基于YUV模型和Gabor滤波器的快速目标识别方法

为了满足移动机器人准确快速的目标识别要求,给出了一种基于YUV颜色模型和Gabor小波相结合的目标识别方法。该方法首先利用YUV色彩模型快速地对目标进行预识别,然后利用Gabor小波滤波器组对预识别后的结果进行精确识别。机器人对彩色足球的识别实验结果表明,该算法在准确识别目标的前提下,可以达到约12帧每秒的图像处理速度。

多路高清YUV视频GPU实时拼接研究

为提高高清视频拼接的实时性能,提出一种基于GPU的多路高清YUV视频实时拼接方法,推导出YUV422图像拼接中的透视模型,并结合计算统一设备架构技术,实现透视变换、无缝融合等关键拼接步骤在GPU上的并行优化。在4路1080p高清视频上的实验结果表明,相比基于RGB颜色模型的拼接方法,该方法的实时拼接性能在不同GPU架构上有20%~40%的提升,并且在GRX780上能达到33 frame/s的视频帧率。

基于YUV空间码本模型的运动检测

以YUV空间码本模型为基础,提出了一种融合码本聚类思想和信号能量分析思想的运动检测算法。先在YUV空间上进行码本建模,然后在码字训练阶段对每个进入码字的像素点的均值以及围绕均值波动的能量值进行统计,最后在前景检测阶段通过能量门限实现前景和背景的分割。实验结果表明,与以往的YUV码本模型相比,该算法除了具备快速实时和准确的特性外,对复杂背景环境中如晃动的树叶、水波和光线的突变等强干扰因素体现出更好的适应能力,并且在阴影的抑制方面也有较强的鲁棒性。

基于YUV颜色模型与导向滤波的图像去雾算法

针对去雾过程中容易出现色彩过饱和与偏色现象的问题,提出一种基于YUV颜色模型和导向滤波的图像去雾算法。首先分离出含雾图像的亮度分量,结合拉普拉斯锐化算子与导向滤波细化大气光幕,求得准确的透射率之后,对天空区域进行修正;其次根据光幕值的强度信息定位浓雾区域,将该区域平均值作为大气光的估计;最后对色度分量进行补偿,还原真实场景的色彩饱和度。实验结果表明,去雾后图像的边缘强度与颜色保真度得到大幅提升,信息熵、平均梯度和标准差客观评价参数均优于目前主流的算法。该算法去除雾气的效果显著,能满足图像视见度和细节清晰度的需求。

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。

一种融合地形阴影模型和YUV亮度分量的遥感图像反立体校正方法

遥感图像上所呈现出的山脊与沟谷颠倒的视觉效果被称为遥感图像反立体现象,该现象与人类的视觉习惯相冲突,从而严重干扰人们对遥感图像的目视判读.本文设计了一种YUV亮度分量乘法融合方法,其技术核心在于图像阴影区增强、地形夸张、地形阴影模型与YUV亮度分量相乘融合3个方面.实验表明,该方法充分考虑了山区图像具有深大阴影这一特征,由它得到的正立体图像立体感强、色调逼真、亮度均衡,其结果可广泛应用于地图导航、规划设计、资源监测等领域.

基于亮度和纹理特征的可见水印技术

数字水印是一种多媒体数字产品版权保护技术。分析了可见水印应具有的特性,提出了基于图像亮度和纹理特征的自适应可见水印方案。采用YUV颜色模型,只对Y分量水印嵌入,以同时适用于彩色或灰度图像。水印嵌入因子是由图像的局部亮度和纹理特征确定,可在满足水印特性的前提下,增加水印嵌入强度,提高水印鲁棒性。试验表明:嵌入水印的图像对中值滤波、有损压缩、加入随机噪声后再滤波等攻击性操作具有较强的鲁棒性,在保持灰度直方图分布基本不变的基础上更加平滑集中,说明水印和原图的统计特性较一致,想在不损坏图像使用质量的前提下,去除或毁坏图像中的可见水印是很困难的。

