H-Cb混合颜色模型下快递单手写体提取算法研究

目的在不受光照条件的影响下,利用H-Cb混合颜色模型,提取快递单底单图像手写体文字信息。方法首先将图像从RGB颜色空间分别转换到HSI颜色空间和YCbCr颜色空间;然后将改进的YCbCr颜色空间的Cb颜色分量与HSI颜色空间的H颜色分量进行信息融合;最后对提取出的手写体文字信息进行阈值和反相处理,并将该算法提取结果与基于YCbCr颜色空间Cb颜色分量阈值分割方法和基于Lab颜色空间的手写文字聚类算法的提取结果,在分割效果、文字识别率上进行对比。结果利用H-Cb混合颜色模型检测出的手写体文字更准确,具有更高的识别率,在理想文字切分条件下识别率达96%。结论使用H-Cb混合颜色模型提取手写文字受光照条件影响小,提取出的图像噪声小、识别率高,算法简单可行,为彩色图像的检测与判定技术提供了支撑。

基于高斯混合模型的区域颜色迁移

针对具有多种颜色区域图像以及灰度图像的颜色迁移合成问题,提出了一种基于高斯混合模型的区域颜色迁移算法,以用于将一幅源图像的颜色迁移到一幅目标图像中。该算法首先在lαβ颜色空间中,采用高斯混合模型对源图像的颜色样本空间进行聚类拟合来得到具有源图像颜色信息的参考色彩模型;然后利用该参考色彩模型对目标图像的颜色样本集进行分类决策,以确定目标图像与源图像各区域的色彩匹配关系;最后,提出了一组新的基于区域的颜色迁移公式,用于完成对目标图像的颜色迁移。实验结果表明,该算法不仅能实现两幅彩色图像之间的颜色迁移,而且能实现对灰度图像的上色处理,并均取得了较好的迁移效果。

基于颜色和梯度特征的混合高斯模型的运动目标检测算法

运动目标检测是视频监控系统的重要组成部分,针对传统的基于混合高斯模型(GMM)的运动目标检测方法存在的不足,提出一种基于颜色和梯度特征相结合的混合高斯模型的运动目标检测算法。该算法首先基于像素的颜色特征建立混合高斯模型,进行运动目标初步检测;然后结合像素的梯度特征,建立像素梯度的混合高斯模型,实现运动目标精确检测。通过在室内和室外等不同场景下进行的运动目标检测实验,结果表明,该算法能有效消除光照变化影响,抑制运动目标的阴影干扰,对室内和室外环境的运动目标检测都具有较好的检测效果和鲁棒性。

基于混合色彩空间独立特征的色纺面料颜色表征模型

为解决色纺加工中染色纤维整体呈色特性难以准确描述的问题,建立了基于混合色彩空间的独立特征颜色分析模型。对Lab与HSV 2种颜色空间中具有相同属性的颜色分量进行独立融合,并构建混合色彩空间;在此基础上,分别采用三阶颜色矩和局部纹理统计特征对色纺织物图像的颜色信息进行表征与融合。结果表明:对于色纺针织物或梭织物而言,所建立的颜色表征模型不仅能够对较大范围内的质量配比变化进行有效表征,而且对于染色纤维细微调整而导致的颜色改变亦能准确表达,具有理想的鲁棒性与普适性。

基于混合颜色模型的茶叶多级分类技术

针对目前茶叶色泽质量判断与分级容易受人为主观因素及心理因素影响的现状,提出采用计算机视觉技术图像中的RGB和HSI混合颜色模型,并以绿色分量、色度和饱和度作为颜色特征向量,通过贝叶斯决策去除劣质茶叶,再通过K均质聚类分为第1等级、第2等级.以某干茶为实验对象,针对茶叶的色泽特征,以绿色分量判别色泽优劣等级,再以色度与饱和度相结合进行分析,构建特征向量函数并进行聚类二次分级.实验结果表明,所提出的方法对该类茶叶色泽质量分类识别的准确率达92.5%.

