基于遗传算法的图像彩色化方法

为解决传统的彩色化算法中效果不佳、速度慢等问题,提出一种基于遗传算法的图像彩色化方法。该方法先产生初始种群,将源图像块和目标图像块的亮度特征以及Tamura纹理特征构成适应度函数,初始种群经过选择、交叉和变异等操作逐代进化后,将源图像块的颜色转移到匹配的目标图像块中,得到最终的彩色化图像。实验结果表明,与其他彩色化方法相比,该方法能在缩短运行时间的同时,有效提高彩色化质量。

多种搜索算法在医学图片彩色迁移上的应用与分析

通过对真彩图像与灰色MRI(核磁共振图像)切片在亮度及纹理等特征上进行配准而实现灰度MRI切片的彩色化,可以得到有效的符合真实人体器官组织的真彩仿真图片。对多种搜索算法如穷举法、随机法、粒子群算法和遗传算法与点邻域亮度分布纹理和局部颜色结构分布相结合并应用于Welsh图像彩色化的算法进行研究和分析。着重分析和修正遗传算法在Welsh彩色化上的应用。该算法将源图像块和目标图像块的亮度特征以及纹理特征构成适应度函数,并依据代数的增加而降低交叉和变异的概率以减少进化后期的跳跃性。其搜索的彩色特征种群经过选择、交叉和变异等操作后逐代进化而得到最终彩色化图像点。最终彩色化的MRI切片的三维重构模型能多层次清晰地反映器官组织的分布和构造。

基于GHM多小波与自适应颜色迁移的信息隐藏算法研究

文章利用GHM多小波一阶变换后最低分辨率子图的4个分量能量分布特性以及自适应颜色迁移理论中lαβ域对颜色的控制力和自适应颜色迁移公式对象素的修改能力,提出基于GHM多小波变换和自适应颜色迁移理论的信息隐藏算法。算法在LL2中嵌入鲁棒参数,以RAID4方式在LH2和HL2中嵌入隐藏信息,在HH2中嵌入脆弱性标识。算法应用Chebyshev混沌映射和遗传算法改变嵌入信息顺序,提高了信息与载体一致性。实验表明,算法的不可见性平均提高24.43%,鲁棒性提高19.25%以上,且感知篡改能力敏锐。

基于多维特征向量及ANN技术的色彩传递算法

灰度图像色彩传递可以实现对灰度图像的自动上色处理。分析了目前色彩传递的经典算法——Welsh算法,指出了该算法存在的两大不足之处,提出了一种包含高频纹理信息的向量式像素点描述方式,并结合最近邻域搜索算法(ANN),提出了一种新的色彩传递算法,弥补了传统算法的不足,使灰度图像的彩色化效果有了较大改进。

VC图像色彩传递系统设计

针对传统算法在图像色彩传递中存在的问题,设计了基于改进Reinhard算法的图像色彩传递系统.系统首先将源图像和参考图像的色彩空间进行转换;其次利用otsu算法进行图像前景和背景的分割,同时找出源图像和参考图像的均匀区域并建立对应关系;最后采用递归算法得出足够小的区域后进行色彩传递.选取2幅图像进行3组实验后可发现,采用改进后的算法对图像的色彩传递更自然、色彩更均匀,验证了系统的可行性和实用性.

人脸肤色检测与编辑

可靠而准确的提取脸部皮肤是皮肤检测中关键而又紧迫的问题,为了解决这一问题,提出一种结合人脸对齐技术和高斯混合模型GMM(Gaussian mixture Model)来实现人脸皮肤检测。利用SCUT-FBP5500人脸数据库,利用SOM(Self-organizing Maps)与Kmeans结合的聚类方法对其中9对人脸脸型特征进行聚类处理,利用ResNet50进行人脸颜值打分预测,利用基于Lab空间的颜色移植算法对人脸肤色进行迁移编辑操作,事实证明方法是有一定效果的。

基于标准肤色的人脸图像纹理合成与三维重建应用

本文提出一种基于单幅人脸图像并结合标准肤色的人脸图像纹理合成和三维重建算法.首先,利用ASM算法提取人脸特征点,并通过基于局部线性嵌入算法的编辑传播实现颜色转换,使图像人脸色调与三维人脸模型标准肤色一致.接着,将人脸图像五官区域与标准肤色图进行泊松融合,并考虑眉毛遮挡情况,利用人脸对称性或眉毛模板还原眉毛.尤其对于半遮挡眉毛,采用Li模型和角点检测相结合的方法重建眉毛轮廓,得到最终人脸纹理图.最后通过纹理映射将人脸纹理图映射到三维人脸模型上,得到较好的个性化三维人脸重建效果.实验表明,本文算法能够适用于不同复杂背景和光照条件下拍摄的人脸图像,具有较快的处理速度,能够应用于人脸实时重建产品中.

