不同光源下标准色板的颜色误差分析

颜色的判别必须满足一定的照明条件 .以标准色板为样品分析不同光源下色度坐标的转换 。

利用颜色进行层次模式挖掘的图像分类方法

图像的中间层特征挖掘能够发现不同视觉词之间的关系,然后可以利用挖掘得到的模式代替原有的视觉词进行图像表示。目前大部分的中层特征挖掘都是针对所有图像块进行的,而没有考虑到可以在局部进行模式挖掘。在局部进行模式挖掘有利于发现不同对象区域的模式,并且最终提高图像分类的准确率。提出了一种有效的基于颜色的层次模式挖掘方法。该方法把对有判别力的颜色的判断作为划分层次的标准,然后在每一层中对拥有这些颜色的图像块进行挖掘,最后用挖掘到的模式进行图像表示,并用于图像分类。实验结果表明,所提方法能够在Soccer、Flower 17和Flower 102上取得良好的分类效果。

基于颜色的压缩层次图像表示方法

空间金字塔模型在每层中把图像划分成细胞单元用于给图像表示提供空间信息,但是这种方式不能很好地匹配对象上的不同部分,为此提出一种基于颜色的层次(CL)划分算法。CL算法从多特征融合的角度出发,通过优化的方式在不同层次中得到每个类别中有判别力的颜色,然后根据每层中有判别力的颜色对图像进行迭代的层次划分;最后连接不同层次直方图用于图像表示。为了解决图像表示维度过高的问题,采用分化信息理论的特征聚类(DITC)方法对字典进行聚类用于字典降维,并用压缩生成的字典进行最终的图像表示。实验结果表明,所提方法能够在Soccer,Flower 17和Flower 102上取得良好的识别效果。

基于多特征融合的视频火焰检测技术研究

基于彩色监控视频图像,利用火焰影像的时间运动特性,采用混合高斯背景建模方法从监控视频图像序列中提取出运动前景像素;在RGB色彩空间模型中通过火焰颜色的加权判别算法提取出具有火焰颜色的运动像素区域;最后,提出一种基于统计频率计数的火焰频闪特征识别方法,用于将视频图像中真实的火焰区域从具有火焰像素颜色的运动区域中区分出来。Matlab仿真结果表明,该算法具有很高的有效性和鲁棒性,能够应用实际的视觉火灾检测系统之中。

基于CHGLDA的鱼类新鲜度无损检测方法

快速准确地评估鱼类的新鲜度,对鱼类品质智能监控和保证食用者安全具有重要意义。目前基于图像的鱼类新鲜度评估方法中,基于鱼鳃特征的分析需去除鳃盖、对鱼体具有侵入性,利用其他部位则评估准确率较低。针对上述问题,提出了一种基于颜色纹理特征融合线性判别分析(CHGLDA)的鱼类新鲜度无损检测方法。首先,对采集的鱼体图像进行标注、图像缩放、颜色空间转换等预处理操作;然后,融合鱼体头部图像中提取的颜色直方图特征和灰度共生矩阵(GLCM)特征,并通过LDA进行特征降维;最后,利用K最近邻(KNN)算法对鱼的新鲜度进行分类。提出的GHGLDA新鲜度检测方法解决了提取的鱼体图像特征质量低致使分类性能差的问题。在真实的鲫鱼数据集上进行实验,其精确率、召回率、F1分数和准确率均为1。与颜色直方图、颜色矩、GLCM等特征相比,该方法在KNN、随机森林(RF)、人工神经网络(ANN)及轻量级梯度提升机(LightGBM)分类器上各评价指标的性能均有提高,其中KNN的评估时间最优,为0.01 s。