基于YIQ颜色空间的火焰轮廓提取算法

为了能准确地分割图片中的火焰区域和背景区域并精准的提取火焰轮廓,本文提出基于YIQ颜色空间的火焰轮廓提取方法.该方法利用火焰的颜色和亮度特征,通过大量实验观察,在YIQ颜色空间,先获取Y、I分量的像素均值,再运用迭代法和灰度直方图法分别得到Y分量及I分量的最佳阈值,然后结合二者的均值对阈值进行取向处理,最后运用canny算子对得到的二值图进行轮廓提取.实验结果表明本文算法火焰分割精确度高,提取轮廓清晰,时间复杂度也得到很大改善.

利用颜色信息的人脸检测方法

提出一种利用颜色信息的人脸检测方法 .首先把输入的彩色图像从 RGB转换到 YIQ颜色空间 ,提取与人的肤色相关的 I分量图像 ,通过对整幅 I分量图像进行尺度变化和窗口扫描 ,解决待测人脸的位置、大小不同问题 ,实现平移不变和尺度不变 .然后对 I分量图像进行门限化处理 ,提取 I分量图像中可能包含人脸的接近人的肤色的区域 .最后把经过肤色区域滤波的灰度图像作为特征送入训练好的神经网络 ,由神经网络判别该图像是否一张人脸 .实验表明 。

基于颜色和形态的标准人像分割方法

本文提出了一种利用颜色和形态的人像分割方法。首先把彩色图像从RGB转换到YIQ颜色空间，提取与人像相关的Ⅰ分量图像，通过对整幅Ⅰ分量图像进行扫描，确定人像的位置和边缘，然后对Ⅰ分量图像进行阈值化处理，提取Ⅰ分量图像中的人像区域。最后，利用形态运算得到完整的人像区域二值化图，从而实现人像与背景的完全分割。实验证明，该方法能有效地分割彩色图像中的人像匹配。

视频微小运动放大的加速方法

通过放大视频中的微小运动,可以展现一些肉眼不可见的运动信息。原始欧拉视频放大技术(EVM方法)将输入的视频由RGB颜色空间转换为YIQ颜色空间,对视频的YIQ三个通道进行运动放大处理,这样的处理过程十分耗时。在原方法的基础上,分别提出了基于RGB颜色空间和基于Y通道的运动放大加速方法。将Y通道方法、RGB方法和EVM方法进行实验对比,结果表明:RGB方法相对EVM方法在处理速度方面有所提升,但是运动放大效果差别较大;Y通道方法相对于EVM方法在处理速度方面得到了明显的提升,而且在放大效果方面基本保持一致。

一种基于人类视觉系统的彩色图像水印算法

将彩色载体图像在YIQ空间的Y分量进行三级小波分解,将空域的水印信息的高低位分段处理,并用伪随机序列与水印信息各位分别异或进行加密,按照人类视觉特性分别以不同的权重嵌入载体图像的频域中.实验结果表明,在面对大信息量的彩色水印信息时,使用这种方法嵌入的水印信息具有良好的不可见性和安全性,同时鲁棒性良好,能够抵挡常见的滤波、剪切、加噪声及压缩等攻击方式.

一种基于无下采样Contourlet变换的多聚焦彩色图像融合算法

提出了一种基于无下采样Contourlet变换和YIQ颜色空间的多聚焦彩色图像融合算法。对变换得到的高低频分量,根据各自的物理意义采用不同的融合规则进行融合处理,其中对高频分量的Y分量采用基于区域绝对值的融合规则,对I、Q分量采用改进的区域对比度融合规则。通过实验验证了这种改进算法的可行性、有效性和稳定性。

Contourlet-SVD域的YIQ彩色图像全息水印算法

选取YIQ域的颜色空间将共轭对称扩展傅立叶数字全息技术与Contourlet-SVD域进行结合,提出一种基于YIQ和Contourlet-SVD域的彩色图像全息水印算法。由于在RGB图像的任一分量嵌入水印对视觉影响较大,所以选择将RGB图像转换成YIQ域的颜色空间,选取亮度分量Y进行2层Contourlet变换,在得到的细节子带中选取低频系数进行SVD奇异值分解,将对水印图像进行共轭对称扩展傅立叶数字全息方法所生成得水印信息隐藏。最后的实验结果表明,该算法可以保证水印嵌入足量的基础上,确保了水印信息的较强抵抗能力。该算法对高斯噪声、JPEG压缩攻击的鲁棒性较强,NC值均达到0.91以上。

基于行宽的玉米行间杂草识别算法

为精确识别和定位玉米行间杂草,满足基于机器视觉的变量施药系统喷施要求,提出了一种基于行宽的多行玉米行间杂草识别算法。该算法以垂直拍摄的3叶期3行玉米田间图像为研究对象,利用YIQ颜色空间中的Q分量灰度化田间彩色图像,以降低自然光源对图像的影响;通过建立实际田间玉米行宽与图像玉米行宽的映射关系,将3叶期玉米行的宽度映射到对应图像中,并确定基于识别率和运算速度的覆盖范围;以具有一定宽度的玉米行作为识别基准,减小未连通叶片区域的误识别率,提高对杂草识别的精度。从识别精度和速度2方面与基于作物行中心线识别算法进行了对比。研究结果表明,对于3叶期3行玉米田间图像,杂草正确识别率可达89.2%,速度为197ms。本算法有效地提高了行间杂草识别的精度和速度,能够初步满足基于机器视觉的变量施药系统对大田玉米多行喷施的工作要求。