基于彩色空间距离优化的秸秆覆盖率检测算法研究

秸秆覆盖率是保护性耕作重要的评价指标之一。针对田间秸秆形态各异、细碎秸秆难以识别的难题,基于机器视觉技术,提出了一种基于K-means和彩色空间距离灰度化方法相结合的田间秸秆覆盖率检测算法。采用彩色空间距离方法对秸秆图像进行预处理,基于K-means算法实现秸秆和土壤背景的分类识别,使用数学形态学腐蚀和膨胀方法对识别后的图像进行处理,降低细碎秸秆对覆盖率的影响,最后计算秸秆图像的覆盖率。2022年10月,通过田间试验对北京小汤山国家精准农业研究示范基地采集的220幅玉米秸秆图像进行了算法验证。试验结果表明,对低秸秆覆盖率(0~30%)图像,识别准确率达到90%;对中等秸秆覆盖率(30%~60%)图像,识别准确率达到88%;对高秸秆覆盖率(60%以上)图像,识别准确率达到86%;整体秸秆覆盖率分等定级准确度达到98.18%。本研究设计的基于K-means和彩色空间距离灰度化方法相结合的田间秸秆覆盖率检测算法为保护性耕作评价提供了快速检测方法和手段。

在(r,g)和(Cr,Cb)彩色空间上进行肤色检测

提出了一种从彩色图像中检测皮肤色像点的新方法,该方法综合运用了(r,g)和(Cr,Cb)彩色空间上像点分布的特征,实验表明该方法在检测的正确性上有明显的提高。

基于快速彩色空间变换的足球机器人目标搜索

采用了一种将颜色信息从RGB空间映射到HSI空间的快速变换方法,在结合足球机器人视觉特点的基础上加以改进,并以此为依据采用建立颜色索引表与动态网格扫描相结合的搜索方法确定场上目标,进一步提高了足球机器人视觉系统的实时性.

适应彩色空间的图像对比度增强算法

介绍了模拟人眼视觉系统的Retinex图像对比度增强方法,引入了非线性变换函数修正彩色图像的照射分量和反射分量。全局对比度增强函数拉伸图像照射分量,改善了全局视觉效果。非线性局部增强函数对较大和较小的反射分量值改变较小,对中间值的改变较大,从而改善了图像局部对比度。在RGB彩色空间和许多分离色度亮度的彩色空间的处理速度都很快,彩色空间适应性较好,处理图像也没有出现彩色失真现象。

基于YC_bC_r彩色空间的彩色图象水印新方法

随着计算机网络和多媒体技术的发展，数字水印技术正逐渐成为多媒体版权保护的一种有效途径。数字水印处理的目的在于将秘密的个人信息隐含于数字多媒体信号中，以保护其知识产权或证明其真实可靠性。提出了一种基于彩色空间的彩色图象水印处理方法。输入的彩色图象首先由通常的ＲＧＢ空间变换到ＹＣｂＣｒ彩色空间，在ＹＣｂＣｒ空间中给出了四种嵌入水印的方案和相应的水印检测算法。最后，实验证明了算法的有效性。

基于彩色空间的背景帧差法视频车辆检测

视频检测的研究是交通参数采集的主要问题,核心是对运动目标的检测。为克服传统基于灰度的背景帧差法所存在的缺陷,提出了建立在YCbCr彩色空间的背景帧差法检测运动目标,分割阈值采用基于迭代的最佳阈值的确定方法,并提出了梯度极值法得到最清晰、完整的车辆进行车流量的统计。经仿真结果表明提出的车辆检测算法不仅能够取得很高的检测精度,而且算法简单、运行速度快。

