基于Retinex和HSV颜色空间的低照度图像增强算法

针对低照度图像存在的对比度低、颜色失真、细节信息损失、噪声干扰等问题,提出一种基于Retinex的改进算法。首先,将原始图像转换到HSV颜色空间,采用改进算法和Gamma校正对V分量进行亮度调节;其次,基于对比度拉伸算法调整S分量,增强图像饱和度和对比度;最后,将融合后的图像转换回RGB颜色空间,输出图像。在MATLAB平台上选取不同场景低照度图像进行增强处理,采用图像信息熵(IE)、峰值信噪比(PSNR)和结构相似性指数(SSIM)三个客观指标进行均值对比,实验结果表明,新算法计算结果均优于传统的直方图均衡化算法(HE)和多尺度Retinex算法(MSR),有效保持图像边缘信息,提升图像质量。

基于HSV色彩空间及改进二维伽马函数的井下图像增强算法

为解决井下光照条件不足、光照不均引起的视频图像质量低下的问题,构造了一种改进二维伽马函数并以此提出了一种基于HSV色彩空间,作用于图像明度和饱和度分量的井下图像质量增强算法。以综采工作面以及井下泵房处图像为增强对象,将算法与目前主流的图像增强算法进行对比验证。结果表明,在井下环境下该算法对井下低亮度区域有着较好的增强效果,一定程度上满足了井下视频图像质量增强需求。

基于HSV空间的Retinex低照度图像增强算法

针对低照度图像存在亮度较低、照明不均匀、对比度较差、细节信息损失等问题,提出一种基于HSV空间的Retinex低照度图像增强算法.首先将低照度图像转化为HSV空间;然后在HSV空间对亮度通道采用改进的Retinex算法和基于自适应Gamma校正与CLAHE算法联合的亮度增强算法实现对低照度图像的亮度增强;其次,通过双边滤波,利用线性拉伸进行饱和度分量图像增强;最后将增强后的图像重新转换为RGB格式,并利用自动白平衡技术恢复图像物体原本的颜色.实验结果表明,该算法有效改善了低照度图像的质量,达到较好的视觉效果,PSNR、SSIM和信息熵等指标优于其他算法.

基于HSV空间融合Retinex算法的全天候运动目标检测

提出了一种在矿山复杂情况下基于HSV色彩空间融合Retinex算法的全天候运动目标检测方法。该方法将运动目标检测转换为运动目标上特定标志物的检测,通过颜色空间转换提取目标原始灰度图像,由灰度分布直方图判断是否进行低照度图像恢复,并在场景中选取特定的标志物,将原图像进行HSV颜色空间变换,选择对应ROI区域,通过阈值获取二值化图像,进行平滑处理后使用Canny算子提取轮廓信息,从而提取标志物的特征参数。应用实例证实,通过该方法能精准获得标志物特征参数,进而解决复杂环境下机械设备间连接件脱落问题,具有一定的实际工程应用价值。

基于HSV颜色空间的建筑工人定位方法研究

建筑工人的安全问题关乎企业利益和工人生命,虽然监控技术迅猛发展,但是建筑工地环境复杂,传统分割方法难以对建筑工地图像中的工人进行较好的分割与识别,该文针对这一问题提出了一种基于色相、饱和度、明度(Hue-Saturation-Value,HSV)颜色空间的建筑工人定位方法。首先,对要处理的图像进行了降噪,利用MATLAB软件的色彩分割工具箱对图像进行分割,获得安全帽区域的二值掩膜;其次,利用生态学处理,获得安全帽所在区域的连通域并进行定位;最后,依据安全帽与工人的比例关系和位置关系,实现了对建筑工人的定位。该文依靠HSV颜色空间实现了对安全帽和建筑工人的定位,解决了建筑工地背景复杂难以分割和定位的问题,对后续研究有一定的参考价值。

基于HSV颜色空间的烟叶烘烤阶段判别模型研究

【目的】烟叶烘烤的阶段判别对提升烘烤效率和品质具有重要意义,亟须实现烟叶烘烤阶段自动判别,减少人为影响,提高判别准确率。【方法】首先,使用图像处理技术将图像均衡化,再裁剪并剔除含背景信息多的图块,筛选出有效信息最多的图块;其次,提取烤烟图块的颜色特征,提取每一个图块的HSV三通道值,得到i项通道值;最后,使用基于阈值筛选的方法作为特征处理器,根据不同h、s、v值分类出烟叶烘烤的阶段,并将判断结果与实际情况进行对比验证。【结果】使用图像均衡化处理技术结合基于HSV颜色空间的特征提取算法,进行烟叶烘烤阶段判别,最终整体准确率达到90.64%,并且阶段3和阶段4的准确率达到了100%,效果非常理想。【结论】使用图像处理技术结合图像本身的颜色特征,能有效地判别烤烟的烘烤阶段,对判断烘烤进程、指导烘烤参数调节、提高烘烤品质、减少物料浪费和烘烤成本具有实际意义,有着广阔的应用前景。本研究为后续绕过深度学习等大算力算法但能提高实际应用效果方面的研究提供了方向。

