中国颜色类行政地名空间分布及原因分析

以中国省、地、县、乡镇四级行政地名中的颜色类地名为研究对象,并利用GIS技术对颜色类行政地名进行分析,输出所需的专题地图.研究得出:全国共有1 882个颜色类行政地名;颜色类行政地名涉及到36种颜色,分成九大类:白、黄、青、红、黑、紫、灰、褐和虹.从总体来看,中国颜色类行政地名的分布并不均匀,与人口密度、经济发展水平以及当地文化有着密切联系;通过对白、黄、青、红、黑五种颜色类行政地名进行重点分析得出,多数颜色类行政地名的分布都与民族文化和宗教文化关系密切.

颜色类类属词的类义素外现

现代汉语表达颜色一般用颜色词加表颜色的类词"色",但"色"、"颜色"在上古常用义为"脸色",到秦汉时才渐向类词演变。而"某某色"的表达方式到两汉时期也已发展成熟,到魏晋南北朝时使用则更为普遍。

屈原赋颜色类核心词及其运用艺术

屈原赋颜色类核心词有青、赤、白、黑、黄、紫六种颜色。从横向分布来看,屈原赋运用颜色类核心词具有五个特点:第一,传统五色词使用较多,其他间色词使用较少;第二,一个色系有多个颜色类核心词,同一颜色类核心词又可表示多种颜色;第三,颜色类核心词分布位置灵活多样,有单用和并用两大类;第四,《大招》《远游》《天问》三篇颜色类核心词的使用数量远超其余各篇;第五,间色词均出现在《九歌》中。造成这些分布规律的原因既有客观的物质、文化基础,又和屈原自身的主观条件、个性气质相关。

汉语颜色类词的产生

本文追溯采、色两词词义演变和后者如何被选定为颜色类词。在演变过程中 ,采、色两词从物质性底子脱胎出来 ,转指带颜色的物体 ,而色一词作为颜色类词 ,蜕变得更彻底。世界语言的词汇创造中 ,常如色字一词 ,出现抽空原属载体的现象。这种创造手段 ,可说是语言发展的一种共性现象。

德语颜色类形容词的翻译技巧

德语颜色类形容词的翻译技巧胡晓翔德语中有关颜色的形容词，大致有基本词汇与复合词汇两类。基本词汇如ｒｏｔ红、ｇｅｌｂ黄、ｂｌａｕ蓝、ｗｅｉｏ白、ｓｃｈｗａｒｚ黑、ｇｒｕｎ绿、ｇｇｇＵ灰、ｂｒａｕｎ褐、棕……，简洁明了，是最多见的方式。不过，这些词汇虽“...

基于K-Means-NCS-ANOVA的八大民窑颜色聚类与应用偏好研究

中华陶瓷文化源远流长,颜色作为陶瓷的一种装饰,可以表达不同的设计理念、情感意识、地域特征和服务对象。为了更好地传承陶瓷艺术文化,本研究提出了一种基于K-means-NCS-ANOVA的颜色分类研究方法。首先,采用K-means颜色聚类、NCS颜色体系提取宋代八大民窑的颜色特征,分析八大瓷窑的区域特征及设计理念;基于上述分析结果制作问卷调查;并利用描述性分析、单因素方差分析(One-Way ANOVA),探究现代设计师对八大民窑颜色的应用偏好。由实验结果可知,设计师性别、专业、工龄也会对八大民窑颜色的应用偏好产生影响;景德镇窑的颜色最受现代设计师欢迎,而耀州窑、磁州窑、定窑的颜色已经不太符合现代审美。本研究采用现代人工智能技术识别八大民窑特征,调研现代设计师对八大民窑颜色的使用偏好,为文物识别、陶瓷文化传承及人才培养提供理论和技术支持。

基于纹理先验和颜色聚类的图像增强算法

针对传统带彩色恢复的多尺度Retinex算法(multi-scale Retinex with color restoration,MSRCR)存在的纹理信息被弱化,部分信息丢失,增强效果不佳等问题,提出一种基于纹理先验和颜色聚类的图像增强算法。首先,在图像增强之前,进行纹理先验信息提取,以便后续进一步处理。其次,针对于光照分布不均匀的情况,提出利用颜色聚类算法进行图像的分块增强。再者,在对数域映射中,在分块处理的基础上提出了基于均方值和均方差的映射方案。最后,在增强算法的评价部分,提出使用图像的信息熵以及自然统计特性来对增强图像做进一步的有效性评估。实验结果证明,所提方法的平均信息熵达到了7.4934,平均自然统计特性达到4.0903。算法有效地增强了图像的细节部分,图像更为自然,质量得到了进一步提升。

基于视觉颜色聚类的彩色图像分割

根据视觉的颜色聚类特性,提出一种图像分割算法.根据从色彩空间(RGB)到(HLC)的变换公式和NBS颜色距离的概念,首先将彩色图像量化为256或更少量化级,而不使图像质量降低;然后依据NBS颜色距离的概念将色彩分类;最后,根据某种规则将颜色区域进行分块,并删除小的颜色块.给出了静物图像和自然景物图像的实验结果.