基于HSV颜色空间和Vibe算法的运动目标检测

Vibe算法运行速度较快,并能快速有效地抑制阴影、照相机晃动对前景检测造成的影响,具有较好的前景检测性能。但对于存在动态背景的户外视频,不可避免地存在背景干扰及噪声的影响,使得Vibe算法不能准确地检测出运动目标。针对此缺陷,提出颜色特征信息与Vibe相结合的改进算法,将像素点从RGB空间转换到HSV颜色空间进行颜色失真度比较,通过双模型的建立,有效减少了计算量。系列实验表明该方法能够取得更加准确的前景分割特性,对噪声干扰表现出良好的鲁棒性。

一种基于改进码本模型的快速运动检测算法

从视频序列中分割出运动目标是计算机视觉应用领域中一个基础和关键的任务.针对现有码本模型(codebook model)在RGB颜色空间下不能很好地契合其计算特性,且无法兼顾抗扰动能力和分割质量的问题,提出一种基于改进码本模型的快速运动检测算法.首先将像素从RGB空间转换到YUV空间来建立码本模型;然后单独对每个码字中的亮度分量进行单高斯建模,使得整个码本具有高斯混合模型(Gaussian mixture model)的特性.典型测试序列和扰动检测率(perturbation detection rate)曲线的对比实验表明,该算法是高效和实用的.

基于DM642的运动目标检测

提出了一种高斯混合背景模型和YUV色度空间相结合的运动目标检测算法。高斯混合模型对背景光线变化有较强的鲁棒性,且对背景中的周期性变化有较好的抑制作用,检测出的目标有较好的连通性;但其对于全局亮度的变化及噪声较为敏感,容易误判。为此选取对亮度变化不敏感的UV分量来进行运动目标检测,然后再和Y分量的高斯混合背景检测进行"与"运算,从而消除高斯模型的误检,最后针对运动目标的影子问题,采用基于垂直投影图的阴影消除算法除去影子。算法在DM642开发板上实现。实验结果表明,该算法能够实时精确地检测出运动目标,且对全局光照变化不敏感。

一种复杂背景下的手部图像分割方法

提出了一种复杂背景下的手部图像分割方法。首先,在YUV颜色空间建立了YUV肤色模型,再利用摄像机对背景持续观测一段时间,建立背景的统计模型,然后将两种模型结合,对当前手图像进行分割,最后对分割后的图像进行形态学滤波、空洞填充与中值滤波等处理得到最终分割的手势。实验结果表明,此种方法算法简单,分割效果好,非常适用于复杂背景的手势分割与识别。

基于亮度自适应色度空间模型肤色算法及应用

针对已有肤色算法对亮度信息考虑不足的缺点,在色度空间模型基础上提出了一种在彩色图像中检测肤色像素的新方法———基于亮度的自适应色度空间模型肤色算法。该方法综合了肤色像素在YUV、Y IQ色彩空间上的分布特征,根据图像亮度信息以及I值和UV的夹角值区分肌肤颜色,针对不同肤色选用不同阈值进行检测。实验证明,该方法对偏黄、黑色肌肤(亚洲、非洲人)和偏白色肌肤(欧美人)均有很好的检测效果,肤色像素检测的正确率达93.479 5%,误检率和检测时间相对变化不大,检测效果有明显提高。将此算法用于网络敏感图像过滤中,并设计了图像分类算法,结合网址过滤和关键词封锁技术构建敏感网页过滤器,克服了现有过滤软件算法的滞后性和对图片信息的局限性,基本实现了不影响网络运行条件下的网页的在线检测和分析功能。

结合背景更新和亮度范围的改进Codebook模型算法

传统的Codebook背景模型算法是在RGB颜色空间下建立的,该算法计算复杂、分割质量不高且抗扰动能力较差。首先利用YUV颜色空间下亮度与色度分离的特性,建立Codebook背景模型,其次针对背景模型的亮度范围定义不合理的问题,采用码本中码字的Y分量均值重新定义亮度范围,最后在运动目标检测过程中使用双层码本与短时滑动窗口相结合的背景更新方法提高抗干扰能力。实验表明,改进算法的亮度范围能够随背景变化不断更新。与传统的Codebook背景模型算法相比,该算法能够有效更新背景,同时提高检测的准确性。

