基于改进K均值聚类与HSV模型的棉花分割算法

针对棉花图像中存在阳光直射和阴影遮挡等因素而导致图像分割精度低、效果差的问题,提出一种结合颜色聚类与V通道信息的图像分割方法。该方法对原始图像进行各向异性扩散滤波预处理;再对图像采用改进的K均值颜色聚类完成初始分割,对分割结果利用HSV模型中的V通道信息作为棉花图像的特征,去除背景影响实现最终分割。实验结果表明,该算法在阳光直射及阴影遮挡等干扰条件下能较好地将成熟棉花从背景中分离出来。

圆形植物识别定位的HSV模型研究

圆形植物的识别定位是植物自动修剪设备的核心,针对圆形植物图像,采用传统图像分割方法因存在噪声难以完成有效分割,提出基于HSV模型的图像分割方法。该方法利用色调和饱和度分量对圆形植物图像进行图像分割处理,对分割图像进行形态学处理得到理想的圆形植物目标区域,并进行图像标定得出圆形植物的中心点坐标和半径尺寸。使用该方法可以有效地对圆形植物进行识别定位。

基于HSV模型与改进的OTSU算法花椒图像分割

为实现农业智能机器人对作业现场花椒的识别,提出了一种基于HSV模型与改进的Otsu算法相结合的图像分割方法:以现场图像的H分量图像作为处理样本,先采用中值滤波滤除噪声,再利用改进的Otsu算法进行阈值分割,达到对花椒目标辨识的目的。通过对采摘现场成熟的大红袍花椒在顺光、背光、遮阴3种情况下采集的图像进行分割,结果表明:在顺光、背光、遮阴条件下,分割识别率分别为93.3%、90%、88.3%,且与传统的Otsu算法相比,图像分割时间缩短20%以上,为现场机器人花椒采摘识别提供了一种方法。

基于HALCON软件与HSV模型的树木检测算法研究

针对半自动液控变割幅坐骑式割草机在工作时,操作人员不能准确目测前方树木的间距而无法确定当前割草机的割幅的情况,提出了1种基于HALCON软件及HSV[H表示色调(hue),S表示饱和度(saturation),V表示明度(value)]颜色空间的树木检测算法。利用HALCON算子将原RGB[R表示红色(red),G表示绿色(green),B表示蓝色(blue)]图像转换到HSV空间后,分析H和S分量的灰度直方图,对其进行对比度增强处理,并运用动态阈值法分别分割出大体目标区域并求出并集,再依次运用连通域处理、形态学操作、目标区域提取、矩形度过滤等后续处理,提取出树木的完整轮廓。最后运用MER(最小外接矩形)算法生成树木轮廓的最小外接矩形,为后续的树木间距测量等工作奠定基础。

基于LBP-HSV模型及改进SIFT算法的行人再识别算法

针对SIFT算法计算量大,复杂背景下匹配准确率低的问题,文章提出了一种结合LBP-HSV模型与改进SIFT算法的目标识别算法;首先利用LBP直方图和HSV模型共同筛选出目标相似区域;然后利用SIFT算法检测目标与相似区域的特征点,并使用改进的HOG特征描述特征向量;最后采用最近邻加权欧式距离的匹配策略,找出匹配点对;基于多组行人图片的目标识别结果表明,文中算法具有较强的鲁棒性,识别准确率较高,且相较于SIFT算法,匹配速率大大提高。

基于HSV模型的运动目标提取与跟踪

为了实现对运动目标跟踪的目的,根据六角椎体模型原理(HSV),运用自适应阈值分割的方法,将运动目标从背景中提取出来,并对目标的运动轨迹进行计算与预测。利用Matlab6.5,实现了单目标的提取与跟踪。经分析,这种方法速度较快,占用资源较少,非常适合工程应用。

基于HSV模型和改进AdaBoost算法的车牌检测

提出了一种基于HSV颜色模型和改进Ada Boost算法的车牌检测方法。针对传统Ada Boost算法在训练过程中出现的过配现象和检测率偏低问题,文中在传统Ada Boost算法的基础上对其权值更新规则和弱分类器加权参数做了改进,并通过利用HSV颜色模型构建第一层强分类器,并构建成级联分类器应用于车牌检测。实验证明使用该方法得到的车牌检测器不仅提高了车牌检测率和检测速度,并在一定程度上避免了过配现象产生。

