基于HSV与YCrCb颜色空间进行肤色检测的研究

对肤色检测所适用的颜色空间进行研究,通过对比HSV和YCrCb颜色空间进行肤色识别的受亮度影响的程度,通过数据得出哪一种颜色空间更加适合进行肤色检测。

海计算模式下的森林火焰识别算法

针对依靠单一色彩空间的视频检测森林防火算法中存在低准确率的问题以及视频检测森林防火算法中存在的高耗时问题,提出海计算模式下基于YCrCb色彩空间和火焰频率的视频森林火焰识别算法。在森林中部署的无线传感网的传感器端节点捕获视频图像;把图像的RGB色彩空间转换为YCrCb色彩空间,提取火焰疑似区域;通过计算视频中相邻两帧相关性系数,进行离散傅里叶变换得到火焰疑似区域的相关性系数频率,以此判断视频中是否存在火焰。该算法可以在传感器端节点实现火焰的判断。实验结果表明,该算法在准确率略微下降的情况下,大幅降低了能耗。

视频图像快速去雾系统设计

针对雾天视频图像退化严重的现象,使用TMS320DM6437处理器及其外围电路,研制了一种视频图像快速去雾系统;利用大气物理模型建立基于YCr Cb空间的去雾模型,通过简单的数学推导和均值滤波算法,并利用查表法提高计算效率,实现视频图像的快速去雾;通过实验论证和结果分析,得出该系统具有自动化程度高,鲁棒性强,实时性好等特点,可以处理各种不良成像条件下的视频图像,对于720×576分辨率的视频图像,处理速率可以达到50帧/s,满足工程应用的要求。

基于Real AdaBoost算法的肤色分割方法

提出了一种基于Real AdaBoost算法构造的肤色置信度分类器及动态阈值相结合的肤色分割方法。根据肤色在YCrCb色度空间的聚类性,通过大量肤色和非肤色样本用Real AdaBoost训练一族查找表(LUT)型圆形弱分类器,组成一个能输出连续置信度的强分类器,利用肤色强分类器计算图像中像素的肤色相似度,最后用大津法确定阈值对肤色相似图进行二值分割。实验表明,该方法能较好地描述肤色分布,误检率低,鲁棒性好。

基于AdaBoost的肤色检测新方法

本文针对肤色检测问题,提出了一种利用AdaBoost方法构造分类器进行肤色检测的算法。根据肤色在色度空间内的聚类性,通过大量肤色和非肤色样本将一族弱学习算法通过一定规则训练成一个强学习算法,得到一个检测性能优异的肤色检测分类器。提出了用圆形分类器作为弱分类器描述色度空间中的肤色分布,将AdaBoost学习算法用于肤色的聚类分析中。实验表明,该方法误检率低、鲁棒性好,对肤色检测问题有较强的实用性。

基于RBF神经网络的彩色图像盲水印算法

利用径向基函数神经网络(radial basis function,RBF)把水印嵌入到彩色图像的DCT(discrete cosine transform)域.首先把原始图像从RGB空间变换到YCrCb颜色空间,使得水印的嵌入更加符合人的视觉特性;然后将色度分量(CrCb)进行二维DCT变换,将水印通过量化的方式嵌入到CrCb的直流成分中,以提高水印的不可见性和鲁棒性;嵌入水印的时候,使用密钥来控制水印在图像的嵌入位置,来增强水印的安全性;最后,利用RBF来训练模拟量化的逆过程,借助训练得到的RBF神经网络来完成嵌入和提取水印,进一步提高水印鲁棒性.仿真试验表明该方法在保证了很好的不可见性的同时,使水印对于常见的图像水印攻击都具有良好的鲁棒性.

基于ARM的hough圆优化的苹果识别算法

以三星EXYNOS4412为主控芯片,通过ARM驱动USB摄像头,调用Linux下的V4L2编程接口动态采集图像;结合采集到图像数据的特性和苹果的颜色特征,在YCrCb色彩空间下,提取Cr通道数据;通过动态阈值分割算法进行图像阈值分割结合优化的hough圆变换算法,实时识别出采集到的图像中的苹果。

基于无人机图像比对的违章建筑检测方法

针对当前违章建筑图像识别和图像变化检测中存在的误检、漏检等问题,提出了一套基于无人机图像比对的违章建筑检测方法,创新性地采用YCrCb颜色空间三分量分别进行差分运算和阈值化处理,结合图像分类算法排除非施工活动引起的图像变化,通过结构相似性检测,对新旧时相变化区域相似度进行评估,识别出在建违章建筑引起的图像变化区域.与目前主流的基于无人机图像的非单一类型违章建筑物检测方法相比,4032×3024分辨率图像的检测时间缩短40.9%至4.08 s,正确率提高15.3%达到86.3%且无漏检测.结果表明,本方法可有效、快速识别在建违章建筑区域,有利于城市管理人员及时发现并处理这些违章行为,从而提高城市管理的效率和响应速度.