一种基于LAB色空间拓扑剖分影射的颜色恒常性模型

本文针对人体肤色和黏膜颜色特点,建立一种室内自然光条件下的医学真彩图像采集分析的颜色恒常性模型.在LAB均匀色度空间中,对一维L*空间进行线性影射,二维a*b*空间进行三角剖分影射和还原,建立了一种拓扑剖分影射TRM模型.通过对SG色标中13个肤色色标进行的校正还原,结果显示,TRM模型还原的颜色色差明显减小,离散度小,性能稳定.

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LAB空间的LCD显示器CSF模型构建

目的通过心理物理学实验,在暗室下构造基于LCD显示器的人眼对比敏感度函数。方法通过测试不同颜色空间的自相关性,选择通道间相关性最小的颜色空间;选择4个颜色点制作不同空间频率、不同对比度的光栅图像;安排15人进行观测试验,得到不同空间频率下的心理对比度阈值,将得到的数据进行拟合得到对比敏感度函数模型。结果拟合得到了L通道、A通道、B通道的人眼对比敏感度函数。结论 Lab颜色空间的自相关性数值以0.1134最低,其正交性最好。得到的对比敏感度函数也符合人眼的低通特性,研究结果对图像色差模型的改进和图像压缩具有重要意义。

基于区域上下文感知的前景提取

为降低图像颜色分布和弱边缘对前景提取的负面影响,提出一种基于区域上下文感知的前景提取模型。结合图像亮度梯度和颜色信息将图像分成互不相交的区域,区域内颜色具有同质性,近邻区域间存在显著差异;依据颜色分布设计区域相似性测度,构建区域上下文关系和感知空间;在感知空间中将前景提取转化为二分类问题。实验结果表明,相对于传统模型,该算法提高了弱边缘、颜色非均匀分布图像的前景提取效果。

基于自动背景提取及Lab色彩空间的运动目标检测

常用的几种背景提取算法在车流量较大的情况下提取的背景效果较差。在某些目标检测区域较少的场景中,若将所有像素进行检测,会浪费许多时间。针对这些问题,提出一种新的背景提取算法。先将视频帧进行分割,再对分割出的检测带依次进行车辆存在检测,最终自动选取视频中没有车辆的车道块并将其拼接成完整背景帧,最后利用Lab空间色度与亮度相互独立的特性提取目标。该算法能够充分提取前景图像,不会丢失车辆目标。相比传统算法,该算法准确性较高。

基于Lab模型的三种观赏草叶色研究

叶色是观赏草最重要的观赏特性之一,本文以紫叶象草(Pennisetum purpureum ‘Red’)、紫叶狼尾草(Pennisetum setaceum ‘Rubrum’)和白茅(Imperata cylindrica)在冬季为彩叶的三种观赏草为研究对象,基于Lab模型,分析了三种观赏草的叶色特征及叶色与叶绿素之间的关系,为观赏草品种选育的关键指标提供参考依据,也为色彩定量分析提供思路。结果表明:个体间,紫叶象草L值最低且a值变化较平稳,紫叶狼尾草叶色a值最大,白茅L值和b值最大;同一叶片上,紫叶象草叶片基部a值最大且与中部和尖部有显著差异,紫叶狼尾草尖部L值最大且三个部位L值均有显著差异,白茅基部L值和b值较大;同一株观赏草中,紫叶象草的顶端新叶a值最大且越低处叶片b值越大,紫叶狼尾草顶端和底部a值较大,白茅越低处叶色a值越大;叶色参数a与叶绿素含量呈显著或极显著负相关。分析可知,每种观赏草的叶色变化不同,其中叶绿素是影响观赏草叶色红色的主要因素之一,在植物配置时需充分考虑其叶色特征。

Lab色彩模型下梯度Hough圆变换的成熟草莓识别

自然生长状态下的草莓,果实密集,形状多变,枝叶遮挡率较高,使用机器采摘对成熟草莓的图像识别具有一定的难度。针对这个问题,提出了Lab色彩模型下采用梯度Hough圆变换的成熟草莓识别方法。以自然生长状态下的草莓图像为研究对象,在Lab色彩模型空间里对图像分割及阈值化并采用梯度Hough圆变换等方法,识别成熟草莓并计算出草莓中心。试验结果表明,对随机选取的100张草莓图片,该方法识别成熟草莓的相对偏差为1.07%,对枝叶遮挡、成熟草莓相互遮挡等情况,具有较好的识别效果。与传统的Hough变换相比,这一方法节省了运行内存,提高了时间效率,能够满足机器采摘对成熟草莓识别率与定位的要求。

基于分块和Lab颜色模型的字幕提取方法

视频中的文本是建立视频检索的—个重要线索,因为视频中的文本总是和视频帧相关,并且客观地描述了视频帧的主要内容。根据背景区域内像素颜色变化缓慢而背景和前景交汇处像素颜色变化剧烈的原理采用对视频帧的每一行像素进行分块的方法计算每一块的变化率来检测和定位文本区域;使用Lab颜色模型来二值化图像从而提取文本图像。实验数据表明该方法效果不错,有很好的应用前景。

