结合主动光源和改进YOLOv5s模型的夜间柑橘检测方法

【目的】解决夜间环境下遮挡和较小柑橘难以准确识别的问题,实现采摘机器人全天候智能化作业。【方法】提出一种结合主动光源的夜间柑橘识别方法。首先,通过分析主动光源下颜色特征不同的夜间柑橘图像,选择最佳的光源色并进行图像采集。然后,提出一种夜间柑橘检测模型BI-YOLOv5s,该模型采用双向特征金字塔网络(Bi-FPN)进行多尺度交叉连接和加权特征融合,提高对遮挡和较小果实的识别能力;引入Coordinate attention(CA)注意力机制模块,进一步加强对目标位置信息的提取;采用融入Transformer结构的C3TR模块,在减少计算量的同时更好地提取全局信息。【结果】本文提出的BI-YOLOv5s模型在测试集上的精准率、召回率、平均准确率分别为93.4%、92.2%和97.1%,相比YOLOv5s模型分别提升了3.2、1.5和2.3个百分点。在所采用的光源色环境下,模型对夜间柑橘识别的正确率为95.3%,相比白光环境下提高了10.4个百分点。【结论】本文提出的方法对夜间环境下遮挡和小目标柑橘的识别具有较高的准确性,可为夜间果蔬智能化采摘的视觉精准识别提供技术支持。

基于分数阶全变分和低秩正则化的彩色图像去模糊方法

针对现有的彩色图像去模糊过程中存在色彩失衡、阶梯效应和伪影等现象,提出了一种基于分数阶全变分和低秩正则的图像去模糊优化方法。首先,将传统的RGB彩色图像转换到YCbCr颜色空间,利用其亮度通道特征解决色彩失衡问题;其次,利用分数阶全变分的特征消除图像恢复任务中出现的阶梯效应,并且引入加权核范数低秩正则进一步抑制伪影及噪声;最后,利用交替方向乘子法设计出高效的求解方法,通过迭代优化得到纯净图像的最优估计。对彩色图像测试的实验结果表明,所提出的方法对图像去模糊任务取得较好的视觉恢复效果,客观评价指标良好。

改进生成对抗网络水下图像增强方法

针对水下图像颜色失真和细节模糊的问题,提出一种基于改进生成对抗网络的水下图像增强方法。该方法将生成对抗网络作为基础架构,生成网络采用编码解码结构,并引入RGB颜色空间块、HSV颜色空间块和注意力机制;RGB块可以更好地去噪和去除偏色,HSV颜色空间可以调整水下图像的亮度、颜色和饱和度,最后生成网络通过分配权重来生成图像。判别网络采用类似马尔科夫判别器的结构。此外,通过构建全局相似和内容感知多项损失函数,使生成的图像在色彩、内容、结构上和参考图像保持一致。实验表明,所提出的方法在主观比较和客观指标上都有很好的表现。其中结构相似度、峰值信噪比、水下彩色质量评估和水下图像质量度量在合成水下图像测试集的平均值分别为0.7746、19.2758、0.4889和3.3124。在真实水下图像测试集的平均值分别为0.9000、24.2636、0.4499和3.1619。在主观评价和客观评价指标上,综合比较,该文算法实验结果均优于对比算法。

基于Retinex和HSV颜色空间的低照度图像增强算法

针对低照度图像存在的对比度低、颜色失真、细节信息损失、噪声干扰等问题,提出一种基于Retinex的改进算法。首先,将原始图像转换到HSV颜色空间,采用改进算法和Gamma校正对V分量进行亮度调节;其次,基于对比度拉伸算法调整S分量,增强图像饱和度和对比度;最后,将融合后的图像转换回RGB颜色空间,输出图像。在MATLAB平台上选取不同场景低照度图像进行增强处理,采用图像信息熵(IE)、峰值信噪比(PSNR)和结构相似性指数(SSIM)三个客观指标进行均值对比,实验结果表明,新算法计算结果均优于传统的直方图均衡化算法(HE)和多尺度Retinex算法(MSR),有效保持图像边缘信息,提升图像质量。

基于深度相机的水稻穗层高度检测研究

为实现水稻穗层高度检测,基于深度相机对水稻穗层高度计算方法开展研究,以期为水稻割台高度控制、收割机智能化提供技术支持。为选择一种适用于水稻穗层分割的颜色空间,分别在RGB、HSV、LAB和i1i2i3颜色空间中对成熟水稻图像进行3D可视化,通过观察水稻穗层像素分布分析其可分离性;在此基础上,基于多阈值分割法、小联通区域移除、图像腐蚀等方法对水稻穗层进行提取;提出一种基于深度相机的水稻穗层高度(包括穗层最高高度H_(hs)、最低高度H_(ls))计算方法,并分别在实验室及田间进行验证试验。结果表明:水稻穗层在HSV颜色空间中具有较好的可分离性,所采用的图像分割、处理方法可有效提取水稻穗层;水稻穗层高度计算方法的实验室测试结果显示,H_(hs)与H_(ls)的计算误差均小于1.5%,田间测试结果显示H_(hs)与H_(ls)的计算误差分别为1.6%和18.2%。

