一种基于物理反射模型颜色不变性的阈值分割算法

提出了一种适用于视频监控场景的基于物理反射模型的阈值分割算法,该算法主要解决背景颜色识别受光强非均匀分布、高光效应影响的问题.算法步骤主要包括:首先基于Phong反射模型推导出漫反射分量颜色不变性并根据这一判定条件计算得到漫反射分量系数;其次,利用微分法则实现对模型镜面反射分量系数和镜面反射强度指数的估计;最后,根据建立的物理反射模型实现背景阈值分割.大量实验分析结果表明,文中提出的算法利用视频监控的物理反射模型和大量统计信息,能够更好地解决受光强非均匀分布和高光效应影响的颜色识别问题.

尺度与颜色不变性图像特征描述

尺度不变特征变换是目前公认的鲁棒性最强的图像特征描述方法之一,在尺度不变性和几何不变性方面具有较好的特性,但该方法主要适用于灰度图像,对图像颜色的区分能力不强,因此,一些对象可能会因为颜色的不同而被错误的区分.另外,尺度不变特征变换对关键点局部范围内描述子主方向的依赖性非常强,直接决定了匹配的正确率,但是研究表明,主方向分配产生的误差仅有三分之二左右能控制在[-20。,+20。]范围内,因此部分特征会有三分之一的概率因为主方向分配的误差较大而不能正确匹配.针对以上两个问题,本文提出了一种具有颜色和尺度不变性的局部特征描述方法,颜色不变性通过将RGB图像转换到高斯颜色模型下实现,特征描述过程中不再分配主方向,而用局部相对方向,尺度不变性通过构建高斯金子塔实现.实验选取阿姆斯特丹数据集图像进行了测试,结果表明本文方法比传统尺度不变特征变换方法,在特征点的数目、分布均匀性以及匹配精度方面均有所提高.

一种基于颜色不变性的视频烟雾检测方法

文中提出一种基于颜色不变性的视频烟雾检测方法,该方法将颜色特征作为烟雾的突出特征,通过分别应用照度不变的颜色表示、基于光学增益的背景减法、颜色滤波和基于颜色不变性描述子进行烟雾识别。实验结果表明,所提出的方法能够有效地检测烟雾,对光照变化和噪声具有很好的鲁棒性,尤其适用于火灾视频监控环境。

彩色图像中颜色不变性和耀斑的分离Ⅰ

景物中物体表面的色品是与该物体形状无关的稳定特性,称为颜色不变性。但是,由于耀斑(highlight)和影绸(shading)的存在,图像中对应物体表面点的色品却是变化的,不具有颜色不变性。正确理解图像颜色的基础是建立颜色反射的物理模型。本文叙述了根据Klinker提出的双色反射模型(the dichromatic reflection model),在三维颜色直方图(3D color histogram)中利用K-L变换做平面拟合,分离面反射分量(interface reflection component)和体反射分量(body reflection component),从而计算光源和物体颜色色度坐标的方法,讨论了实际CCD摄像机的局限性,给出了实验结果。

彩色图射中颜色不变性和耀斑的分离(Ⅱ)

光源的位置和色品影响景物在摄像机中的成像,耀斑和阴影的出现使一般的分割算法得不到理想的分割结果。本文根据双色反射模型将图像分解成两个本征图像——本色图像(matte image)和耀斑图像(highlighit image)。本色图像是去掉耀斑影响的图像,反映了景物本身的不变性,不受外部因素(光源的位置和色品)的影响。而耀斑图像是只含有耀斑的图像,恰反映了外部因素的影响。并提供景物形状的信息。

RoboCup四腿组中颜色对光照不变性的研究

在RoboCup四腿组比赛中光照条件变化对视觉图像的处理有很大影响.针对该问题,本文分析了机器人视觉传感器对相同场景产生的图像颜色随光照强度变化的规律,提出了一种基于电场模型的颜色空间变换方法,使得变换后的图像对光照强度保持不变.实验结果表明,基于这种变换的图像处理较四腿组传统方法能更好地适应光照强度变化.

