基于空间和颜色自相关的直方图目标检测方法

在传统的颜色相关直方图基础上,提出了一种基于空间和颜色自相关的直方图目标检测算法(Spatial and Color Co-occurrence Histogramms,SCCH),该方法采用符合人眼感知的HSV颜色空间,并对其进行非均匀量化,使其更加符合人类生理机制;SCCH算法强调颜色过渡区域的重要性,选取边缘点作为计算对象,同时利用颜色自相关直方图,减少计算量,大大提高了检测效率。

基于HSV空间颜色直方图的油菜叶片缺素诊断

为实现快速而准确的油菜缺素诊断,根据不同缺素导致叶片颜色的变化,提出一种基于HSV颜色空间的非均匀直方图量化和组合多个支撑向量机分类器的智能化油菜缺素分析与诊断方法。采用霍格兰配方配制营养液,并使用山崎配方无土栽培技术,模拟正常、缺氮、缺磷、缺钾、缺硼5类营养状况下的油菜生长条件,栽培了一批甘蓝型双低油菜新品种阳光2009,采集幼苗期5类油菜叶片图像建立缺素数据库。首先使用主动轮廓模型分割油菜叶片区域,然后提取分割后的油菜叶片区域的HSV颜色直方图特征,并采用非均匀量化表征不同缺素油菜叶片图像的颜色差异,最后利用一对多方案训练多个支持向量机(support vector machine,SVM)分类器实现不同缺素油菜叶片图像的分类识别。缺素分类试验结果表明,该方法能较准确地判别常见油菜的缺素类型,对5种缺素的总体识别率达到93%,为数字化和智能化的油菜营养分析与诊断提供了一条有效途径。

空间金字塔颜色直方图在图像分类中的应用

颜色直方图在图像分类系统中有着重要的应用。针对像颜色直方图特征的空间关系,提出空间金字塔颜色直方图作为图像的特征表示。它结合了图像的全局特征以及分块特征的优点。使用支持向量机(SVM)以及常用的4种核函数进行了测试。在corel图像库上的实验结果表明,该特征可以有效地结合全局与空间特征,提高了图像的分类准确率。

基于颜色-空间二维直方图的图象检索

基于颜色直方图特征的图象检索方法简单、高效,但丢失了颜色的空间分布信息。文章给出了一种基于颜色-空间二维直方图进行图象检索方法。该方法使用HSV颜色模型将颜色空间压缩为32种具有代表性的颜色,设计了一种具有重叠方式的图象分块方法,然后统计每块区域内的颜色直方图得到该图象的颜色-空间二维直方图,并给出了相应的相似度计算方法。实验表明该方法实现简单,能够更加灵活、准确地描述图象的颜色特征,从而有效提高了检索的精度。

图像颜色空间与其分量自相关研究

图像的自相关函数是表征空间域图像像素之间相关性的重要特性之一。在彩色图像所涉及的多种不同颜色空间下,颜色分量图像的自相关特性有所差异。为了获取彩色图像颜色空间与各分量图像自相关之间的关系,在RGB、LCH、LAB、OH TA和YCC 5种颜色空间下,利用Matlab软件,对不同色彩特征的多幅彩色图像进行了分量自相关分析。结果表明:采用不同颜色空间的分量图像自相关水平各异;采用对立色空间(LAB/0HTA/YCC)分量图像的平均自相关水平高于采用RGB和LCH的分量图像;在对立色空间中,彩度分量的自相关水平明显高于其明度、亮度分量,由此使彩色图像的可压缩率得以提升。

颜色空间直方图相交法的竹条色差分类检测系统研究

针对竹制品加工过程中主要依靠人眼识别分类竹条颜色,存在劳动强度大、效率低和误差大等问题,设计一款通过MATLAB图像处理技术进行竹条色差分类检测系统。首先,对标准竹条与样本竹条进行颜色空间转换,通过中值滤波对竹条图像进行预处理并提取不同颜色分量;然后,在HSV颜色空间中提取竹条图像相关色彩特征数据,并得到HSV颜色空间中竹条各分量的颜色相交直方图,同时计算出相应的相似度值;通过比较其相似度值的大小,对竹条进行色差分类并使其与色差等级建立一定的关系;最后,根据对处理后的竹条图像进行色差分类检测试验。试验结果表明:颜色空间直方图相交法分类检测正确率高达92.22%,算法运行时间为536 ms;相比较夹角余弦相似法,平均识别正确率提高4.44%,而平均运行时间下降63.44%。