面向可见光-红外图像的跨模态行人再识别方法

为降低模型对图像颜色的敏感度,减小可见光和红外模态间的差异,提出一种面向可见光-红外图像的跨模态行人再识别方法。将可见光图像转换到HSV颜色空间,提取只描述图像明暗信息的V分量,降低模型对颜色信息的依赖性;通过轻量级网络对V分量图像进行降维和升维,生成介于可见光和红外图像的中间模态,缩小模态间的差异性;在SYSU-MM01和RegDB数据集上进行性能评估。性能评估结果为Rank-1的数值分别增加了6.67%、1.18%,mAP的数值分别增加了6.47%、1.15%,mINP的数值分别增加了5.59%、0.42%。

养殖水体中校色卡识别与色彩变化分析

水下环境中颜色变化是一种常见现象,研究其变化特征可应用于水下图像处理和水产养殖生物监测等。利用校色卡分析不同水深颜色变化的特点,实验中首先对图像进行大小归一化及颜色空间转换;其次用图像与标准色块对比计算差值图像;然后进行轮廓提取并筛选出可能的色块加入候选列表,通过候选列表中的色块计算出原图色卡的位置;再通过仿射变换将原图色卡提取出来;最后,通过比较不同水深图像中色卡色块的颜色值,分析水下环境中的颜色变化。实验结果表明,该方法能够有效地检测和分析水下环境中的色卡,在0~3 m的浅水域中检测准确率达到100%,在3~10 m的中层水域中检测准确率达到93%,在大于10 m背景较为复杂深水域中提取准确率达到73.7%,在占用极小内存空间的情况下达到了较高的识别准确率;通过水下颜色分析得出:随着水深的增加,红色光的吸收和衰减最明显,蓝色光的吸收和衰减也比较多,而绿色光的影响较小。研究内容为利用水下摄影研究水产养殖生物行为提供了参考方法。

结合灰度世界和Retinex的低照度图像增强算法

针对图像增强处理中亮度偏低、细节模糊、色彩失真等问题,提出了一种基于Gabor滤波的多尺度Retinex与自适应补偿的灰度世界理论结合的图像增强算法.通过双伽马函数预处理图像暗区对比度并抑制亮区过增强;考虑Gabor滤波良好的方向选择性和纹理细节敏感度,将其作为多尺度Retinex算法的中心环绕函数在双曲正切域上进行卷积来突出细节,并添加增益偏移算子动态地调整反射分量的亮度;最后使用自适应补偿的灰度世界算法进行色彩保持和校正,得到最终的输出图像.实验结果表明该算法在结构相似性、标准差和平均梯度上比对比算法的平均值分别高出47%、38%和50.3%,处理后的图像在提高亮度、突出细节的同时保持了较高的色彩度.

基于多颜色空间的烟叶颜色表征方法研究

【目的】实现云南产地烟叶颜色表征,输出真正意义上能够反映云南宣威复烤厂初烤烟叶颜色特征的信息。【方法】课题组利用工业相机采集烟叶图像,对烟叶图像进行预处理、彩色图像分割,将烟叶图像分别转换到RGB、HSV、Lab等多颜色空间,采用投影寻踪法,将多颜色空间下的各颜色分量信息进行融合,使用综合值对烟叶颜色进行表征,并分析了使用多颜色空间的表征方法是否优于单颜色空间。【结果】1)融合多颜色空间计算出的颜色表征值与专家排序结果的相关系数高达0.98;2)单独使用RGB、HSV、Lab颜色空间进行颜色表征的相关系数分别为0.95、0.62、0.76,这表明多颜色空间包含了更多颜色信息,其表征值更能反映烟叶颜色特征。【结论】该方法可快速把烟叶真实的颜色信息提取出来,并且与人工排序的符合度较高,可实现在线应用,并为烟叶外观颜色均质化加工提供控制指标和数据支撑。

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。

基于二维图像设计的三维虚拟现实体验设计研究

由于二维图像构成逻辑的限制,设计者在理解二维图像中各元素的空间层次方面会存在一定难度,设计过程主要依赖设计者主观经验来调整画面效果。文章从二维图像设计流程的角度出发,基于色彩空间变化逻辑,将图像饱和度的变化关系与UnrealEngine软件相结合,搭载VR设备实现二维图像的虚拟现实体验设计,提出虚拟现实的“体验式设计”策略。

特征融合的电力机械设备过热故障红外检测

因电力资源需求急剧上升,电力系统提高电能资源运输量的同时,电力机械设备经常出现过热问题,易导致电力故障的发生,为此提出特征融合的电力机械设备过热故障红外检测方法。将电力机械设备红外图像转换到HIS颜色空间,采用中值滤波法去噪处理红外图像,降低噪声对故障检测效果的影响。提取红外图像的反射与入射分量,获取图像相关细节信息,在信息融合的帮助下合并红外图像信息,完成红外图像增强。使用梯度方法定位图像边缘,通过划分红外图像中高温区域,实现电力机械设备过热故障检测。实验结果表明,所提方法的过热故障红外检测误差低、检测时间短,鲁棒性高。