不同彩色空间的彩色图像边缘检测研究

边缘信息是图像处理中的一种重要信息,通常的边缘检测研究是基于灰度图像的,然而彩色图像比灰度图像包含有更加丰富的边缘信息。彩色图像的边缘检测可以在不同的彩色空间中进行,目前大多数研究集中在RGB空间中。使用基于扩展的SUSAN边缘检测算子,将彩色图像在空间中的各分量分别进行边缘检测,对结果进行综合得到彩色图像的边缘检测结果,然后采用主观评价准则对若干不同的彩色空间中(包括RGB、YUV、YIQ、YCbCr、HSV、HSI)的试验结果进行了分析比较。试验结果表明,在HSV空间进行的边缘检测具有更好的性能。

彩色空间的肤色分割及其在人脸检测中的应用

介绍了视频传输中广泛应用的RGB空间、YIQ空间、YCbCr空间和HSV空间,并对各彩色空间中的皮肤和非皮肤聚类效果进行对比分析,结合形态学运算和SVM算法对分割后的二值图像进行人脸检测,实验结果表明,该方法具有较快的检测速度和较好的检测效果。

一种基于色调/饱和度/亮度彩色空间的灰度变换算法

考虑到灰度变换技术直接应用于RGB彩色图像增强容易引起彩色失真的缺陷,提出了一种自适应灰度变换算法,将原始RGB图像和RGB三分量灰度变换后的图像转换到色调/饱和度/亮度彩色空间,重组两者的色调分量和亮度分量,再对原始图像的饱和度分量进行补偿处理,从而保持了原始图像的色彩.本算法充分继承了灰度变换算法的优点,扩展了原始图像的有效灰度范围,提高了整体对比度,增强了细节.此外,算法的计算量极小,不需要设定任何参数,可用于自适应实时彩色图像处理.

结合L^＊a^＊b^＊彩色空间改进的Graph-Based图像分割方法

针对Graph-Based方法容易出现欠合并现象的不足,结合L*a*b*颜色空间,提出一种改进的Graph-Based图像分割方法。该方法首先将图像由RGB空间转换到L*a*b*颜色空间,接着将每个像素作为节点构造带权无向图,相邻节点之间的欧氏距离作为图的权值,表征相邻像素间的颜色差异;同时,引入一个常数s用于控制颜色差异程度。实验证明,该方法效率高,分割效果良好。

小波散射网络在各种彩色空间进行图像纹理分类的性能比较(英文)

为了寻找利用小波散射网络进行彩色图像处理的最佳彩色空间,用小波散射网络对KTH_TIPS_COL彩色图像数据库进行了图像纹理分类研究.采用将彩色图像从RGB彩色空间转换到其他各种彩色空间的方法,研究了彩色空间的选择对于小波散射网络用于彩色图像纹理分类的影响.实验结果表明:在不同的彩色空间对彩色图像纹理进行分类,分类成功率往往差别较大;在基于竞争机制的红绿蓝彩色空间中进行小波散射变换比其他彩色空间具有更好的分类性能.考虑到彩色空间可以互相转换,对于彩色纹理图像的分类,推荐将彩色空间转化到基于竞争机制的红绿蓝彩色空间后再输入小波散射网络.

一种彩色空间变换的FPGA实现方法

在设计有特殊温度要求的LCD控制器的过程中,将数字视频信号由RGB空间转换到YCrCb空间,以便独立地控制图像的亮度和色彩。针对彩色空间变换的FPGA实现方法,在分析原理和一般的实现方法后,给出一种改进的、具有“时分复用”特点的逻辑结构。它仅用一组运算单元(3个乘法器,3个加减法器),使得该模块节省出2/3的逻辑资源,并提高了模块的最高运行速度。