一种用于彩色目标检测的混合颜色模型

针对光照变化条件下彩色目标的鲁棒检测要求,分析了单独采用HSV和L*a*b*颜色空间检测彩色目标的不足之处,为进一步降低光照变化和背景干扰,提出采用改进的紧凑彩色模型。考虑到不同颜色在HSV和L*a*b*颜色空间中的分布差异,建立了一种联合这2种颜色空间紧凑彩色分布特征的混合颜色模型,用于更准确地描述目标的颜色特征。试验结果表明,使用混合颜色模型可以获得更好的目标检测效果。

基于t混合模型和GreedyEM算法的无监督颜色传递

本文提出了一种基于t混合模型和Greedy EM算法的无监督颜色传递算法,综合利用图像的颜色、纹理和空间位置等要素,来提高颜色传递的速度和质量。实验表明,该方法能够在无需用户操作的情况下高效地完成颜色传递过程并得到较好的效果。

基于高斯混合模型的太阳电池片颜色分类设想与验证

详细介绍了高斯模型思想以及相关算法,将不同颜色的太阳电池片分选到不同档位中,方便将同类电池片进行归类。

基于混合高斯模型的阴影去除算法

阴影去除是智能视频领域中运动目标识别的一项重要内容,其结果直接影响目标识别的准确性。针对当前基于纹理特征的阴影去除算法的不足,提出一种结合YCbCr颜色空间和混合高斯模型(GMM)的阴影去除算法。首先利用混合高斯模型提取出运动区域;然后通过分析运动区域的前景和背景在YCbCr颜色空间的差值统计特性,建立混合高斯阴影模型;最后根据高斯分布的概率分布规律,得到阴影分布特性,从而实现对阴影的去除。对于实验中的序列图像,所提算法有70%以上的阴影检测率。实验结果表明,所提方法能够在不同的场合快速有效地去除阴影,准确地提取运动目标。

在线高斯混合模型和纹理支持的运动分割

运动分割是基于视频的运动分析中的基本问题·通过颜色和纹理特征的线性组合,实现了一种新的检测运动目标的算法·在线高斯混合模型不仅用于对背景进行更新,而且也用于计算像素颜色差异和颜色权值;纹理特征用于描述局部区域内的结构信息,提高了运动检测算法的鲁棒性·对不同场景的运动分割结果表明,该算法是高效和实用的·

改进混合高斯模型的自适应烟雾图像分割算法

为了解决烟雾分割算法中灰白(白)烟和黑色烟雾的同时提取以及分割阈值的自适应选取问题,利用烟雾属于前景目标的特征以及灰白(白)烟和黑色烟雾的颜色特征,提出一种改进混合高斯模型的自适应烟雾图像分割算法.该算法在混合高斯背景模型的基础上删除长期没有匹配的"过期"高斯成分,缩短背景建模时间;根据烟雾"团聚"特点以及灰白(白)烟和黑色烟雾各自不同的R,G,B三分量关系对烟雾图像进行分块,通过对不同的块使用自适应差分阈值提取烟雾可疑区域;针对光线突变、物体移入场景并静止下来等使场景可能发生渐变的问题,对背景图像进行全局和局部更新,并引入修正因子?对已经更新后的背景图像再次修正,确保背景图像更加接近真实场景;最后通过计算当前图像与背景图像的差异程度作为块差分阈值更新基准,实时更新块差分阈值.实验结果表明,文中算法不但能够同时提取灰白(白)烟和黑色烟雾,而且目标边缘不规则信息保留完整,分割准确度比已有算法提高了35.9%,运行速度有小幅度提升.

基于混合高斯模型和帧差法的吸烟检测算法

提出一种快速有效的基于混合高斯模型和帧差法的视频吸烟检测技术。利用混合高斯模型获取准确的背景,通过帧差分法对连续两帧的灰度图像序列进行绝对差运算,与背景相减获得运动目标区域;根据改进的转换模型将稀薄烟雾图像从RGB颜色空间转换到HSV颜色空间,对其颜色特征提取并进行分析,进一步将稀薄烟雾区域从运动目标区域中分离出来。实验结果表明,该技术不易受到周围环境的限制,灵敏度高、适用范围广。

基于Gabor小波和颜色模型的阴影检测算法

在视频处理中,阴影的存在会严重影响对目标的跟踪和识别.为了有效地检测视频序列中的阴影,文中提出了一种基于Gabor小波和颜色模型的阴影检测算法.首先,建立背景的混合高斯分布模型和阴影颜色模型,通过差分法提取前景区域并结合Gabor小波纹理特征分析找出潜在的阴影点;然后通过阴影颜色模型对这些潜在的阴影点进行颜色分析;最后通过后续处理,找出真正的阴影区域.实验结果表明,文中算法具有较好的阴影检测效果.