基于聚类和Apriori算法的苗族女上装色彩分析

苗族服饰元素是中国服饰文化的重要组成部分,其色彩搭配方式蕴含着极大的文化价值,展现了中国传统设计理念。以苗族女上装图像作为研究对象,对其色彩进行提取与分析。通过K-means聚类得到10个整体色、5个主色及10个辅色代表色,在HSV色彩空间下分析苗族服饰色彩分布,最后采用Apriori算法挖掘配色规则并建立配色网络。结果显示,苗族女上装以中低饱和、中低明度的红、黄、蓝色系为主,图案与主体色彩呈现出强烈对比。将配色关系应用到设计实践中,可促进苗族服饰色彩的传承与保护,为研究民族传统服饰色彩提供一定的借鉴和参考。

探析地铁导视系统中的色彩设计表达

随着城市化的快速发展,地铁系统已经成为城市基础设施中不可或缺的一环,并在日常生活中扮演着日益增长的重要角色。在这个过程中,对于地铁系统的设计和功能性的要求不断提高,特别是地铁导视系统,作为地铁环境建设的关键部分,起着至关重要的作用。在导视系统中,色彩设计的应用不仅能够提高地铁环境的整体品质,增强其使用的便利性,而且在形塑地铁环境的公共空间方面,色彩运用亦发挥着关键性作用。本文以地铁导视系统中色彩设计的原则和作用为出发点,阐述了地铁导视系统的发展价值,研究色彩在其中的运用,为拓展相关的研究贡献一份力量。

基于改进的ResNet50网络的光伏热斑识别算法

为提高样本在分布不均衡情况下的识别精度,提出一种改进的ResNet50卷积神经网络光伏热斑识别算法。首先,为增加初期红外纹理信息流入、调整网络宽度,设计一种头部分组特征提取模块,并将其嵌入到残差网络中,提高网络在图像细微特征方面的提取能力;然后,将通道注意力机制与残差模块相结合,增加网络通道间的热斑特征信息权重,提高模型识别性能和网络收敛速度;最后,通过图像转换HSV颜色空间、平均H分量梯度直方图峰值等数据预处理方法,将负样本转为多分类数据集,并用于热斑识别网络模型,实现热斑识别结果的可视化。实验结果表明,对比其他算法,改进后的ResNet50网络在识别精度上得到显著提高。

基于HSV色彩空间及改进二维伽马函数的井下图像增强算法

为解决井下光照条件不足、光照不均引起的视频图像质量低下的问题,构造了一种改进二维伽马函数并以此提出了一种基于HSV色彩空间,作用于图像明度和饱和度分量的井下图像质量增强算法。以综采工作面以及井下泵房处图像为增强对象,将算法与目前主流的图像增强算法进行对比验证。结果表明,在井下环境下该算法对井下低亮度区域有着较好的增强效果,一定程度上满足了井下视频图像质量增强需求。

晕渲图技术在气象模式数据可视化上的应用

晕渲法根据山体阴影值的原理,利用光照角度和方向、坡度和坡向的关系来计算光通量的明暗值,利用色调的明暗来展现气象模式数据的立体感。晕渲图的着色方法是将每个格点上的明暗值作为HSV色彩模式中的明度,结合饱和度和色度获得HSV色彩值,再通过HSV色彩模式和RGB色彩模型之间的转换,使用RGB色彩模型进行着色,实现气象模式数据彩色晕渲图的绘制。本文在气象模式数据的可视化工作中,利用晕渲图技术,实现对物理概念上与地形类似的气压、位势高度等数据的三维绘制。相比于传统的等值线填色方法,晕渲图技术能够直观表现大气形势场的立体分布,以凹凸效果表现高低值天气系统,通过坡面的陡度体现天气系统的梯度变化;能够展现数据的像素级细节,识别梯度较小的涡流扰动,显示等效地形影响,帮助气象工作者更好地解释数据,为气象模式中数据处理的改进提供参考。

解码色彩:剖析数字图像处理对色彩模型的多维抉择

随着人工智能的全面爆发,如何将图像数字化也成为热点话题。在编程语言中处理颜色时,会遇到专业的术语(颜色模型、颜色空间和颜色配置文件)来描述颜色在色谱中的位置。研究旨在探究在数字图像处理中选择最佳色彩模型的难点,并分析不同色彩模型之间的差异。研究得出结论,选择最佳色彩模型仍然是彩色图像处理中的挑战之一。设计研究者需要根据具体的应用场景和需求,仔细评估不同色彩模型的特点,并选择最适合的模型。此外,未来的发展趋势包括结合人工智能、大数据和交互式技术,进一步提升色彩模型的应用效果。

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。