基于多颜色空间和场均直方图的视频场景分类

视频分析中的一个热点和难点是研究视频的语义,例如场景分类、视频检索、移动目标行为分析等。其中场景分类是视频语义研究中的一个基础问题。在对视频场景进行分割的基础上,通过分析场景多个颜色分量的统计直方图,发现大多数典型场景总有一个或者多个颜色分量的场均直方图具有独特性,即在某个场景中,其累计的平均直方图的形状是与特定场景相关的。提取高斯拟合后场均直方图各峰的峰高、峰位和峰宽等特征,利用最小二乘法,提出了一种基于多颜色空间和场均直方图的视频场景分类方法,并以常见的五种视频场景为例进行了初步应用。实验表明,该方法具有较好的分类效果。

典型岩溶区土壤颜色空间自相关和空间分布研究

基于自定义的土壤颜色量化方法,运用地统计学与GIS技术,将室内布点和实地监测相结合,对果化示范区土壤颜色的空间自相关和空间分布进行了研究。结果表明,果化示范区土壤颜色的空间分布存在正向的全局空间自相关,空间自相关尺度为2 200 m。土壤颜色的空间样点呈现出平行线型的空间分布格局,土壤颜色的空间结构在1～2 200 m区间内为空间集聚,在2 200～2 800 m区间内为空间孤立。示范区棕色土壤广泛分布,黄棕色和黄褐色土壤仅呈小块状的零星分布。

基于空间颜色直方图动态感知的相似度量图像检索

通过分析图像的统计直方图缺乏空间信息的不足提出了空间颜色直方图作为图像特征,并进一步分析了欧氏距离的缺陷,提出一种基于空间颜色直方图动态感知的相似度量检索方法,实验证明该方法的检索效果明显优于欧氏距离的检索方法。

一种新的空间颜色直方图及其度量方法

针对传统颜色直方图存在维数高、受光照影响、相近颜色缺少相关性以及丢失空间信息的问题,提出一种基于聚类的空间颜色直方图方法.该方法首先对图像进行k-均值聚类,然后在聚类图上统计基于空间位置分布的颜色直方图.利用pairwise参数学习方法学习出HSV颜色空间的距离度量参数,并提出基于最近颜色对迭代的空间颜色直方图的相似性度量算法.将基于聚类的空间颜色直方图特征用于图像检索实验,并与基于其它颜色直方图检索方法比较,查准率和查全率均有所提高.结果表明,该方法较好地描述了图像的主、客观颜色特征,具有较强的适应性和鲁棒性.

基于相似背景与HSV空间颜色直方图的目标跟踪

针对相关滤波器的存在边界效应问题,提出了一种基于相似背景与HSV空间颜色直方图的目标跟踪算法。通过最佳伙伴相似原理(Best-Buddies Similarity),在真实背景中选取与目标相似度较高的相似背景作为负样本训练相关滤波器,降低边界效应。并将HSV空间颜色直方图与贝叶斯分类器结合对目标进行颜色跟踪,利用颜色直方图信息提高复杂背景下目标跟踪的成功率。在OTB-50和OTB-100中挑选16个视频进行实验,与当前主流的6种跟踪算法对比,本文算法的成功率得分0.593,准确率得分0.467,优于6种主流的目标跟踪算法,能够有效提高目标跟踪的成功率和准确率,并且具有较好的实时性。

基于子空间和直方图的多记忆自适应相关滤波目标跟踪算法

为了增强相关滤波算法(CF)在目标遮挡或背景干扰情况下跟踪的鲁棒性,提出基于子空间和直方图的多记忆自适应相关滤波目标跟踪算法.首先,针对CF使用的模板单一无法应对不同时期相邻帧目标表现的差异,提出利用随机更新策略学习多个目标模板,应对不同时期的目标变化.然后,针对不同的更新模板得到多个候选目标,利用子空间学习上一帧的表示系数,综合判断候选目标的准确性.同时,因为CF与子空间表示均利用模板判断跟踪结果,对背景杂乱等情况判断容易造成偏差,所以引入颜色直方图,利用统计特征作为独立的判断依据,增强算法对候选目标判断结果的准确性.在标准视频集上的实验表明,文中算法具备一定的抗遮挡及抗背景干扰能力.

基于颜色自相关和颜色空间分布熵的图像检索方法

颜色特征是图像重要的特征,颜色相关图则是一直以来基于图像内容检索中最常用的特征描述方式,但是目前基于颜色相关图的图像检索算法存在着计算复杂度高,检索精确度低的问题.为了弥补基于颜色相关图的图像检索算法所存在的不足之处,本文从颜色量化上对颜色直方图进行了修改并结合空间分布熵来描述颜色的空间关系.根据8中心色量化规范得出了64中心色量化最终将所有颜色划分为64类,用颜色直方图来描述此64类颜色.空间分布熵则反映了某种颜色的像素在图像空间中的平均分散程度.实验结果表明,将两者结合使用作为颜色特征矢量,不但减少了计算复杂度,而且还提高了检索精度和检索效率.