基于蚁群优化算法的彩色图像颜色聚类的研究

颜色聚类是计算机视觉和图形学中基本的处理问题 .提出了蚁群聚类算法在彩色图像颜色聚类中应用的新思路 .根据蚁群 pick- drop机制的基本原理 ,提出了在 RGB彩色空间中 ,改进的蚁群算法在彩色图像像素的颜色值聚类中的应用 ,最后进行像素的颜色映射 ,从而完成量化工作 .实验表明 ,采用该算法进行色彩的量化更具鲁棒性 ,颜色失真小 。

应用颜色聚类图像块的多舰船显著性检测

由于多舰船目标显著性检测过程容易将边界像素作为背景处理,本文提出了应用颜色聚类图像块的多舰船显著性检测方法。该方法首先检测邻域像素是否具有颜色相似性,并将临近的具有相似颜色的像素聚集在一起作为一个图像块。接着,对获得的图像块进行扩展,使图像块包含很多其他图像块的像素以提高图像块内像素间的对比强度;对边缘像素进行背景索引标记,计算图像块中像素的显著性强度,采用阈值分割方法获得目标显著性区域。最后,基于颜色聚类的图像块存在部分重叠的特点,利用权值对存在叠加的显著性图像进行融合,从而获得多舰船目标整幅图像的显著性检测结果。对获得的多舰船目标图像进行了实验测试,并对本文算法结果和当前比较先进的其它显著性检测算法进行了效果对比。结果显示:提出的利用颜色聚类图像块的舰船显著性检测方法的查全率达到78%以上,准确率达到92%以上,综合评价指标Fβ≥0.7;无论考虑单个指标还是整体指标,本文算法均优于其他对比算法。

条纹颜色分离与聚类

为解决彩色物体表面颜色干扰以及条纹之间的颜色串扰导致彩色结构光系统产生的条纹颜色误识别问题,提出了彩色结构光的条纹颜色分离以及聚类方法。首先,提出了一种新的摄像机和投影机的颜色校正方法,以消除外界环境光以及系统的颜色串扰现象,解决系统的耦合性问题。其次,给出了一种物体的反射分离机制,用于提取物体表面的漫反射分量和镜面反射分量,修正彩色物体的背景色对彩色编码条纹的影响。最后,利用颜色聚类算法,对经过彩色物体调制后的条纹进行颜色归类划分,纠正条纹颜色之间的干扰,恢复系统消耗的彩色条纹颜色信息。实验验证了本文提出方法的有效性,结果表明:该方法具有较高的抗干扰能力、较强的鲁棒性,能准确有效地识别受干扰的彩色条纹,识别正确率达到92%左右。

基于边缘颜色聚类和神经网络的车牌类型识别

汽车牌照自动识别系统是实现智能化道路车辆监控的基础,而车牌类型的识别率是车牌识别系统中重要的技术指标之一。提出了一种基于聚类和神经网络车牌类型识别算法。首先进行车牌的倾斜校正,其次提取车牌的有效区域,最后应用K-means边缘颜色聚类和两级BP神经网络进行车牌类型的识别。对各种条件下采集的500幅车牌图像进行实验,识别率在99%以上。实验结果表明,该算法对光照变化和噪声具有很好的鲁棒性。

Lab颜色空间中基于动态聚类的颜色分级

对现有的动态聚类算法进行改进,提出一种Lab颜色空间中基于兴趣点动态聚类分析的颜色分级方法。在考虑视觉监测实时性和计算准确性的基础上,通过色适应变换和对比敏感度函数滤波,补偿人眼视觉系统的空间混合效果,采用基于兴趣点的动态聚类分析提取颜色特征,根据视觉容差、彩度和色度的依赖关系,确定色差度量方法,采用最小分类器进行颜色分级。实验结果表明,该方法的平均色差仅为2.36,分类计算的时间范围为500 ms^700 ms。

