首先,采用同态滤波对低光图像进行初步处理,增强图像的亮度和纹理;其次,在Lab颜色空间下,对a、b颜色通道进行偏色分析,并基于直方图规定化对经过同态滤波处理的图像的a、b颜色通道进行色彩匹配校正;最后,将三通道合并转换到RGB颜色空间,得到最终的增强图像。实验表明,该图像增强方法对低光照图像的亮度增强和颜色恢复具有较好的性能,且更符合人眼视觉。

基于机器视觉的瓦斯继电器油位异常检测

针对传统的瓦斯继电器油位异常时机械故障引起的误报警情况,文中提出基于机器视觉的瓦斯继电器油位测量方法,为瓦斯继电器油位异常检测提供一种新的方法,有效提高其工作可靠性和安全性。由于瓦斯继电器窗口内部背景复杂干扰较大,使得传统的基于图像处理液位提取方法误差很大,无法得出满意的结果。为此提出颜色空间域转换和Canny检测边缘结构复杂度相结合的算法,提取出瓦斯继电器油位。实验结果显示,所提算法在瓦斯继电器油位提取方面优于传统方法,满足实际工程需求。

多摄像机场景下的目标匹配比较研究

基于如颜色直方图(Color-histogram)等特征的目标匹配方法由于特征本身受光线变化、背景复杂度等因素影响而对于不同场景中目标的识别准确率存在差异。针对这一现状,选取了基于Color-histogram、SIFT和SURF特征的目标匹配方法分别应用于多摄像机场景下的目标匹配。然后,通过纵向比较同一种方法应用在不同视频集中所显示出的识别率和横向比较同一视频组中应用不同方法所得到的识别率来分析它们之间应用效果的差异性。由实验结果可知,该比较研究所得结论可以为此领域的后续研究提供一种关于特征选择的参考。

基于CamShift的目标跟踪算法

CamShift是一种应用颜色信息的跟踪算法,在跟踪过程中,CamShift利用目标的颜色直方图模型得到每帧图像的颜色投影图,并根据上一帧跟踪的结果自适应调整搜索窗口的位置和大小,从而得到当前图像中目标的尺寸和中心位置。在CamShift算法基础上对搜索窗口进行简单运动预测,并增加二次搜索方法,提高跟踪的稳定性。实验结果表明,在图像背景复杂且目标不规则运动的情形下,仍能有效地跟踪到目标。

基于图像信息熵与空间分布熵的彩色图像检索方法

在分析基于颜色直方图及信息熵进行图像检索的基础上,提出了一种改进的基于信息熵的图像检索算法,该方法同以往的基于信息熵的图像检索算法相比具有更强的鲁棒性.同时,文中又提出利用空间分布熵描述图像颜色的空间分布信息,并给出了一种基于图像信息熵与空间分布熵的彩色图像检索算法.试验结果表明,该方法效果良好,大大提高了图像检索的速度.

一种改进的图像相似度算法

图像相似度算法在图像识别、图像搜素引擎等研究领域具有重要意义。针对传统的灰度颜色直方图算法无法准确地描述各种颜色在图像中的分布情况的问题,提出了一种改进的图像相似度算法。它融合图像的纹理特征,利用灰度共生矩阵来提取图像像素在图像各个位置的特征信息。实验表明,这种融合图像纹理特征的方法不仅保留了灰度颜色直方图算法执行效率高的特点,而且弥补了颜色直方图算法的不足,进而提高了算法的准确性。在实际的应用场景中,可以通过调整两种算法的权值,来进一步提高算法的准确性。

基于HSV分块颜色直方图的图像检索算法

针对基于颜色的图像检索问题,提出了一种新的基于HSV非均匀量化分块颜色直方图的图像检索方法。分块直方图算法把图像固定分成若干子块,分别计算子块的颜色特征。将含有重要空间信息的分块设置权值,并将不注重空间信息的分块权值设为零。此算法充分利用了HSV非均匀量化和图像分块的优点,改善了颜色特征缺乏空间信息的缺点。研究结果表明,基于HSV非均匀量化分块颜色直方图的算法相对于全局颜色直方图有较好的检索精度。

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。

基于视觉权值的分块颜色直方图图像检索算法

为了进一步提高基于颜色直方图的图像检索系统工作效率,本文以人眼视觉感知特性为基础,结合局部图像相关性,提出了一种基于视觉权值的分块颜色直方图图像检索新方法.该方法首先对图像进行分块处理,并计算出图像子块的颜色直方图;然后结合反映局部区域变化的像素点颜色复杂度,计算出图像子块的视觉权值;最后利用视觉权值对子块颜色直方图进行加权处理,并根据加权颜色直方图进行图像检索.仿真实验结果表明,本文算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.

基于显著兴趣点颜色及空间分布的图像检索新方法

提出了一种基于显著兴趣点的图像检索新方法,此方法主要有显著兴趣点检测、基于显著兴趣点的特征描述和相似性度量三个步骤.先使用一个自适应滤波器对图像进行滤波,然后提取显著兴趣点;以显著兴趣点为线索,设计了一种基于显著兴趣点的环形颜色直方图,既利用了显著兴趣点的局部特征,又考虑了显著兴趣点的空间分布结构;用图像间的环形颜色直方图距离来度量图像间的相似性.该检索算法不但保证了对图像旋转、平移鲁棒性,而且克服了传统直方图没有空间位置的缺陷.实验结果表明,该方法对图像检索非常有效.