RGB颜色模型应用于评价顶吹混匀时间的方法

针对评价顶吹宏观混匀时间的方法进行了气体顶吹搅拌水动力学实验研究,利用基于混合过程中示踪粒子的分布随时间演化规律的RGB颜色模型来确定搅拌容器内的宏观混匀时间。通过定义像素阈值分离每一像素,构建混匀像素比M值作为确定混匀时间的指标,观察M值的变化规律,利用3σ方法确定混匀时间。针对喷枪插入深度及流量,用量纲为1强度单位表述为0.5和1的实验工况一,当阈值分数X=90%时,测定混匀时间为13.30s。分析结果发现,RGB颜色模型能够基于混合过程中示踪粒子的分布情况确定混匀时间,且与贝蒂数法和电导率法测定的混匀时间偏差不超过10%。为解决在视觉上评价多相流混合效果等工程问题提供了一种新的思路,为提高ISA炉使用寿命、强化ISA炉冶炼生产以及优化ISA炉工艺过程提供了一定的实验依据。

基于NSST和高斯混合模型的医学图像融合算法

提出了一种基于非下采样剪切波变换(Non-subsampled shearlet transform,NSST)和高斯混合模型的医学彩色图像融合算法。首先将彩色图像转换到HSI颜色空间,提取其色度分量图像、饱和度分量图像和强度分量图像;然后对强度分量图像和MRI图像进行NSST变换,其中低频系数采用基于区域系数改进拉普拉斯能量和(Sum-modified-Laplacian,SML)加权的融合规则,高频系数采用高斯混合模型估计参数取大的融合规则;对融合后的系数进行NSST逆变换重构融合后的强度分量图像;最后将融合后的强度分量图像与色度分量图像、饱和度分量图像混合得到融合后的HSI图像,再将HSI图像转换到RGB颜色空间得到融合后的彩色图像。仿真实验表明,该算法在视觉效果和客观评价指标上具有更好的融合效果。

基于高斯混合模型的类人机器人果实辨识研究

针对类人机器人的特点,设计了一个具有果实辨识功能的类人机器人系统。类人机器人自带的摄像头作为视觉系统,通过视觉系统收集彩色果实图片,将RGB颜色转换成HSV颜色,结合高斯混合模型算法,通过训练得到每类果实所对应的分类器模型参数,构造分类器,实现类人机器人对果实准确高效的识别。

融合KL散度和移地距离的高斯混合模型相似性度量方法

为提高高斯混合模型(GMM)间相似性度量方法的计算效率和准确性,通过对称化KL散度(KLD)并结合移地距离(EMD)提出一种新的相似性度量方法。首先计算待比较的两个高斯混合模型内各高斯成分间的KL散度,对称化处理后用于构造地面距离矩阵;然后用线性规划方法求解两个高斯混合模型间的移地距离作为高斯混合模型间的相似性度量。实验结果表明,将该相似性度量方法应用于彩色图像检索,相对于传统方法能够提高检索的时间效率和准确性。

基于混合高斯模型及小波分析的烟雾特征提取分析

烟雾探测在日常生产生活中具有重要意义,是预见火灾隐患的重要手段。基于小波分析的图像型火灾烟雾特征提取的方法,采用混合高斯模型对背景进行建模,从而提取可疑的运动区域。相对于传统的运动提取方法,此方法能够有效的抑制光线变化以及噪声带来的干扰,实验结果表明,此判据具有较高的准确性。

基于高斯混合模型的非结构复杂环境地形分类

针对因天气变化而产生的色彩转移、光照变化以及相似地形(如土地和沙地)的反射频谱模糊性等因素造成的地形分类性能下降的问题,提出了一种基于高斯混合模型(GMM)的地形分类算法。首先,提取不同光照条件下地形的特征,这种特征是基于改进的离散余弦变换(DCT)纹理特征和在YIQ空间提取的颜色特征的融合特征,然后用这些特征数据训练GMM,对于GMM组成模型数目则采用贝叶斯信息准则(BIC)加以确定。另外针对不同地形区域边界上分类性能差以及同一地形在相同条件下非一致性问题,还提出了一种分类策略。该策略的原理是利用当前特征窗口周围邻域的所属类别概率的平均值大小来决定当前特征窗口的类别。应用提出的算法在两个数据库上进行了实验,取得了令人满意的效果。

混合高斯模型下的自适应阈值阴影检测

针对现有阴影检测算法参数众多,需要训练参数或者手动设置阈值的缺点.文章提出一种基于HSV颜色信息的自适应阈值阴影检测方法,并利用最大熵阈值分割实现自适应阈值阴影检测.实验表明,该方法能够准确地检测出阴影,鲁棒性强.