深度解析Lab颜色模式

为了让用户更好的理解Lab颜色模式并灵活将它用在实际的图像处理中,对Lab颜色模式进行了度解析。研究了Lab颜色模式的基本原理;阐述了Lab模式在色彩管理中的主要作用是基于其色域广、设备不相关的特性;分析了Lab模式明度通道与颜色通道分离,a、b通道的颜色呈现过渡性等特点;得出基于这些特点Lab模式在图像后期处理锐化、降噪、调色等方面有独到的应用。

基于Lab模型的北美红枫呈色生理因素探究

【目的】研究北美红枫变色期叶片颜色与相关生理指标间的相关关系,探讨北美红枫呈色的生理因素,为北美红枫的叶色调控提供理论依据。【方法】于2014-10-22-11-19,在北美红枫叶片变色的4个阶段,即变色前、变色初期、变色中期、变色末期共采集100片树叶,用Nikon D7000相机对叶片鲜样进行拍照,记录叶片明度参数L及表示红/绿、黄/蓝属性的色相参数a、b,运用Lab模型对北美红枫各呈色期叶片颜色参数进行精确量化,并测定叶片的光合色素、花色素苷、类黄酮、可溶性糖、可溶性蛋白含量和过氧化物酶(POD)活性等生理指标,运用SPSS19.0统计软件分析变色期相关生理指标与叶色变化的相关关系,探究影响北美红枫呈色的主要生理生化因素。【结果】北美红枫秋季叶色变化过程中,叶色参数L、b值变化幅度较小,a值变化显著。在整个叶片变色期,随着叶色的变化光合色素含量呈下降趋势,花色素苷、类黄酮、可溶性糖和可溶性蛋白含量均呈上升趋势,过氧化物酶(POD)活性呈单峰曲线,最大值出现在变色初期。叶色参数a值与光合色素含量呈显著负相关,与花色素苷、可溶性糖含量呈显著正相关;b值与类黄酮含量呈显著正相关;而明度参数L值与各生理指标均无显著相关性。【结论】影响北美红枫叶片变红的主要因素是叶片光合色素、花色素苷和可溶性糖含量,类黄酮含量对叶片变红的贡献不大,而可溶性蛋白含量和POD活性对北美红枫叶片变红无直接影响。

基于Lab模型的4种日本彩叶枫的叶色分析及其色彩应用

基于Lab色彩模型对4种日本彩叶枫的一年生枝叶及多年生枝叶进行色彩变化分析,并探究其叶色变化在园林景观应用中的色彩影响,利用色彩心理学知识对其园林景观应用提出建议。结果得出:橙之梦及红舞姬的叶片尖端色彩更明亮,叶片的明暗变化更为突出。而卡苏及酒红鸡爪槭的色彩多浅淡,同一叶片的不同部位的色彩明度均较高,明暗变化较小,酒红鸡爪槭的色彩差异值最高。园林园艺工作者们应该在掌握色彩心理的基本原理下进行彩色植物的应用,在应用中要注意色彩明暗度的使用,把握彩色植物的使用比例,切忌大面积的使用,造成视觉冲击,产生视觉疲惫及心理焦虑。

Lab模型和MVT在黄粒米检测中的应用

本文提出了一套基于Lab模型和MVT的黄粒米自动检测系统。为了用色调来描述黄粒米的特征,提出了一套图像处理的算法。将大米图像从背景分离之后,将RGB模型转换为Lab颜色模型来提取色度特征,并将色度特征采用直方图进行统计。接着采用主分量分析法,将色度统计信息由256维向量降低到10维向量。以这10维向量为输入,用支持向量机进行分类。最后,经过训练得到最优分类函数,分类正确率达到98.5%。

复杂环境中蛋鸡识别及粘连分离方法研究

提出基于Lab颜色模型的蛋鸡与背景自动分割方法和基于极限腐蚀和凹点搜寻的粘连蛋鸡分离与计数算法。实验前期将通过计算机视觉系统获取的RGB图像转换成Lab图像,每张图像中均选取蛋鸡及最接近蛋鸡颜色的背景2个小样本区域,分别计算这两类区域在a、b分量的数学期望作为分割阈值。随后将采集的图像像素聚类于与a、b分割阈值的欧氏距离最小的区域,从而实现蛋鸡与背景区域的自动分割。针对经常出现的蛋鸡群聚造成蛋鸡个体之间相互粘连的情况,研究利用改进的极限腐蚀及凹点搜寻处理算法分离出独立的蛋鸡并正确计数。108幅蛋鸡图像识别结果表明,该算法能将蛋鸡个体从复杂背景中有效提取、计数和粘连分离,蛋鸡计数正确率为93.5%,综合分离正确率为89.8%。

