普通LCD显示器色域边界的准确计算

目前针对普通LCD显示器色域边界计算的研究较少,本文耦合迭代求解法和反向特征化计算方法提出一种准确快速计算普通LCD显示屏色域边界点的方法。其中的反向特征化计算方法是:利用GOG模型初步计算已知颜色点的近似输入值,然后利用正向特征化模型、原色的主刺激值与设备输入值的函数关系,采用逐步逼近法计算颜色点对应的输入值RGB。计算步骤为:首先确定迭代计算初始值,迭代计算任意色相面上任意仰角上的颜色的XYZ;然后计算XYZ值对应的输入值RGB;最后,以RGB来判断颜色点是否在色域边界上。实验结果表明,与SMGBD相比,本算法无需插值计算,需要的样本少,其计算结果比SMGBD更能满足实际需求。     

用神经网络校正微型颜色传感器颜色特性的方法研究

采用光学积分原理设计的光电色度仪器,由于其结构简单、测量速度快、成本低等优点已被广泛地应用在产品的色度检验控制过程中。基于微型颜色传感器的颜色测量仪器也属于光电色度类仪器,由于它不能完全模拟标准色度观察者和标准光源,即不能完全满足卢瑟(Luther)条件,所以其测量值RGB与三刺激值XYZ并不相等,且存在非线性关系。讨论了采用BP神经网络进行微型颜色传感器颜色特性校正的方法,其优点是对仪器的匹配滤色片要求较低,只要在测量软件中增加训练好的校正网络程序,就可以获得准确的颜色三刺激值。     

基于颜色和纹理特征的黄瓜果实图像分割

温室黄瓜的识别是黄瓜采摘机器人研究的重要环节,要解决此问题首先必须对采集的黄瓜图像进行分割。提出了一种结合颜色特征和纹理特征进行分割的方法。根据CIE-XYZ颜色模型及其色度图,在RGB模型中先通过颜色滤去不相关物体,然后利用灰度共生矩阵提取纹理特征,得到可区分果实和背景的两大纹理特征,即熵和能量,有效地解决了果实和背景颜色相似的识别问题。     

基于模糊距离和DS证据融合的清洁机器人定位设计

针对现有清洁机器人定位算法具有的定位精度不高且难以保证在线定位的实时性问题,设计了一种基于模糊距离和DS(DEMPSTER-SHAFER)证据融合的清洁机器人自定位算法。首先,对清洁机器人的总体结构进行了建模和分析,并对其进行硬件设计,为了实现清洁机器人的实时精确定位,采用DS证据数据融合方法对多传感器采集的数据进行有效数据融合,为了进一步提高其精确性,引入了模糊距离,定义当前传感器采集数据与理想结果之间的距离,根据距模糊距离的大小自适应地调大或减少传感器采集数据分配信度的权重,将加权信度作为新的信度进行融合得到最终的融合结果。在不同的场地中进行实际试验,对文中设计的清洁机器人进行实际定位,实验结果表明文中方法能有效地进行定位,较经典的DS证据融合和其它方法具有较高的定位精度,且具有较小的时间复杂度和空间复杂度, 具有较大的优越性。     

基于太赫兹光谱检测的危险品模糊识别研究

在采用太赫兹时域光谱(THz-TDS)技术对7种常见危险品进行实验研究并得到它们在0.2～2.6 THz频率范围的特征吸收谱的基础上,用模糊识别方法对7种常见危险品的太赫兹特征吸收谱进行了训练和识别。将爆炸物RDX(黑索金)、γ-HNIW、DNT(2,4-二硝基甲苯)及毒品MA(甲基苯丙胺)、氯胺酮等的不同特征吸收峰作为模糊聚类分析数据源,利用相关系数法建立模糊相似矩阵,借助传递闭包法获得模糊等价矩阵,形成标准太赫兹吸收光谱模型库,采用极差分析进行数据预处理,计算海明贴近度,识别待检物品为隐蔽在军服后的RDX和毒品MDA(替苯丙胺)。研究结果表明,由分子间相互作用或声子共振模式引起的不同特征吸收是确定危险品类型和种类的依据,用模糊识别可以实现对不同种类危险物品的识别和鉴定,为太赫兹光谱技术用于危险品的检测和识别提供了一种新的有效方法。     

基于二维直方图和模糊熵准则的阈值化方法

图像分割是图像分析、识别和理解的基础。图像分割主要是指将图像分成各具特性的区域并提取出感兴趣目标的技术,其研究多年来一直受到人们的高度重视;阈值化法是图像分割的一种重要方法,在图像处理与识别中广为应用;针对图像分割中细节往往被忽略导致后续处理困难的问题,基于模糊关系和最大模糊熵原理提出了一种阈值化方法,对二维直方图进行模糊分割;为了获得图像分割中的细节,提出的方法根据最大熵原则自动确定模糊区域和门限,进而获得二维模糊熵和遗传算法最优解,最后获得图像细节;通过对不同灰度水平和颜色类型图像进行实验比较,实验结果表明提出的方法优于二维非模糊方法和一维模糊熵分割法,得到该方法在图像分割中获得细节的结论。     