基于颜色聚类和多帧融合的视频文字识别方法

提出一种基于颜色聚类和多帧融合的视频文字识别方法,首先,在视频文字检测模块,综合考虑了文字区域的两个显著特征:一致的颜色和密集的边缘,利用近邻传播聚类算法,根据图像中边缘颜色的复杂程度,自适应地把彩色边缘分解到若干边缘子图中去,使得在各个子图中检测文字区域更为准确.其次,在视频文字增强模块,基于文字笔画强度图过滤掉模糊的文字区域,并综合平均融合和最小值融合的优点,对在不同视频帧中检测到的、包含相同内容的文字区域进行融合,能够得到背景更为平滑、笔画更为清晰的文字区域图像.最后,在视频文字提取模块,通过自适应地选取具有较高文字对比度的颜色分量进行二值化,能够取得比现有方法更好的二值化结果;另一方面,基于图像中背景与文字的颜色差异,利用颜色聚类的方法去除噪声,能够有效地提高文字识别率.实验结果表明,该方法能够比现有方法取得更好的文字识别结果.

用小波变换及颜色聚类提取的视频图像内中文字幕

提取文字信息是基于内容的视频检索中重要内容。该文综合应用小波变换技术和颜色聚类技术提取含有中文字幕的视频图像的文字，并利用印刷中文字体特点进行噪音处理得到完整清晰的字幕文字。在进行颜色聚类时，该文提出一种8邻域颜色聚类方法，充分利用图像像素的空间相关性，使聚类具有较好的鲁棒性。实验结果表明这是一个有效的中文字幕文字的提取方法。

一种新的颜色聚类算法及其图象检索

为降低颜色直方图矢量的维数及解决颜色间的相似性问题，该文提出了一种新的颜色聚类算法，然后通过考察示例图象的主颜色表与数据库图象的颜色表之间的相交情况以及按比例分布情况，使图象检索结果消除了背景颜色的影响。

基于色度直方图的颜色聚类算法

提取目标背景的主色是迷彩设计中的重要步骤,通常采用的颜色聚类算法具有监督性的缺陷.为此,提出一种基于色度直方图的、无监督的颜色聚类算法.该算法采用CIE 1931色度系统建立色度直方图,根据像素点在该坐标系的分布规律自动生成聚类中心.逐一计算像素点与各聚类中心的色度的欧氏距离,将像素点与最近的聚类中心归于一类.实验结果表明,采用该聚类算法能够准确提取主色,自动分割彩色图像,且比普通聚类算法的时间效率更优.

显著特征融合的主颜色聚类分割算法

针对颜色密度聚类分割模型容易产生误分割的问题,提出基于视觉显著性调节的主颜色聚类分割算法.首先,根据空间颜色信息和Mean-shift算法平滑结果分别计算图像的全局显著特征和区域显著特征,并融合2类显著特征作为特征空间聚类的约束项.然后,采用核密度估计方法计算图像主颜色作为初始类,并将显著特征作为调节因子进行聚类分割.最后,进行区域合并.在标准的分割图像库上进行实验并与多种算法对比,结果表明,文中算法具有更高的区域轮廓准确度,并且有效利用图像显著特征,降低密度聚类形成的区域不一致性,提高像素聚类的精度和分割的鲁棒性.

基于聚类主颜色和边缘直方图的图像检索方法

图像的主颜色被广泛应用于图像检索中,但主颜色不能反映图像信息的空间分布。边缘直方图是在灰度图像上提取的,丢弃了图像的颜色信息。提出了一种综合利用聚类主颜色和边缘信息进行图像检索的方法。首先利用K均值聚类算法得到图像的主颜色,然后利用大津算法分割图像,利用Sobel算子提取目标和背景之间的显著的边缘特征信息构造边缘直方图,最后综合利用聚类主颜色和边缘直方图进行检索。既可以利用主色调信息,又能利用边缘的特征信息来反映图像信息的空间分布。实验结果表明,该方法可以有效地提高检索精度。

基于颜色聚类分割及改进的FMM算法的壁画修复

近年来,由于受各种环境及人为因素的影响,壁画在一定程度上受到了破坏。为了使人们欣赏到原作的风貌,并对其进行研究和开发,还原壁画的原有样貌,提出了一种针对褪色及划痕的壁画修复算法。该算法在Lαβ空间的基础上,首次提出使用颜色聚类及掩模算法对受损壁画的破损区域进行分割提取,然后针对FMM算法中传输方向并没有完全覆盖要修复的区域的缺陷,提出了利用梯度直方图的一些特性对其传输方向进行优化。实验表明,该算法对于破损的壁画修复有很好的效果。