基于Lab色彩空间的沙尘降质图像增强方法

针对沙尘天气导致的数字图像质量大幅下降问题,提出一种基于Lab色彩空间的沙尘降质图像增强方法。将沙尘图像增强分解为偏色校正与细节增强两个步骤处理。偏色校正部分包括去除色偏与亮度拉伸。首先对Lab与YUV色彩空间中的沙尘图像直方图偏移特点进行了分析,然后提出一种Lab空间偏色校正算法修正直方图偏移,并对初步去除偏色的图像进行亮度拉伸,提升图像对比度。在细节增强部分,引入一种基于饱和度估计透射率的去雾方法进一步增强图像细节信息。实验结果表明,相较于各对比算法,所提算法可以去除不同程度沙尘带来的色偏,且在面对中小型图像时具有最佳的时间性能表现。在量化指标方面,基于无参考感知的图像质量评估标准和基于熵的无参考图像质量评价标准分别提升了3.2%和10.7%。本文方法可以有效去除色偏,还原清晰图像。

基于Lab色彩空间和模板匹配的实时交通灯识别算法

交通灯的识别是无人驾驶汽车研究的一个重要方面,提出一种实时交通灯识别算法。首先对图像进行形态学预处理,然后对三种色彩的交通灯取样,利用交通灯在色彩方面的特征,在对红、黄、绿色彩描述更为清晰的Lab色彩空间,查找交通灯的候选区域。根据交通灯在结构上被一个黑色矩形框包围的特征,设计出三种交通灯模板,使用模板匹配对候选区域进行确认。最后使用统计方法对结果进行验证。实验结果表明,该算法能实时准确地识别出交通灯。

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色彩空间和色调映射的彩色图像增强算法

针对低照度图像对比度增强处理中的细节保留和色彩恒常问题,提出一种新颖的基于Lab色彩空间和色调映射的Retinex图像对比增强算法。首先,在Lab色彩空间中将一个低对比度的输入图像分解成亮度和色度分量,并使用自适应双边滤波估计照明的强度,以便根据亮度和颜色值来考虑合适的相邻像素。然后利用基于抛物线的色调映射函数来提高估计光照图像的对比度。最后,将加强的亮度和原始的色度结合在一起以产生一个增强的彩色输出图像。实验结果表明,所提算法通过减弱图像伪影增强了图像的细节和边缘结构,同时通过避免色彩偏移较好地保留了图像的自然度。

基于Lab色彩空间和ANN神经网络的车牌识别系统

针对目前车牌识别中车牌区域定位处理过程复杂、车牌字符准确率低等问题,本文采用Lab色彩空间识别结合传统sobel算子边缘检测的方法对车牌区域进行粗定位,再利用SVM模型进行精确定位。而在字符识别方面,本文利用ANN人工神经网络进行车牌字符识别,提高字符识别精度,经测试,该车牌系统对车牌区域识别定位准确,速度较快,字符识别准确度较高,具有较强的鲁棒性和实用性。

基于Lab色彩空间的自适应K-means图像分割方法

为了实现对不同图像的自适应分割,将Lab色彩空间和改进的自适应K-means聚类方法结合,设计出一种新的图像分割方法。首先将图像转到Lab色彩空间,获得了更宽阔的色域和更多的色彩表现;然后改进K-means算法,通过搜寻直方图波峰,能自动获取初始聚类中心位置和数量,实现自适应分割;最后使用新的图像分割方法与传统的分割方法进行对比实验,结果证明该方法分割效果更好,并能够较好地保留边缘轮廓。

Lab色彩空间的Retinex轮对踏面图像增强算法

针对货车轮对踏面检测中,由于低照度和雾霾环境产生的图像清晰度差、色彩失真问题,提出了一种基于Lab色彩空间的改进Retinex图像增强算法。该算法将RGB空间图像先转换为Lab色彩空间,然后保持图像色度分量a、b不变,仅对亮度分量L进行多尺度Retinex变换并根据L通道反射分量对a、b通道图像自适应调整,同时在亮度分量Retinex变换过程中将空间域高斯函数与图像的卷积运算转换为窗口无关快速均值滤波(FMF)算法处理,最后将Lab模型转换为RGB色彩空间,使增强后的图像颜色得到保持。实验结果表明,将改进算法应用于货车轮对踏面图像增强处理中,提高了图像色彩的保真度,增强了图像处理速度,为后续踏面图像检测分析打下了基础。