单一光照颜色恒常性计算研究进展

单一光照颜色恒常性计算研究是目前计算机视觉、机器学习等领域中最热门的研究课题之一。算法的合理性直接影响到自动白平衡等应用效果。目前颜色恒常性计算的方法多种多样,将其划分为无监督、有监督、算法的融合和颜色不变性描述的颜色恒常性计算方法。着重介绍了4类典型的颜色恒常性计算方法,分析了各自的优缺点。最后就颜色恒常性计算的性能评价方法以及发展趋势做了简单的论述。

基于颜色不变特征的谱聚类双分图分割方法

谱聚类分割方法的结果很大程度上受超像素分类聚合效果的影响,而超像素分类聚合的效果关键在于超像素之间的相似性模型。基于双分图的分割框架利用交叉相似性矩阵可以高效完成超像素分类聚合,但其相似性模型采用简单的颜色特征,对强光照射、遮蔽等光照变化不具有鲁棒性,影响目标分割的精度。为了提高超像素聚合的一致性,文章提出利用具有颜色不变特征的颜色描述子和能够反映物理表面反射变化的Ridge特征来构建交叉相似性模型。在Berkeley分割数据集中的实验验证,基于颜色不变特征的谱聚类分割方法获得了比已有分割算法更好的效果。

视频监控系统中阴影去除方法的研究

提出了一种基于颜色不变性和建立阴影高斯模型的阴影检测和消除的方法。首先对亮度小于背景的前景根据颜色特征的相近性进行划分,再利用阴影的光谱特性建立高斯模型,去除运动目标的投影。最后利用阴影的空间特性对图像进行后处理,完成阴影的检测与消除。实验结果表明,该方法能够有效地检测和消除阴影。

基于极性复指数变换的图像伪造检测算法

为解决当前图像伪造检测方法在识别复制内容区域时忽略了颜色信息和不同颜色分量之间的相关性,使其对伪造内容的定位与检测准确度不理想的问题,设计了基于改进的加速稳健特征(SURF)描述符与多元极性复指数变换的图像伪造检测算法。引入高斯低通滤波器,对彩色图像完成过滤,以消除噪声,再计算滤波图像的颜色不变性,用其替代SURF描述符中的灰度分量,对SURF方法予以改进,获取新的Hessian矩阵,充分检测彩色图像中的兴趣点;随后,利用这些兴趣点来构建一组连通的Delaunay三角网。基于四元极性复指数变换,充分考虑不同颜色分量之间的相关性,有效提取三角网的局部视觉特征;计算视觉特征之间的欧式距离,根据预设阈值,对三角网实施配准;最后,引入随机样本一致性,剔除错误匹配的三角网,并定义后处理方法,检测出复制伪造区域。测试数据显示:相对已有的复制-粘贴伪造检测方法,在多种几何变换条件下,所提方法具有更高的伪造检测准确性。

利用CSURF的图像复制粘贴篡改检测

现有的复制粘贴篡改检测算法大多是针对灰度图像设计的,并没有利用图像的颜色信息.在篡改区域纹理信息较少时,传统的基于关键点的算法无法提取关键点以识别篡改区域.为此,提出了一种颜色不变性特征描述子CSURF(colored speeded-up robust feature)并应用于篡改检测.提出的算法首先提取图像的颜色梯度,利用颜色梯度代替灰度图像提取关键点,通过计算描述子点积反余弦提高关键点匹配的运算效率,并对匹配结果进行几何变换估计以呈现篡改区域.提出的算法在篡改区域纹理信息较少时,也能利用颜色信息提取关键点,以识别篡改区域,并且对多种后处理操作及退化具有较好的鲁棒性.

