YUV颜色空间和图论切割的阴影去除算法

针对智能视频监控系统中阴影常由于其自身的属性而被错误地检测成前景目标的问题,提出了一种YUV颜色空间和图切割算法相结合检测阴影的新方法.首先,在获取的前景运动区域中综合考虑YUV颜色空间的亮度和色度信息来检测阴影区域并融合形态学滤波等操作得到确定的阴影和目标种子点,然后进一步通过图切割算法获得阴影与目标的优化分割,以提高阴影区域的检测精度.实验证明,该方法能有效地检测并去除视频监控场景中运动物体所携带的阴影.

一种基于HSI和YUV颜色模型的车牌定位方法

车牌定位是整个车牌识别模块实现的前提。针对车辆图像车牌位置定位不准等问题,采用HSI和YUV颜色模型,根据每个像素S值的分布,动态决定选用H值还是Y值,并经过水平垂直投影技术对车牌区域进行定位分割。实验表明,该方法提高了定位的精确性,克服了光照的影响和单一颜色空间的不足。

基于YUV颜色模型的番茄收获机器人图像分割方法

在研究番茄收获机器人对目标图像分割识别时,经常由于采集的图像受光照影响以及分割识别算法的计算复杂性而影响到识别的准确性和实时性。通过比较RGB、HSI、YUV等颜色模型的特点,从理论上分析了YUV颜色模型应用于收获机器人视觉系统的可行性,提出了一种基于YUV颜色模型的成熟番茄分割方法。同时综合实验及经验确定了成熟的红色番茄在RGB、HSI、YUV颜色模型中阈值范围,采用直接确定色差阈值的双阈值分割算法识别成熟番茄,并对3种颜色模型在不同的光照条件下的分割识别效果进行实验对比。实验结果证实,将基于YUV颜色模型成熟番茄分割方法应用于番茄收获机器人视觉识别系统,能很好地解决其鲁棒性和实时性问题。

YUV-KL变换在人脸肤色检测中的应用

将常用于人脸肤色检测的YUV色彩空间与KL变换相结合 ,提出了一种基于YUV KL变换的肤色检测算法 ,并将它和其他常用的色彩空间检测效果进行对比 ,指出了这种变换的优势 。

基于YUV与小波变换的可见光与红外图像融合

可见光CCD传感器在夜间强光环境下拍摄易产生晕光现象,通过对可见光与红外传感器获得的图像进行融合可以解决这一问题.本文提出一种基于YUV彩色空间与小波变换结合的融合方法.首先采用仿射变换对可见光图像进行配准,将配准后图像转换到YUV空间,再将Y分量与红外灰度图像采用小波融合方法得到Y′分量,最后将Y′UV转换到RGB,从而得到融合图像.通过与YUV彩色空间变换、小波变换融合方法所得到的融合图像比较,结果表明,本文提出的方法获得的图像清晰度有所改善,比小波融合的方法处理速度更快.

一种基于YUV颜色空间的新码书模型

为了有效消除复杂动态背景对运动物体检测的影响,引入了前后景区分能力较强的YUV颜色空间,基于此空间提出了一种新的码书模型,有效地减少了伪目标的检测。新码书模型采用六元素码字、新的码字学习和更新策略,实现较前人九元素码字和八元素码字有更快的训练速度和更低的存储空间。实验结果表明,即使背景存在运动和光照条件发生变化,算法也能更有效地检测运动目标。

基于SSE2的YUV与RGB色彩空间转换

视频处理中需要完成从YUV色彩空间到RGB色彩空间的转换。通过分析YUV格式与RGB格式间的转换算法,提出使用整形计算替代浮点运算,利用整除256对应右移八位操作,提高运算速度。结合使用Intel单指令多数据扩展指令集SSE2技术进行算法优化后,显著提高格式转换运算的效率。实验结果表明,采用此技术可以提高25倍以上的运算速度,在视频处理中具有很好的应用性。

基于YUV颜色空间的图像去雾算法

针对有雾天气条件下,获得的图像严重降质问题,提出一种基于YUV颜色空间的快速图像去雾算法。该算法以大气散射模型为基础,利用YUV颜色模型提取出有雾图像的亮度分量,对此亮度分量图像进行高斯滤波后得到散射光;求出有雾图像的最大亮度值作为大气光,进而求得清晰的无雾图像。实验结果表明,该算法不仅有效地提高了降质图像的质量,而且处理速度快,能很好地保持图像的细节。

基于YUV空间和边缘能量的车牌检测方法

针对复杂背景,提出了一种新的方法来检测车辆牌照。首先,将图像由RGB颜色空间转换到YUV颜色空间,因为车牌通常在尾灯附近一定范围内,所以利用V分量探测后车灯,再根据先验知识确定车牌的候选区域。接着,在这个区域内,利用Sobel算子获取图像垂直边缘,并采用一种新的边缘能量图方法进行处理,在垂直与水平方向分别确定两个点从而以此作为矩形的顶点来检测车牌。实验结果表明,该算法检测车牌的准确率为93%,运算时间约为0.21秒,可以克服复杂背景的影响,实现实时及准确性能。