基于Lab均匀色彩空间的色彩调和系统

对计算机辅助色彩调和工具进行研究 ,分析了 Lab均匀色彩空间的特性 ,提出了可视化匀色空间的两种算法 ,对比其性能表现并进行了分析。根据孟赛尔色彩调和理论 ,构建了色彩调和的几何框架 ,通过调整几何框架的形状、位置、角度、匀色空间色点密度等参数 ,确定调和框架顶点和Lab均匀色彩空间的映射 ,最终获得调和的色彩设计方案。在此基础上开发了 CAID软件系统中的色彩调和工具 。

基于LAB色彩空间的自适应数字水印算法

文章针对彩色图像提出了一种基于LAB色彩空间的自适应数字水印算法。算法将预处理置乱后的水印嵌入LAB色彩空间的亮度L分量,在嵌入过程中根据人类视觉对LAB空间色差的要求自适应地调整嵌入强度因子,以达到平衡水印图像的鲁棒性和不可见性。实验结果表明该算法对常用的图像处理,如压缩、低通滤波、加噪、剪切、旋转和缩放等攻击具有较好的鲁棒性和不可见性。

Lab空间色彩分割在快速车牌定位中的应用

针对复杂环境下的车牌定位,提出了基于Lab空间色彩分割的快速车牌定位新方法:首先充分利用Lab空间色度分量a的红绿色特性去除红绿色干扰;再利用Lab空间色度分量b的蓝黄色特性,及蓝色和黄色数值的差别,提取出蓝色区域和黄色区域,为实现快速定位,把蓝色区域和黄色区域合并;最后通过纹理识别,一次性准确定位出蓝黄色车牌。实验结果证明,该车牌定位方法定位快速、准确。

融合模糊Histon阈值和FCM的Lab空间色彩分割算法

提出了一种简单有效的自适应无监督方法。在CIELab空间中利用模糊Histon阈值技术获得图像中所有可能的均匀区域,即通过寻找峰值,区域初始分割和区域颜色相似性合并,获得由聚类中心标注的均匀区域,提出自适应FCM聚类算法以提高均匀区域之间的紧密度,最终完成色彩分割。该算法已成功应用到伯克利图像库,相比当前一些无监督色彩分割算法,例如:Mean-Shift、NCuts取得了合理更好的划分,视觉上有效提取目标物体,具有一定鲁棒性。

基于Lab色彩空间改进的多尺度Retinex图像增强算法

为了提高低照度图像的质量,提出改进一种Lab色彩空间的图像增强算法。首先将待增强图像的色彩模式由RGB转换为Lab,仅对亮度分量L采用改善的多尺度Retinex增强处理,在Retinex增强算法中用引导滤波替代高斯滤波,使得亮度图像的边缘等细节信息有效地保留,再利用局部对比度自适应调整方法提高亮度图像的局部对比度,最后将Lab模式下的图像通过RGB色彩空间转换,使用颜色恢复函数对色彩进行复原处理,有效避免了色彩的失真。实验结果表明,该算法具有较好的图像增强效果、效率较高,同时具有颜色保真、抑制过度增强和能较好保留边缘细节信息等优点。

基于PCCS色彩体系和灰色关联分析的产品色彩设计方法

目的旨在帮助设计人员把握产品色彩属性与用户意象感知间潜在联系,提高产品色彩设计效率。方法采用多维统计及聚类分析获取PCCS色彩体系下的代表性色彩样本与语汇样本,并设置色彩语义量化实验获取色彩在各语汇尺度上的意象评值。以获取的评值量化数据为基础结合灰色关联分析,通过色彩转置在Lab均匀色彩空间中建立产品的色彩设计评价模型。结果以双色儿童玩具车为对象进行产品色彩设计实践,构建的色彩设计评价模型良好达成了产品色彩方案的用色筛选、确认及评价优选等目标。结论结合灰色关联分析,在PCCS色彩体系下构建的产品色彩设计评价模型能够有效提升产品方案的色彩设计效率,并对产品色彩方案的优选给出直观准确的参考标准。