基于CNN和HSV模型的交通标志识别研究(英文)

基于HSV颜色空间模型和卷积神经网络(CNN),建立了实现交通标志识别(TSR)的完整过程。为了提高运算速度,进一步优化了动态感兴趣区域(ROI)识别、RGB向HSV颜色空间模型转换方法和神经网络结构设计。通过GTSRB数据库对TSR算法进行验证,结果表明,所建立的TSR方法有效提升了运算速度和识别率。

企业理论中的GHM模型在公有产权问题上的应用——HSV模型和BG模型

企业理论中的GHM模型研究了在私人企业中的产权配置方法，但是产权配置问题在共有产权领域应用非常广泛，尤其是政府公共服务与私人企业或与非营利性NGO的共有产权配置。为了解决这一问题，我们总结出GHM模型的拓展模型——Hsv模型和BG模型。

基于Gamma校正HSV模型的变色镀铜管脚检测

针对芯片封装基板上镀铜管脚变色缺陷检测存在的人工目视检测效率低、误检率高、传统视觉检测系统装置复杂以及检测方法性能低等问题,提出了一种新的特征提取方法。该方法将芯片封装基板图像从RGB(红-绿-蓝)颜色空间转换至HSV(色调-饱和度-明度)颜色空间,在HSV颜色阈值法预处理阶段引入Gamma校正,再进行平滑去噪和形态学处理。研究测试了不同色彩空间模型对变色镀铜管脚的检测能力,结果表明,Gamma校正HSV颜色模型的检测精度达到98.11%,高于普通HSV颜色模型(95.46%)和RGB颜色模型(10.10%)的检测精度,为机器视觉在变色镀铜管脚快速检测的应用提供了依据。

基于HSV彩色模型的自然场景下棉花图像分割策略研究

棉花成熟度和空间位置的识别是采棉机器人研究的关键技术,解决此问题必须对棉花图像进行分割。选取HSV模型中与亮度无关的S通道作为棉花图像的特征,排除了图像明暗变化对分割效果的影响。文中分两种情况对图像信息未缺失的棉花提出了成熟度判别的策略:正面时利用成熟棉花棉瓣的分散性和单朵棉花面积较大等特征进行判别;侧面时通过成熟棉花棉瓣相对棉荚面积比较大的特征进行识别。根据提取分割后棉花图像的几何信息,可确定棉花的重心位置。试验结果表明:该算法能很好地将成熟棉花从背景中分离出来,并较好地保存了棉花的轮廓信息。

基于HSV模型和特征点匹配的行人重识别算法

提出了一种基于HSV模型和特征点匹配相结合的行人重识别算法。首先根据改进的HSV空间颜色量化策略,比对两幅行人图像的躯干和腿部主颜色是否一致,以快速确定备选目标;然后对备选目标,利用环形Gabor滤波器组生成多尺度图像,再利用改进的FAST算法和BRIEF算法对多尺度图像进行特征点提取与描述,最后利用暴力算法和随机抽样一致性算法进行特征点匹配和提纯,以达到较好的匹配效果。实验结果表明,本文提出的行人重识别算法具有较高的识别准确率,识别速度达到12frames。

基于SUSAN角点和HSV颜色模型的粒子滤波目标跟踪算法

针对传统粒子滤波目标跟踪算法在目标与背景颜色相似情况下目标定位偏差大、易导致丢失目标的缺陷,提出一种基于角点和颜色模型的粒子滤波目标跟踪算法。首先,提出一种改进SUSAN角点检测算法,采用圆形模板邻域内像素灰度值中值代替模板中心像素灰度值作为模板"核"来检测区域目标角点,其改进SUSAN角点算法在继承原有SUSAN算法计算简单、定位准确、具有旋转不变性等特点的同时,具有更好抗噪声性能;其次,利用HSV颜色模型光照不敏锐特性,对检测到的角点建立HSV颜色模型,并将其嵌入到粒子滤波框架中,实现对目标的跟踪。实验结果表明,当背景与目标颜色相近时,该算法能够有效避免背景对目标的干扰,取得了较好的目标跟踪性能。