基于改进的NC-HOG特征的工程车车型自动识别算法

为有效识别工程车车型,提出一种改进的HOG特征的自动识别算法。使用RPN(region proposal network)自动划分车辆候选区,对每个候选区进行自然度保留的图像增强处理和颜色不变性处理,分别提取NPE-HOG(naturalness preserved enhancement-histogram of oriented gradients)特征和CIV-HOG(color invariant-histogram of oriented gradients)特征,将两者融合得到NC-HOG特征,结合一对一支持向量机实现对压路机、挖掘机、装载机3类工程车辆的车型自动识别。实验对国家电网施工现场的工程车数据库进行测试,对比从原图、Gamma校正、自然度保留图像增强和颜色不变性处理图像上分别提取HOG、LBP(local binary pattern)、SIFT(scale-invariant feature transform)特征对车型识别效果的影响。实验结果表明,改进NC-HOG算法能有效提高HOG特征的识别正确率,3种车型平均识别正确率为93.0%。

基于椭圆特征区域与重要位平面分解的鲁棒图像水印算法

目的为了解决当前基于特征点的水印方案难以描述图像的非纹理区域(像素强度变化较大的边缘、像素强度值较小或趋于0的均匀区域),降低了局部特征区域的鲁棒性,使其抗几何失真能力不佳的问题,提出基于椭圆特征区域与重要位平面分解的鲁棒图像水印算法。方法根据彩色载体的RGB分量,计算颜色不变性;基于颜色不变性的强度概率密度,推导概率密度梯度估计函数;利用概率密度梯度值,计算二阶Hessian矩阵,改进SURF方法,充分提取彩色载体中纹理与非纹理区域的鲁棒特征点;再求取Hessian矩阵的特征值与特征向量,以计算椭圆的长轴、短轴半径与方向角度,并以特征点为中心,建立局部椭圆特征区域;定义鲁棒特征区域选择规则,确定合适的水印嵌入位置;引入位平面分解技术,获取鲁棒椭圆特征区域的重要位平面图像,并提取其直方图,以此设计水印嵌入方法,将二值水印隐藏到这些直方图中,形成水印图像;根据水印检测机制,复原二值水印。结果实验结果显示,与基于特征点的水印方案相比,所提算法具有更高的不可感知性与鲁棒性,复原水印失真度最小。结论所提算法具有较高的视觉隐秘性和抗几何失真能力,在版权保护、信息防伪等领域具有较好的参考价值。

基于结构相似性的阴影识别方法

针对视频监控系统中运动目标阴影识别难的问题,提出一种基于阴影区域和背景区域结构相似性的阴影识别方法。首先,利用阴影的颜色不变性和结构相似性,设计阴影像素可信度函数,然后通过位置判断像素类型,优选阴影识别算法。大量的监控视频数据验证结果表明,与传统的阴影识别算法相比,算法明显提升了识别的精确度和可靠性,拓展了阴影识别的应用领域,既可处理彩色图像,也可处理灰度图像,还能适用于多个有色光源场景。

示温漆图像阴影去除算法的研究与实现

为了消除阴影对温度识别的精度及对等温线划分的准确度造成影响,提出了一种快速去除阴影的算法。把3种颜色特征不变性在示温漆图像上进行阴影检测的效果进行对比,选取应用效果最好的颜色特征不变性进行阴影检测,用数学形态学及阈值的处理方法准确地定位出阴影边界;然后在RGB颜色空间内,利用邻近的非阴影区域按照映射策略对各个独立的阴影区域进行阴影补偿,达到阴影去除的目的。实验结果表明,该方法不仅能快速的检测出阴影,而且在去除阴影的同时最大程度地保持了图像的原始信息。

基于CSIFT的彩色图像配准技术研究

图像配准在计算机视觉、遥感、医学诊断与治疗、环境监测等领域有广泛的研究应用。目前,多数算法是将彩色图像转化为灰度图后再配准,色彩信息的丢失可能会引起误配准。为此,提出一种基于CSIFT(Colored scaleinvariant feature transform)的彩色图像配准方法,求出彩色图像各个位置处的颜色不变量,以颜色不变量作为输入图像,再提取特征点并描述特征点周围的信息,通过最近邻匹配法求出图像间的匹配对,最后利用匹配的特征求取图像间的变换参数及配准后图像。实验结果表明,对彩色图像进行已知参数值变换时,该算法能得到精度高、误差小的计算结果;对变换关系未知的彩色图像,也能准确地求出图像间的映射关系;且多数情况下运行速度较SIFT(Scale invariant feature transform)快。