西红柿采摘机器人视觉系统的目标提取

提出了基于色彩分通道法的果实目标提取方法。该方法是先将彩色图像在色彩空间中分解成多个单通道图像,再对每个通道图像进行分割,最后综合各通道结果得到彩色图像的整体分割结果。采用该方法对西红柿图像在Lab色彩空间下进行试验,结果表明此方法简单快速,得到的果实目标较清晰准确,可满足图像后续处理的需要。

基于BP神经网络的春夏女装流行色预测

应用科学的CIELab色度测量方法,对国内权威机构发布的2001—2011年度春夏女装流行色色卡进行量化,色卡量化样本分项统计和图表分析结果显示,春夏女装流行色属性存在不变、渐变与突变的三重特征。在此基础上,进行2011年春夏流行色色相、色调频数以及红色调L*、a*、b*对应的最小和最大值估计下色调分布的BP神经网络预测与检验以及2012年再预测。结果表明,2011年各项预测结果与实际流行趋势发布基本吻合,表明该方法能科学、全面、连续地预测流行色,丰富流行色预测理论。

纯色棉织物颜色的快速识别探讨

色彩是纺织品生产、销售的导向,也是评判纺织品是否受到消费者喜爱的一项重要指标。本文采用智能手机对11个纯色棉织物的颜色进行提取,并用MATLAB对提取的图像进行预处理,通过建立PANTONE色卡的标准颜色对比数据库,运用遍历算法将所提取的11个样品的颜色特征值转换到LAB色彩空间内进行颜色识别,并运用色差公式在LAB空间检验颜色识别结果,发现基本能够实现颜色的快速识别。

粉煤灰色度的定量表示及测定

基于R.S.Hunter提出的Lab空间色彩体系建立了粉煤灰颜色的定量表示方法。该方法可明确表示出粉煤灰色彩的色相、纯度、明度等色彩特征,且与目视观察的结果具有很好的一致性。使用色差计可以定量测定粉煤灰的Lab空间色彩体系的参数,这些参数可为粉煤灰色度评价和控制提供依据。介绍了粉煤灰色度的测定方法。

太阳黑子手绘图快速背景提取方法

太阳黑子手绘图是记录太阳黑子活动的传统方式,手绘图的数字化有利于数据的长期保存和研究,而背景提取是数字化过程中的一个关键问题。针对该问题,提出了一种基于Lab色彩空间的快速背景提取方法。首先,在Lab色彩空间中,对手绘图的a、b色彩分量进行K-means聚类。聚类结果表明,背景部分与手绘部分准确的分割为两类。对于大批量手绘图背景提取的情况,为加快提取速度,仅随机抽取部分手绘图进行聚类,再根据样本的聚类结果,运用最近质心分类器对其他手绘图进行背景提取。实验结果表明,此方法在保证提取准确性的前提下,极大地加快了提取速度,具有很好的鲁棒性。

彩色数字图像的版权保护

针对彩色数字图像的版权保护问题,提出了基于奇异值分解和离散的小波变换的彩色图像数字水印算法。算法将CIE-RGB色彩模式下的彩色图像转换到CIE-LAB色彩模式,然后将置乱后的水印嵌入到LAB色彩空间的L分量分块的小波分解低频系数的奇异值中。实验证明,该算法能够抵抗剪贴、拼贴、高斯噪声、JPEG压缩缩放、旋转等常用的图像处理的攻击,并且具有良好的不可见性和安全性。

基于K-means++聚类的胸环靶目标靶面的定位和提取算法

针对胸环靶靶纸的目标靶面的定位和提取,提出了基于K-means++聚类的靶面定位和提取算法。通过将图像从RGB色彩空间转换到Lab色彩空间中,使用手肘法确定分类数K,然后对a、b分量组成数据点集使用K-means++聚类对其进行分类。后续根据图像Lab色彩空间的a,b分量特征约束,结合形态学处理,提取各个分类的最大联通区域。最后在原图像上切割提取出目标靶面图像。本算法能准确地定位完整的靶面区域,对不同颜色的靶面和复杂环境有很强的适应性,适用于绝大多数的室外环境。