基于方向图的空间颜色直方图的图像检索

以图像的颜色和边缘方向为基础,该文提出了基于相同或相似方向图的空间颜色直方图的算法,将其应用于图像检索中。首先将HSV颜色空间转化到直角坐标系,利用Sobel算子提取其H、S、V3个通道的水平和垂直方向的边缘,然后计算其颜色方向获取相同或相似方向图,最后在此方向图上计算空间颜色直方图。该算法将图像的颜色、边缘方向、空间位置等潜在的关系联系在一起。实验表明,该算法能够找出用户所需内容的图像,并具有较好的平均检索率。

基于颜色直方图的图像检索技术

讨论了基于颜色直方图的图像检索中颜色空间和直方图距离的选择问题,提出了利用颜色直方图来检索图像的一般框架,建立了基于两种颜色空间(RGB和HSV)和四种直方图距离共八种图像检索算法,并且采用了两种客观评价标准对所建立算法的有效性进行评价。结果证明,在基于颜色直方图的应用中,HSV空间比RGB空间更有效,EMD距离在所有四种距离量度中性能较好,但计算量稍大,与EMD距离相比,虽交集距离性能稍有不足,但所需计算量较小。

应用圆形度和颜色直方图的交通信号灯识别

针对智能车辆介绍了一种在城市环境中识别交通信号灯的新方法。该方法先对原图像进行预处理,过滤不符合形态学准则的区域。计算候选区域的圆形度和背板的颜色信息,把圆形度符合和背板为黑色的区域作为交通信号灯区域。并将检测到的交通信号灯区域图像从RGB空间转换到HSV空间中,用颜色直方图对图像的H分量进行分布统计,根据其分布特征来识别交通信号灯的类型。实验结果表明,该方法能有效地识别复杂环境下的交通信号灯。

一种基于颜色块直方图的图像检索方法

提出了一种基于颜色直方图与颜色块相结合的图像检索的新方法。定义了一种新的四维图像特征矢量,它是由颜色直方图,同一种颜色的颜色块个数,同一种颜色块之间的平均距离和同一种颜色块内的平均距离组成。颜色直方图用来获取图像颜色分布的全局信息,利用后三个特征值来获取图像颜色的空间分布信息。通过对图像数据库的检索表明该算法明显优于直方图法。

基于灰度空间相关性最大类间方差的图像分割

一维最大类间方差1D-Otsu和二维最大类间方差2D-Otsu在目标和背景比较模糊时,图像分割效果较差。针对该问题,提出一种基于灰度空间相关性(GLSC)最大类间方差的图像分割算法。该算法使用各像素的灰度值与其邻域内相似像素的数目构建直方图,通过计算GLSC直方图的最大类间方差得到分割阈值,应用积分图的思想将运算复杂度由O((N2×L)2)降到O(N2×L),节省了运算时间。针对5幅大小不同和直方图类型不同的真实图像,与1DOtsu、2D-Otsu和灰度空间相关性熵算法进行分割实验比较,结果表明该算法具有较好的鲁棒性。

基于颜色和空间特征的图像检索

在环形颜色空间划分和颜色视觉关注度的基础上,提出一种新的基于颜色和空间分布特征检索算法。首先,在HSV色彩空间下进行颜色量化并计算每种颜色的质心,进行环形颜色空间分割。然后计算各环形颜色空间直方图,在此基础上计算图像的空间颜色分布矩。同时计算各种颜色对应像素的平均视觉关注度,以此作为该颜色特征的视觉关注特征。最后对特征向量进行高斯归一化,采用特征向量的L1-norm距离计算彩色图像的相似度并进行图像检索。实验结果表明,本文算法比SCH及Geostat方法具有更好的检索效果。

基于直方图的木材表面颜色分类研究

颜色直方图是图像检索技术中一种有效的颜色表达方式,具有位移、旋转不变的特性。然而木材表面颜色较为单一,采用通常的量化方案不能达到很好的分类识别效果。提出了采用HSV颜色空间三个独立分量的直方图统计特征表达木材表面颜色信息的方法,利用色调、饱和度和亮度三分量之间的相互独立性,提取了各分量的直方图特征。最后利用BP神经网络对木材样本库的图像进行了分类仿真,其结果验证了特征的有效性。