数字舌图的舌色数据采集方法研究

目的:从临床医生的视角,探讨数字舌图的舌色数据的采集方法。方法:(1)对142幅淡红舌不同部位的舌色数据进行比较;(2)由临床医师进行舌色样本的数据采集,获得706幅不同舌色的Lab色度值。结果:(1)舌侧部位与舌尖、薄白苔、厚白苔、反光和阴影部位的舌色数据之间有统计学差异;(2)临床医生诊断的不同舌色,经色度值的比较具有统计学差异,在三维色彩空间中亦具有各自的分布范围。结论:由医生对数字舌图进行舌色样本的数据采集是准确分析舌色的重要保证。

基于K-means聚类法的茶叶嫩芽识别研究

以数码相机采集的茶叶图像为对象,研究茶叶嫩芽的识别方法。采用基于Lab颜色模型中a分量、b分量信息的K-means聚类法识别彩色图像中的茶叶嫩芽。对不同距离采集的茶叶图像,对比分析Ostu法(最大方差自动取阈法)和3个聚类中心的K-means聚类法的目标识别效果和识别效率。结果表明,Ostu法虽然可以完成嫩芽的识别,平均识别率在89%左右,但不能较好的保证分割后嫩芽的完整度。基Lab颜色模型和K-means聚类法的识别算法能较好的区分嫩芽和背景,平均识别率达到94%左右,且能较好的保证分割后嫩芽的完整度,为智能采摘技术研究提供技术支持和理论基础。

基于不同颜色空间的运动目标检测算法分析

视频图像运动目标检测是有效分类和跟踪运动物体的关键步骤。对于彩色图像,大多选择颜色特征作为运动目标的检测标准,而不同的颜色空间反映图像的信息不同。为此,本文分析了运动目标在多种颜色空间下的信息变化情况,以及不同色彩空间下的像素特征对目标检测算法性能的影响;比较了复杂背景环境下,基于不同颜色空间特征值的混合高斯模型算法的背景减除效果,以期为多种典型环境下颜色特征优选和算法优化提供理论基础和实践指导。实验结果表明:在RGB、YCrCb、HSV和Lab四种不同颜色空间中,基于Lab颜色空间的运动目标检测算法具有更高的检测率和更低的误检率,是一种能抗背景光干扰、适应能力较强、鲁棒性较好的检测算法。

绿色系栀子染料刷染工艺及显色特征

采用传统民间刷染工艺,以染液配置、助剂种类、刷染次数为被试变量,应用Lab色彩模型,分析栀子、靛蓝染液绿色系刷染色域的色彩变化规律与色样染色牢度。实验结果表明,3种变量的差异均可对栀子刷染绿色的明度、纯度、色调产生影响,且刷染色样的耐日晒牢度、沾色牢度较优,变色牢度较差。

嵌入式智能解魔方机器人设计

解魔方机器人以Cortex-A9处理器为核心,通过控制执行机构采集魔方6个面色块信息并识别,运行解算法控制机械臂复原魔方。处理器通过PWM波控制舵机系统来转动魔方面,利用OV5640摄像头采集魔方各面颜色,创新性地采用Lab模型+KNN算法进行魔方面颜色识别。结合Kociemba算法步数与计算时间综合指标进行算法优化,得到解魔方还原指令,最后配合执行机构,快速且准确复原魔方。实验观测,解魔方机器人颜色处理采用Lab模型+KNN算法可以获得近似于100%的准确率,采集并识别魔方6面时间约14 s以内。机器人计算解魔方算法设定21步以内时,运算时间小于0.5 s。最后对10组不同打乱状态魔方进行还原。实验结果表明,基于Cortex-A9嵌入式解魔方机器人在优化颜色识别与魔方还原算法后,可以在65 s内很好地完成任意打乱状态的魔方复原任务。

农产品自动检测中的常见颜色模型

颜色是表明物体性状的一个重要特征,在计算机视觉技术中有相当广泛的应用。由于颜色本身是一种主观感觉,所以为了将其量化,同时更适合人眼视觉系统,因此产生了各种颜色模型,相关的文献也相当多。为此,总结了目前用于计算机处理的常用颜色模型,将重要模型的计算公式一并列出,以便于在农产品自动检测时能够依据系统来选择一个合适的颜色模型。

智能工厂下基于AGV的路径识别与检测

为解决智能工厂中自动导引车(AGV)路径识别算法在光照不均匀、路径污染等情况下表现效果不佳的问题,提出了一种改进的KSW熵法提高路径提取效果。首先,采用LAB颜色模型对输入图像的颜色向量进行空间转换,并选取纹理及光照对路径影响最小的颜色通道作为阈值分割样本;其次,利用KSW熵法获取图像分割阈值,并结合改进的p-tile算法获取最优路径提取效果。同时,本文提出将Sobel算子的水平方向与垂直方向的边缘数据进行融合,从而降低算法的计算复杂度,并利用滑动窗口算法动态搜索边缘特征点确定AGV的行驶路径。实验结果表明:本文算法实现了路径图像在光照及污染情况下的准确提取,并且提高了路径检测的实时性与鲁棒性。