基于彩色偏振图像的HSV空间目标增强方法

针对复杂背景条件下目标难以识别的问题,采用彩色偏振成像技术,提出了一种基于彩色偏振图像的目标增强方法。该方法首先根据分焦平面彩色偏振相机获得的数据得到彩色线偏振度(degree of linear polarization, DoLP)、彩色偏振角(angle of polarization, AoP)和彩色强度(S0)图像;然后利用目标和背景的彩色偏振特性差异大的特点提取DoLP、AoP和S0的视觉显著度,使目标得到初步的增强;随后将3种视觉显著度图像转到HSV空间进行融合,最后转到RGB空间显示。使用对比度和矢量角度距离作为客观评价指标开展实验,多个实验场景数据表明,融合图像的对比度和矢量角度距离分别比融合前图像最高提升了3.971倍和1.711倍。

结合主动光源和改进YOLOv5s模型的夜间柑橘检测方法

【目的】解决夜间环境下遮挡和较小柑橘难以准确识别的问题,实现采摘机器人全天候智能化作业。【方法】提出一种结合主动光源的夜间柑橘识别方法。首先,通过分析主动光源下颜色特征不同的夜间柑橘图像,选择最佳的光源色并进行图像采集。然后,提出一种夜间柑橘检测模型BI-YOLOv5s,该模型采用双向特征金字塔网络(Bi-FPN)进行多尺度交叉连接和加权特征融合,提高对遮挡和较小果实的识别能力;引入Coordinate attention(CA)注意力机制模块,进一步加强对目标位置信息的提取;采用融入Transformer结构的C3TR模块,在减少计算量的同时更好地提取全局信息。【结果】本文提出的BI-YOLOv5s模型在测试集上的精准率、召回率、平均准确率分别为93.4%、92.2%和97.1%,相比YOLOv5s模型分别提升了3.2、1.5和2.3个百分点。在所采用的光源色环境下,模型对夜间柑橘识别的正确率为95.3%,相比白光环境下提高了10.4个百分点。【结论】本文提出的方法对夜间环境下遮挡和小目标柑橘的识别具有较高的准确性,可为夜间果蔬智能化采摘的视觉精准识别提供技术支持。

HSV色彩空间的Retinex结构光图像增强算法

在结构光几何重建中,由于拍摄方式和场景照明情况的复杂多变,使得产生的图像可能会因为光线的亮暗不均造成图像细节的缺失.为此,提出一种基于HSV色彩空间变换的带颜色恢复Retinex算法和色彩饱和度校正策略.针对颜色保持的需要,首先将传统RGB空间上的多尺度Retinex算法转换到HSV颜色空间;然后通过分析HSV颜色空间模型来增强模型中的V分量,同时利用相关系数使S分量随着V分量的增强进行自适应调整;最后将HSV模型转换到RGB空间,使增强后的图像颜色得到保持.实验结果表明,该算法应用于结构光条纹图像的增强中将使结构光图像在颜色得到保持的同时细节信息也得到了增强,更利于后续条纹信息的提取及自动编码.

基于三边滤波的HSV色彩空间Retinex图像增强算法

图像增强技术可以从对比度低、分辨率低等暗淡图中恢复原有图像信息并增强低动态范围图像的视觉效果,能从很大程度上改善图像清晰化程度.提出在HSV色彩空间下基于三边滤波的Retinex图像增强算法.该算法首先将传统的RGB空间上的处理转换到HSV空间.然后将三边滤波技术引入到亮度图像的提取阶段,可有效地降低图像高斯噪声、滤除脉冲噪声,同时又有效地保持图像边缘细节的特性.通过对三边滤波的滤波窗口进行角度倾斜,计算出像素"最佳"邻域范围且自动修改.引入了一个二值限制函数,进行"边缘限制性平滑"处理,从而进一步提高了图像边缘和特征的清晰度.将提取的亮度图像进行多尺度Retinex图像增强,使得图像信息更加准确恢复.最后将HSV空间转换到RGB空间,使得增强后的图像颜色得以保持.实验结果表明,该算法应用到图像增强处理中,处理后的图像在色彩得以保持的同时,细节信息也得到有效地突出,更有利于针对各种环境图像的更深入的理解和应用.

从RGB到HSV色彩空间转换公式的修正

针对从RGB色彩空间到HSV色彩空间的转换方式为非线性变换,会产生奇异点和不稳定点的问题,对转换公式作了修正.原公式在饱和度为零时色度未定义,在低饱和度时色度不稳定,这些情况下色度为黑色、灰色或者白色,将色度分量的低值区域和高值区域分别用来表示黑白色或者偏黑和偏白的低饱和度色.不但能够消除色度奇异点和不稳定点,而且可以用单纯H分量来表述色彩图像的主色调信息,简化了图像计算的复杂度.通过分析和实验验证,方法是有效的.