一种快速YUV-RGB彩色空间变换方法

用一种查表方法实现YUV与RGB这二种计算机图像处理中最常用的颜色空间之间的转换。该方法不需要乘法,可以提高转换效率。

基于一种新的非线性彩色空间的人脸检测

提出一种新的非线性变换的彩色空间 YC″r C″b,利用次高斯概率分布函数拟合皮肤色度信息 ,得到候选区域。为了排除候选区域中的非人脸 ,首先根据均值和方差信息分割出候选区域中的纹理特征信息 ,再通过多尺度形态边缘检测算子检测候选区域的边缘 ,利用 PCA边缘方向 ( PCAED)信息定位眼睛 ,然后根据人脸特征的几何形状信息定位其他特征 (鼻、嘴 ) ,通过这些几何特征信息对肤色分割得到的候选区域进行验证 ,最终得到正确的人脸区域。利用 3个实验数据集测试该算法 ,并与其它相应的算法相比较 ,提出的非线性彩色空间对于肤色分割具有很好的效果 ,且对光照和姿态具有良好的不变性。另外 ,利用 PCAED信息和几何特征信息检测人脸特征具有很高的定位精度 ,定位检测率优于其他方法。实验结果表明 ,该算法具有定位准确率高 ,漏检率和误检率低等特点。

基于HSI彩色空间模型的域替换降噪算法

对彩色数字图像进行降噪处理时,为兼顾标量处理法的简便性和矢量处理法的有效性,提出一种对彩色空间域实行替换的方法。采用均值滤波法在RGB域内进行滤波处理,将图像数据从RGB域转换到HSI域,用滤波处理后的H域、S域替换含有噪声的H域、S域。对由双目内窥镜采集的实际彩色图像进行实验,结果证明该域替换法可以结合标量处理和矢量处理的优点,达到比一般标量处理法及简单矢量处理法更好的降噪效果。

不需要彩色空间转换的人脸肤色的自动白平衡方法

在多数彩色图像处理的第一步是将RGB空间转换到其他彩色空间,如YCrCb,HIS,YIQ等,然后再进行处理。然而这种变换需要大量的内存空间和计算时间。提出了一种不需要进行彩色空间转换,就可以实现的人脸自动白平衡方法。实验表明此算法效果很好。

一种基于RGB彩色空间的影像阴影检测方法

从色彩理论和高斯 -拉普拉斯算子的基本原理出发 ,提出了一种基于RGB彩色空间的影像阴影检测方法。

基于LAB彩色空间的数字水印技术

为了防止彩色图像印刷行业的盗版,提出选择LAB彩色空间嵌入数字水印,且在LAB彩色空间的L分量嵌入数字水印比在B分量更合适。通过实验说明给出的彩色图像数字水印技术算法对常用的图像处理如剪切、加噪和滤波等攻击具有较好的鲁棒性、不可见性。

HSV彩色空间的室内外运动人检测与阴影消除

提出一种用于运动目标的分割,基于最大统计概率的自适应背景模型,采用简单的背景重建方法,用于维护背景以适应场景的动态变化.利用阴影区域亮度和色调的特点,在HSV(Hue Sataration Value)空间消除运动阴影,使得运动目标的分割更为准确.为了客观的评价所提出的阴影检测算法的性能,引入一种量化的方法,对不同光照和环境条件视频的实验结果及量化分析表明,方法是有效的.

利用双重彩色空间肤色模型实现快速人脸检测

在单独采用HSI彩色空间或YCbCr彩色空间肤色高斯模型进行人脸检测的基础上将二者结合起来,提出了一种利用双重彩色空间肤色模型实现快速人脸检测的方法。这种方法利用了在不同肤色模型之下都可以大致检测出人脸区域,并且所误检测的背景范围差异较大,同时被两种肤色模型都误检测为人脸的可能性较小,所以取其检测结果的共同点,就是大致的人脸区域,而误检测为人脸的背景区域就被去掉了。之后采用较为简单的算法,就可以从这个大致的人脸区域中定位真正的人脸区域。该方法不需要建立极为精确的肤色模型,也不需要在人脸检测得到二值化结果后,采用较为复杂的算法,从二值化结果中定位人脸。该方法适合于在特征提取前使用,去除多余的背景信息,提高图像处理和识别的速度和准确度。