路况视频中HSV彩色不变量阴影检测法研究与改进

为解决视频检测中车辆阴影的影响,研究了常用的基于HSV彩色不变量的阴影检测方法,指出对于路面区域,阴影覆盖前后色调H分量和饱和度S分量近似不变的特性不总是成立,并以实例证明色调变换的奇异性也将导致该方法受限,继而提出了一种改进算法,利用两个色彩分量的变化量之比近似不变的特性进行阴影检测,其更适合路面环境。实验结果证明,所提出的改进算法能够较好地分离车身及其阴影,有助于准确提取交通信息。

融合彩色不变量和SURB检测的特征点匹配算法

为了解决传统匹配算法运行效率低、匹配精度低等问题,在快速特征点提取和描述(ORB)算法的基础上提出一种融合彩色不变量和基于加速稳健特征和对象请求代理(SURB)检测的优化匹配方法。首先,在同一复杂场景下,通过彩色空间变换提取两幅图片的彩色不变量信息;然后,采用SURB算法提取彩色信息中具有尺度不变性的特征点,构建ORB算术描述子;最后,在K近邻算法分类和整理的基础上,采用评价函数和随机抽样一致性算法去除误匹配点对。基于标准图库ALOI及多组实际图像匹配的结果表明,对于复杂环境下的图像,本文算法不仅具有较高的匹配精度,而且大幅缩短了匹配时间。

采用局部差分模型描述的彩色图像配准技术

针对光照方向、强度、色彩或摄像头参数等因素的变化导致待配准彩色图像对间存在复杂的色彩变化,从而严重影响彩色图像配准效果的问题,提出了一种对彩色变化不敏感的彩色图像配准方法.该方法首先根据彩色图像间的von Kries彩色变换模型,建立图像的彩色不变量空间,在此空间利用尺度不变量特征转换(SIFT)算法完成特征点的检测;为加快运算速度,采用2阶局部差分模型(LDP)方法对特征点进行描述,并完成彩色图像特征间的初匹配;再进一步利用RANSAC算法消除误匹配特征点对,得到最终的匹配特征点对.实验结果表明,该彩色图像配准方法与其他算法相比,可以快速、准确地获得彩色图像间的映射关系,因此更加适合存在色彩变化的彩色图像的配准.

城市彩色航空影像中的阴影检测

航空影像中的阴影区域既提供了高大物体存在的证据,也为物体识别带来了困难。本文利用光照模型分析了阴影形成的机理和光度彩色不变量的局限性,结合城市彩色航空影像的特点和实际数据的分析,推导出城市彩色航空影像中阴影区域具有色调较高的特征,并据此提出了一种简便的城市彩色航空影像阴影检测方法。实验证明该方法是行之有效的。

面向Bayer真彩色航空影像特征匹配的彩色描述符适用性分析

针对Bayer真彩色遥感影像进行特征匹配时,彩色描述符的效果与适用性问题一直研究较少。结合Bayer真彩色遥感影像成像变化规律和彩色描述符算法特点,从理论上分析彩色描述符的不变性。提出模拟数据评价、不同类别影像评价、任务总体适用性评价等三种实验方法对彩色描述符适用性进行实验验证和分析。通过理论分析和实验评估,总体上彩色描述符中RGBSIFT算法效果最优,对Bayer真彩色航空影像特征匹配有较好的适用性,并且不同地物属性影像在特征匹配时有不同的最优彩色描述符。

基于区域颜色聚类的运动目标阴影检测

文中提出一种基于区域颜色特征的阴影检测方法。首先,通过均衡化灰度直方图来增强图像中各个区域之间的对比度;使用K-means算法对前景区域进行聚类。对于聚类后的每个区域,统计每部分的色彩特征不变量直方图,利用一种直方图相似性度量方法来比较当前区域和对应背景区域的相似性,根据相似性结果对每个区域进行阴影属性的判断。通过与基于彩色特征不变量、基于HSV颜色空间等方法进行比较,结果表明文中算法的阴影检测率和前景检测率有一定的提升,且用时较少。实验结果表明,文中算法充分利用了阴影的区域颜色特征,在多类场景中能够有效检测出阴影,且具有较好的实时性。

基于彩色信息尺度不变特征的街景影像匹配

提出了一种基于彩色信息的尺度不变特征匹配算法以实现彩色图像间的特征匹配。引入对光照变化具有一定鲁棒性的对角-偏移模型,通过模型变换求出图像各位置的彩色不变量,并以此作为输入图像,再采用改进的Harris算法提取图像的几何信息,建立一种具有几何和颜色不变性的特征向量,最后利用特征向量间的相关系数完成匹配。本文将该算法用于街景影像匹配中,并对比与传统SIFT算法的差异,结果表明此算法不但能够得到分布均匀密集度高的匹配点,且耗时少,匹配精度高,证明了对于街景影像匹配研究的适用性。

复杂光照变化条件下的彩色SIFT匹配算法

为了提高复杂光照变化条件下所获取的彩色图像对的匹配效果,基于von Kries彩色变化模型,提出了一种新的彩色不变量的尺度不变特征变换(SIFT)算法.首先通过彩色空间变换获得复杂光照下的同一场景或目标的2幅或多幅图像的彩色不变量信息;然后利用SIFT算法提取彩色信息中的图像几何信息完成匹配;最后采用随机抽验一致性(RANSAC)算法消除误匹配点对,同时得到更加鲁棒和稳定的基础矩阵,以方便下一步的图像处理工作.通过理论分析和实验比较,该算法同传统的SIFT算法及其他彩色SIFT匹配算法相比,可以获得更多可靠的匹配数据以提高对图像的识别率.