一种基于HSV空间的彩色边缘图像检索方法

结合重要的彩色图像边缘及人眼视觉特性,提出了一种基于彩色边缘直方图的图像检索方法。该方法首先利用Canny检测算子提取出原始图像的彩色边缘信息,然后将彩色图像边缘转换至符合人眼视觉特性的HSV空间并进行量化处理,再将彩色边缘划分成圆环区域和角形区域,并分别计算出圆环区域和角形区域的颜色直方图,最后综合利用上述圆环区域和角形区域的颜色直方图计算图像间内容的相似度,并进行彩色图像检索。仿真实验表明,该方法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率。

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。

基于RGB和HSV的胶囊异囊缺陷识别方法

针对彩色胶囊图像的特点,结合RGB颜色空间数据易处理和HSV颜色空间色差感知均匀的优点,提出一种异囊缺陷检测方法,其中异囊是指某种颜色的胶囊中混有的其它颜色胶囊。该方法是基于RGB颜色空间的图像分割和基于HSV颜色空间的色差公式计算。将基于Y方向的Scharr算子应用于R分量图像,寻找胶囊上下两节之间的分隔线,将R、G、B各分量图像分割成两部分;基于图像直方图,采用加权平均的方法来获取R、G、B分量值,并将R、G、B分量值转成H、S、V分量值;利用加权方式的HSV色差公式计算色差,与设定阈值比较得出检测结果。测试结果表明,该方法保证了较高的检测精度,节省了常规基于HSV检测的方法中整体图像颜色空间转换的时间消耗。

面向可见光-红外图像的跨模态行人再识别方法

为降低模型对图像颜色的敏感度,减小可见光和红外模态间的差异,提出一种面向可见光-红外图像的跨模态行人再识别方法。将可见光图像转换到HSV颜色空间,提取只描述图像明暗信息的V分量,降低模型对颜色信息的依赖性;通过轻量级网络对V分量图像进行降维和升维,生成介于可见光和红外图像的中间模态,缩小模态间的差异性;在SYSU-MM01和RegDB数据集上进行性能评估。性能评估结果为Rank-1的数值分别增加了6.67%、1.18%,mAP的数值分别增加了6.47%、1.15%,mINP的数值分别增加了5.59%、0.42%。

基于HSV综合显著性的彩色图像分割方法

为解决彩色图像中目标难以准确分割的问题,提出了基于HSV综合显著性的彩色图像分割方法。该方法将原始RGB图像转换为HSV图像,从中分离出H通道、S通道和V通道,将其中的H通道和S通道作为原始的颜色信息来计算图像的颜色信息显著性,把其中的V通道作为原始的亮度信息并由此计算亮度信息显著性;通过加权的颜色信息显著性和亮度信息显著性得到综合显著图,并通过阈值分割的方法得到最终的目标图像。将该方法应用于棉花异性纤维图像的分割,分割结果表明,该方法能够准确地分割出彩色棉花异性纤维图像中的异性纤维目标。

基于HSV空间改进的多尺度显著性检测

图像显著性特征已被广泛地应用于图像分割、图像检索和图像压缩等领域,针对传统算法耗时较长,易受噪声影响等问题,提出了一种基于HSV色彩空间改进的多尺度显著性检测方法。该方法选择HSV色彩空间的色调、饱和度和亮度作为视觉特征,先通过高斯金字塔分解获得三种尺度的图像序列,然后使用改进的SR算法从三种尺度的图像序列中提出每个特征图,最后将这些特征图进行点对点的平方融合和线性融合。与其它算法的对比实验表明,该方法具有较好的检测效果和鲁棒性,能够较快速地检测出图像的显著性区域,能够突显整个显著性目标。

一种基于定点DSP的YCbCr到HSV的快速转换算法

通过分析YCbCr到RGB以及RGB到HSV之间转换的算法,提出一种YCbCr空间转换到HSV空间的快速算法。在该算法中分别使用了移位运算和查表法代替了浮点乘法运算,从而显著提高了算法在DSP上的运行速度。另外,转换时Y分量不再参与计算,从而进一步降低了运算复杂度。最后实验证明,在DSP平台上,该算法比传统算法能节省80%的计算时间,在PC平台上能节省46%的计算时间。因此,提出的算法在车牌识别、火焰检测等实时视频分析应用中有广泛的应用性。

基于HSV颜色空间的人体轮廓提取方法研究

目前已有人体轮廓提取系统大多先将彩色图像转换为灰度图像,然后经过人工修图,从灰度图像中提取人体轮廓.在此过程中,大量图像信息丢失,且这些系统普遍存在对背景、着装、像素和光线要求严格等问题.为了解决这些问题,本工作采用符合人类视觉习惯的HSV颜色空间,利用MATLAB软件编写程序,通过分析和转换图像的H、S、V值从彩色图像上直接提取人体轮廓,从而实现人体轮廓提取的准确化和自动化.试验结果表明,利用HSV颜色空间可降低对背景、着装、像素和光线等因素的要求,实现复杂情况下人体轮廓的准确提取.