基于HSV颜色模型的广义梯度矢量流图像分割方法

采用广义梯度矢量流(G enera lized grad ien t vector flow,GGVF)作为势能函数的Snake算法在处理灰度图像分割时具有较好的性能。但当处理彩色图像时,GGVF模型往往将彩色图像转化为灰度图像进行处理,此过程造成颜色信息丢失,因而容易受到阴影等伪边界灰度变化的干扰。本文提出了基于HSV颜色模型的GGVF,充分利用了图像的色彩信息进行图像分割。实验结果表明,该方法能够有效地区分彩色图像的真实边界与由阴影产生的伪边界,并取得较好的分割结果。

基于HSV颜色模型的二维流场可视化

为解决流场图像流速大小和流动方向的显示问题,在线积分卷积(LIC)算法的基础上,结合HSV颜色模型,提出一种新的二维流场可视化方法.该方法将流场速度方向映射为色度,将流速大小映射为饱和度,将LIC值与亮度关联起来,从而合成新的流场可视化图像.新的流场图像不仅保留了LIC图像高分辨率的流线纹理特征,而且还展现了流速大小和流动方向.目前该方法已经成功应用于二维爆炸流场的可视化.实验结果表明,该方法可以有效改善流场的可视化效果.

基于HSV空间模型的视频场景切分

针对RGB彩色空间模型下统计直方图用于切分场景时,存在对内容变化不敏感、计算量大等问题,提出了一种基于HSV空间模型的视频场景切分方法。该方法将图像帧的RGB转换为相对应的HSV值,然后对H、S、V进行非等间隔量化,再合成为一维特征矢量。计算视频前后两帧图像的一维特征矢量直方图,求出它们的相似度,从而判断出是否发生了场景切换。实验证明,该方法能够比较准确地对视频进行场景切分,为视频摘要的关键帧提取提供了必要的条件。

基于肤色HSV彩色模型下的人脸检测

每一种人种皮肤彩色分布在一个较窄的频带上。一般所用的RGB彩色模型对光线的亮暗程度比较敏感,而在HSV彩色模型中,色相H分量表示了图像的彩色信息,受到光线变化的影响缓慢。鉴于此,采用在HSV彩色模型下建立肤色模型,并对其进行训练,从而用训练后的模型对图像进行人脸检测。实验结果表明,提出的方法是有效而快速的。

基于HSV颜色模型和形状特征的交通标志检测算法研究

交通标志检测是无人驾驶的重要组成部分,如何快速准确检测出交通标志对无人驾驶有重要的作用。本文提出一种基于HSV颜色模型和形状特征提取共同检测交通标志的算法,通过HSV颜色模型的特定颜色阈值,从实景图中找出感兴趣区域,然后对其进行形状特征判断以确定目标区域。最后进行实际道路环境测试,该算法能在复杂背景中准确地检测出交通标志区域。

基于HSV颜色模型的明清衍圣公赐服色彩研究

明清衍圣公赐服作为中国古代服饰的典范,其服饰色彩中蕴含着独特的物质属性和精神文化内涵,是中国古代服饰政治思维、等级观念和时代审美的有力呈现。文章以孔府旧藏的明清衍圣公赐服蟒袍为依托,首先通过Datacolor 650测色仪获取蟒袍的RGB值;然后在HSV颜色模型中进行数值标注;再从色相、饱和度、明度方面对蟒袍底色及纹样色彩进行数据分析。实验结果表明,此方法可以将不同时代赐服的色彩特征及差异性进行清晰地呈现,进而从科学的角度思考明清服饰色彩的审美思想及文化意蕴,对中国古代服饰色彩研究提供有效途径。

基于HSV色彩模型的彩色晕渲图制作方法

为了通过计算机自动获取较高质量的数字地貌晕渲图,在对HSV色彩视觉模型进行分析的基础上,利用高程数据计算HSV色彩空间的H和S分量,引入Hillshade算法计算山体阴影值作为地表点的反射光强,再利用反射光强计算HSV色彩空间的V分量,从而构造了一组由高程、反射光强到HSV色彩空间分量的映射模型,并运用Visual C++.NET实现了对DEM数据的晕渲处理。实验表明,使用该方法制作的彩色地貌晕渲图具有色彩过渡自然、地形区分明显、立体感强的特点,比ENVI 4.5软件作山体阴影处理(同时伴随彩色晕渲处理)色彩过渡自然,细节效果好。