YUV空间的彩色图像HDR合成算法

RGB空间的高动态范围(HDR)彩色图像合成算法存在颜色失真和计算耗时的问题。为此,提出一种YUV空间的彩色图像HDR合成算法。利用多幅不同曝光度的普通数字图像,通过计算机高速运算对彩色图像进行HDR合成。实验结果表明,该算法的合成图像质量较高、计算速度较快。

一种基于YUV彩色空间的运动车辆阴影消除方法

采用一种基于YUV彩色空间的方法来检测并消除交通视频图像序列中的运动车辆的投射阴影。通过对前景运动区域像素的亮度、色度和梯度密度的计算,得到一个阴影判断函数。利用阴影判断函数并结合边缘检测在前景运动区域中检测和消除车辆的投射阴影。

YUV与RGB之间的转换

首先对色彩空间作了简要的介绍,分别介绍了各种色彩空间的原理、YUV格式以及YUV与RGB的关系,并且给出了换算公式,将YUV的色彩空间与RGB的色彩空间的大小进行了比较。最后介绍了YUV的部分取样原理,并分别将YUV444、YUV422、YUV411和YUV420这四种取样方式进行了比较。

利用YUV颜色空间和纹理特性消除车辆阴影

车辆视频检测中的阴影消除通常可利用图像的颜色特性或纹理特性来进行。如果只用其中一种方法,效果不是很理想。提出了同时利用YUV颜色空间的Y、U、V三个分量和图像纹理特性进行阴影消除的方法。首先利用Y UV颜色空间中的YUV分量用亮度比及颜色不变性的方法消除运动区域中的阴影;然后再利用图像的纹理特性对图像进行阴影消除;最后对两种方法的检测结果进行融合,达到了更好的消除效果。

一种基于YUV色彩空间的阴影检测方法

针对计算机视觉处理系统中,阴影会严重影响到对目标的跟踪、识别和图像场景的理解的问题,提出了一种基于YUV色彩空间的阴影检测方法并给出了与不同色彩空间的实验对比结果.该算法将分割出的运动目标与背景在亮度和色度进行对比,从而区分出运动目标和运动阴影.实验证明,与其他的阴影检测的算法相比,该方法具有更高的准确性和更快的检测速度.

基于YUV颜色空间与局部纹理的运动阴影去除

提出一种视频监控中运动目标的运动阴影去除算法。该方法使用混合高斯背景建模初步得到运动目标区域,在此基础上利用阴影区域的色度、亮度信息与背景的差异,与局部二值纹理模式LBP(Local Binary Pattern)思想相或的方法来消除运动阴影,接着使用形态学的方法去除像素突变的边缘部分。实验结果表明,该方法可以很好地保留前景图像。

计算机系统中的YUV

简要介绍ＹＵＶ色彩空间、取样原理、ＹＵＶ格式以及与ＲＧＢ的关系。

基于YUV颜色空间GAN网络的图像去雾算法研究

针对目前单幅图像去雾算法存在有色差,去雾效果不理想等问题,提出了一种基于YUV颜色空间的单幅图像去雾算法。该方法应用了GAN图像着色任务的思想,从正向的角度对雾霾图像实现重新上色。将雾霾图像转换至YUV颜色空间,在Y通道采用密集残差模块采集图片的亮度特征,根据特征对雾霾图像的亮度信息进行调整,降低雾霾对图像的影响。在UV通道上采用4个残差模块对图像颜色信息进行多次提取,根据提取的颜色信息通过模型预测对图像进行重上色。采用包含跳跃连接结构的特征融合网络将底层特征与高层特征进行融合,在融合过程中加入注意力模块以实现更加精细的去雾。实验结果表明,该算法在合成雾霾图像数据集上,RMSE,SSIM和PSNR 3种指标均达到了较高的水平,在真实雾霾图像上,对浓雾和薄雾图像均表现出了优异的去雾效果,具有良好的稳定性。

基于YUV彩色空间的彩色形态变换

提出了基于YUV彩色系统的形态变换.首先提出两个基本彩色形态变换,即彩色形态腐蚀和膨胀,然后构造了基本的彩色形态滤波器,即彩色形态开和彩色形态闭.进而提出了复合彩色形态变换、彩色形态边缘.彩色形态变换作为数学形态学方法在彩色空间的延拓,能应用于彩色图像处理、图像编码和目标形状特征提取等.

YUV色彩空间下基于Curvelet变换的图像融合

提出一种在YUV色彩空间下基于二代Curvelet变换融合红外和可见光图像的算法。该算法将可见光图像转换到YUV色彩空间,然后提取其亮度分量Y和红外图像进行基于Curvelet变换的融合。对实验结果进行主客观分析,表明本算法较RGB色彩空间下的算法更好地保留了原图的色彩信息,较小波变换算法更多地保留了原图的有用信息,提高了融合图像的视觉效果。

一种结合YUV色彩空间和纹理的阴影检测

在传统的智能检测算法中目标检测时,往往阴影和需要被检测的物体一起检测出来,这样会给后续的处理带来诸多的不便,而且易造成较高的虚警率。该文提出了一种结合YUV色彩空间和纹理特征的阴影检测,可以提高阴影检测的稳定性,进而很好的完成阴影检测,达到了实际应用的需求。