基于感兴趣区域的图像非真实感绘制算法

针对图像非真实感绘制(NPR)算法和感兴趣区域(ROI)提取算法的不足,提出一种基于ROI的图像NPR算法。该算法利用Mean-Shift算法实现图像的NPR效果,结合图像的ROI解决传统算法时间效率不高的问题,应用色彩传递的方法对图像自动进行色彩添加和变更,以改善视觉效果。实验结果表明,该算法具有良好的艺术效果,能有效提高算法效率。

Lab分通道直方图的彩色图像分割算法及应用

本文针对传统灰度直方图分割法未综合考虑图像色度及纹理特征、对灰度差异不明显或灰度范围重叠的图像出现过分割或欠分割等问题,提出一种新的基于Lab分通道直方图的彩色图像分割算法,引入具有序列不相关性的亮度L通道、红绿a通道及蓝黄b通道3种分割依据,通过Newton插值法进行拟合运算,可针对不同亮度、色度属性图像进行自由选择,并运用邻域灰度值相匹配原则解决相邻目标区域边缘像素的准确匹配问题,分局部、分形态、分区域实现图像中不同目标的提取。经验证,该法对区域亮度差异较大图像及区域色度差异显著于亮度差异图像的分割效果,均优于传统灰度直方图分割法,极大提升了直方图分割算法的适用性。将其与经典Reinhard色彩迁移算法结合,将源图像感兴趣目标区域经分通道分割后分别进行色彩迁移变换,较好解决了经典Reinhard算法对图像非目标区域的干扰、色彩误传及阶调层次损失严重等问题,突破传统迁移算法只能整体着色的局限性,实现分区域精准着色。

基于分通道自适应匹配的梯度保持色彩迁移算法

本文针对经典Welsh与Reinhard算法进行改进,提出一种基于分通道自适应匹配的梯度保持色彩迁移算法。引入L、a、b三通道作为匹配依据,因通道间的序列不相关,对单一通道进行处理时不会影响到另外两通道,消除了RGB颜色模式中单一目标区域易受多通道影响的弊端;对整体灰度值相近的图像,将色度均值差异最大的待处理区与背景区通道及参考图像对应通道进行自适应匹配,解决了Welsh算法对灰度差异小或灰度范围重叠的彩色源图像分级易造成误判的问题。然后引入梯度因子,同参考图像与源图像标准差比值作加权运算,将结果作为本文改进迁移算法的缩放比例系数,对匹配到的每组像素采用保持梯度的色彩迁移算法进行着色,避免了Reinhard算法易出现色彩细节信息丢失、阶调间过渡不自然等问题。实验证明,本文改进算法所得目标图像的彩色化效果均优于经典Welsh与Reinhard算法,极大提升了色彩迁移算法的灵活性与适用性。

基于深度学习与狮群SVM算法的遥感场景分类

针对高分辨遥感图像样本量小,以及传统优化支持向量机(SVM)算法易陷入局部最优解、寻优速度慢等问题,提出一种基于深度迁移学习与狮群优化SVM(LSO-SVM)算法对遥感图像场景进行分类.首先,通过自适应对比度增强图像后利用颜色聚合向量提取图像颜色特征;其次,利用3种预训练网络分别提取图像的迁移学习深度特征;最后,将手工提取的图像特征与用3种预训练网络获取的特征使用系列特征融合方法进行融合,并将其输入LSO-SVM进行图像场景分类.结果表明,该算法解决了小样本情况下深度学习较难训练及传统优化SVM算法易陷入局部最优解、寻优速度慢的问题.在80%的训练条件下,数据集UCM Land-Use和RSSCN7的分类精度分别达到99.52%和98.57%.

基于改进Retinex算法增强夜视融合图像的颜色传递

颜色传递是获得夜视图像自然彩色的一种方法。本文利用颜色传递技术得到红外与微光融合图像的自然彩色,在采用匹配邻域亮度均值和标准差颜色传递算法的基础上,提出了通过增强夜视融合图像的亮度-对比度来提高匹配精度,减小传统算法中由于亮度接近导致在颜色传递过程中的误传现象。首先利用像素平均法将红外和微光图像进行灰度融合;然后采用提出的改进多尺度Retinex增强算法将融合图像进行增强;最后在YCbCr颜色空间匹配灰度融合图像与参考彩色图像亮度的均值和标准差,应用颜色传递技术得到彩色夜视图像。实验结果表明,本文采用改进的多尺度Retinex算法使融合图像的亮度-对比度得到显著的提升,经过颜色传递后得到的彩色图像纹理细节清晰,目标背景对比度高,具有和参考图像相近的真彩色。