一种自适应光照的肤色识别算法

提出了一种YUV色度空间和YIQ色度空间相结合的基于Gamma变换的自适应光照变化的肤色识别算法。实验证明,该算法无论是正常图像还是受光照影响的图像都能很好的提取出其中的肤色信息。

基于亮度的自适应色度空间模型肤色算法研究

肤色检测是人脸识别和敏感图像过滤等领域中的关键技术。针对已有肤色算法对亮度信息考虑不足的缺点,在色度空间模型基础上提出了一种在彩色图像中检测肤色像素的新方法——基于亮度的自适应色度空间模型肤色算法,该方法综合了肤色像素在YUV、YIQ色彩空间上的分布特征,并且可以根据图像亮度信息以及I值和UV的夹角值区分肌肤颜色,针对不同肤色选用不同阈值进行检测。实验证明该方法对偏黄、黑色肌肤(亚洲、非洲人)和偏白色肌肤(欧美人)均有很好的检测效果,肤色像素检测的正确率达93.4795%,误检率和检测时间相对变化不大,检测效果有明显提高。

光照改变预测的自适应码本模型算法

为解决传统的Codebook背景模型算法需设置的参数较多,存在光照变化自适应能力不足以及检测精度不高等问题,利用增加学习率的方法对背景模型进行自适应更新,使其适应不同的光照变化环境;对YUV颜色空间中的Codebook模型进行改进,减少经验参数的设置;在双层Codebook模型基础上,通过增加光照改变预测机制,判断当前像素与码字平均Y分量差值和阈值的大小,使背景模型更加准确。实验结果表明,该算法在光照变化的复杂环境下具有较好的检测率。

基于边缘检测与码本模型的运动目标检测算法

传统的码本模型能够快速完整地检测出运动目标,但检测出的运动目标边缘不准确;同时易受到阴影的干扰。针对这一问题,提出了基于边缘检测与码本模型的运动目标检测算法。该算法在码本模型提取运动目标的基础上,利用基于YUV色彩空间的阴影去除算法消除阴影获得一个运动目标图像;同时建立均值背景,然后对背景和当前图像进行Canny边缘检测和差分获得运动目标的边缘轮廓图像,然后利用形态学闭运算和连通性操作进行填充得到另一个运动目标图像,最后将两个运动目标检测图像进行"与运算"得到最终的运动目标。经过实验仿真,能够提取边缘轮廓准确和完整的运动目标,同时能有效地抑制噪声。

基于Codebook的视频火焰识别算法

为了提高视频火焰识别的准确度,提出了一种基于Codebook的火焰识别方法,创新地在YUV空间使用Codebook背景模型检测火焰区域,定期更新背景,综合火焰的动静态多特征进行火焰识别。首先,提取视频中的每一帧图像,利用原始图像中R、G、B三个分量间存在的线性关系作为颜色模型,初步提取火焰颜色区域;然后,为了利用YUV颜色空间的有利特性,将颜色空间从RGB转化到YUV,使用Codebook背景模型进行背景学习、背景差分,提取出具有火焰颜色的动态前景;最后,利用火焰面积变化率、区域重叠率、质心位移这3个特征来训练反向传播(BP)神经网络,通过训练好的神经网络判断视频图像是否存在火焰。选取相机位置以及方向固定的视频进行实验,所提算法在复杂的视频场景中的识别准确度达到96%以上。实验结果表明,所提算法有效提高识别的准确度,同时降低多种干扰物场景的误判率。

机器视觉在水稻空壳率统计中的应用研究

针对水稻空壳率的自动化检测问题,采用机器视觉技术,设计一种实验设备,利用稻谷的透光性,使用普通可见光照射,对获得的图像进行分析处理,并比较采用灰度特征以及YUV颜色模型两种方法进行统计的结果,表明该设备和相关图像处理算法完全可以胜任空壳率的自动统计工作,为后续发展实际的应用设备奠定基础。