用于数码显微镜的白平衡校正方法

提出了一种用于数码显微镜的非线性白平衡方法.以标准D65光源光照下孟赛尔色卡每个色块的XYZ三刺激值和所成图像中的RGB值为训练样本,用神经网络建立不同数码显微镜拍摄的RGB输出与XYZ三刺激值之间的关系;再通过Estevens矩阵把XYZ三刺激值转换成人眼感光器所接受到的刺激值,并进行非线性计算;最后把计算结果转换回RGB空间,从而得到白平衡后的图像.实验结果表明,该方法所得的白平衡校正结果更加接近标准白光照射下的图像颜色.在光源色纯度较高的情况下,采用调整通道增益的方法变化幅度较大,而采用本文提出方法结果更加稳定;特别是当光源的色纯度过大使得图像中某个颜色通道的值接近0的时候,用调整三通道增益的方法已经完全失去了校正作用,而采用本文中的非线型方法仍然可以得到好的校正结果.同时,此方法中建立的神经网络模型反映的是成像设备的RGB空间到XYZ空间的转换特性,对于不同的光照条件,此特性不变,因此对于不同光源不需要分别建立神经网络模型.     

用于数码显微镜的白平衡校正方法

提出了一种用于数码显微镜的非线性白平衡方法.以标准D65光源光照下孟赛尔色卡每个色块的XYZ三刺激值和所成图像中的RGB值为训练样本,用神经网络建立不同数码显微镜拍摄的RGB输出与XYZ三刺激值之间的关系;再通过Estevens矩阵把XYZ三刺激值转换成人眼感光器所接受到的刺激值,并进行非线性计算;最后把计算结果转换回RGB空间,从而得到白平衡后的图像.实验结果表明,该方法所得的白平衡校正结果更加接近标准白光照射下的图像颜色.在光源色纯度较高的情况下,采用调整通道增益的方法变化幅度较大,而采用本文提出方法结果更加稳定;特别是当光源的色纯度过大使得图像中某个颜色通道的值接近0的时候,用调整三通道增益的方法已经完全失去了校正作用,而采用本文中的非线型方法仍然可以得到好的校正结果.同时,此方法中建立的神经网络模型反映的是成像设备的RGB空间到XYZ空间的转换特性,对于不同的光照条件,此特性不变,因此对于不同光源不需要分别建立神经网络模型.     

基于光饱和影响校正的作物叶绿素分布光谱成像检测

叶绿素含量是作物光合能力与营养评价的重要指标,因此快速检测作物叶绿素含量与分布可为作物营养动态分析与长势评估提供支持。基于RGB(Red, Green, Blue)和NIR(Near Infrared)多光谱图像的获取,开展玉米作物营养状态分布光谱学成像检测。构建了多光谱图像采集平台获取RGB和NIR图像,研究了基于光饱和校正算法的RGB图像的光饱和校正与NIR图像去噪方法,通过图像的匹配分割,冠层的提取校正,建立了基于冠层图像的作物SPAD值检测模型与分布成图。采集15株玉米植株RGB-NIR图像,并同步获取不同植株,不同位置共68个叶绿素含量指标SPAD值。首先对RGB图像进行光饱和校正,再对NIR图像进行滤波和图像增强,其次对RGB和NIR图像进行了SURF(speeded-up robust features)和RANSAC(random sample consensus)图像匹配,利用RGB图像的颜色特征,采用ExG(Extra Green)和OTSU算法生成分割掩模,对RGB图像和NIR图像进行分割提取,提取图像的R, G, B和NIR分量,利用4阶灰度板进行反射率校正,然后计算作物图像中像素级P_SPAD值,并建立图像P_SPAD值与叶绿素仪SPAD值的拟合模型,最后绘制作物SPAD分布图。通过HSI(Hue, Saturation, Intensity)彩色模型中的I分量直方图对比去饱和前后光分布范围,以作物SPAD值分布图验证光饱和校正算法对作物叶绿素含量分布检测提升的效果。RGB图像光饱和校正前I分量集中在[140～180]之间,光饱和校正后的RGB图像I分量集中在[85～130]之间, 校正了相机成像时产生模糊和RGB图像饱和。对分割后的RGB图像和NIR图像提取R,G,B,NIR分量进行4阶灰度板校正,相关系数分别为0.829,0.828,0.745和0.994,进而生成R,G,B和NIR四波段的反射率伪彩色图像,反射率R_NIR＞R_C＞R_R＞R_B。体现了作物的在蓝光和红光区域吸收光,在绿光区域和近红外区域反射光的光谱特性。校正前后的R和NIR分量反射率计算图像P_SPAD值拟合叶绿素含量指标SPAD值的模型结果显示,校正前R2为0.332 6,校正后R2为0.619 3,绘制作物的SPAD特征分布图,可为作物的营养动态快速分析与分布检测提供技术支持。     

基于哈特曼-夏克波前传感器的模糊图像复原方法

离焦模糊图像的清晰度较低,因此必须对其进行复原。传统方法通常采用圆盘或高斯函数来近似离焦造成的点扩散函数,复原效果不够理想。为此,提出利用哈特曼-夏克波前传感器探测离焦波前,根据所得波前计算光学系统的点扩散函数,并采用Richardson-Lucy算法对模糊图像进行复原。搭建了实验用的光学系统,采集了离焦模糊图像以及相应的波前信息,获得了清晰的复原图像,并利用客观图像评价方法对退化图像和复原图像进行了评价,同时与传统方法得到的复原图像进行了比较。实验结果表明,该方法能精确重建点扩散函数,有效提高图像的质量。