基于PCA的彩色印刷图像色彩分割算法

针对彩色图像的印刷过程中,原图像的色彩分割问题,提出了基于PCA（主成分分析）并结合其它典型彩色图像分割方法的新分割算法。该算法首先利用PCA算法把图像分解为主特征分量和残特征分量两分量图;然后采用二次分水岭算法对残特征分量图进行分割;利用K-Means算法对主特征分量图进行聚类初分割,接着对聚类初分割后的图像进行相似色彩区域融合;最后把分割后的两分量图的进行融合,得到最终的分割结果图。该算法可以应用于彩色印刷图像的色彩自动分割和彩色印刷过程的自动色彩控制中。     

一种有效的拼接图像色彩校正算法

针对图像拼接中子图像由于拍摄的角度、相机曝光参数等不同,造成子图像间色调与明暗存在明显差异的问题,提出了一种利用子图像间重叠区域统计信息的色彩校正算法。首先将原始的色彩转换算法利用空间协方差矩阵表述成能直接在RGB空间进行转换的形式,再利用拼接图像间的重叠区域信息对算法进行简化,得到色彩校正算法。实验表明该算法能够有效地应对拼接图像时各子图像间的色调与明暗差异,在图像拼接时可以得到良好的色彩校正效果,同时相比原始的色彩转换算法减少了计算耗时。     

一种基于图像融合的无参考立体图像质量评价方法

提出了一种基于图像融合的立体图像质量评价方法。通过对立体图像的左右视图进行图像融合生成一幅彩色图像,融合算法采用主成分分析(PCA),使用归一化互相关(NCC)视差图算法,生成了对应的视差图;对融合图像和视差图分别进行归一化亮度系数和谱能量参数的提取,作为支持向量回归(SVR)的输入数据,在经过充分的训练后对立体图像的质量评分进行预测。在LIVE 3D立体图像数据库上的实验结果表明,提出的算法优于最新的无参考立体图像质量评价方法,与人类的主观评价具有较好的一致性。     

基于非线性加权最优模糊聚类的彩色图像增强

根据人眼对色彩的感知特性,提出HSV色彩空间上的一种非线性加权最优模糊聚类的彩色图像增强算法.将原始图像从RGB空间转换到HSV色彩空间,提取H、S、V三分量,对其中的亮度分量V进行非线性最优模糊聚类增强处理,将合成后的HSV图像转回到RGB空间,完成彩色图像的增强处理.实验结果表明,该算法能避免色彩失真,改善图像的色彩辨识性,提高了景物信息的清晰度.     

提高PCA识别率的新算法

针对基于主元分析(PCA)的识别算法不能最优区分不同种类样本的缺点,提出了一种新的多主元分析(Multi-PCA)识别算法。该算法为每类样本构造单独特征空间,用各个空间的特征向量重建待识别样本。特征空间是基于某类样本图像的共性建立,因此重建该类样本图像时将得到较小重建误差,而重建其它类图像时的误差较大。可以根据重建误差的大小来识别样本图像,将待识别样本分类到具有最小重建误差的特征空间。在ORL、YALE人脸库和标牌压印字符库上的实验结果显示,Multi-PCA的识别率比PCA有较大提高。     

基于数码相机的光谱重构研究

由数码相机信号直接重构物体表面的光谱信息对不同照明条件下颜色的复现十分重要.基于普通商用数码相机分别摄取两种CIE标准光源D65和A下颜色样品的RGB信号,采用主元分析法(PCA)和多项式模型的结合算法进行物体表面色光谱反射比的重构研究.实验结果表明,同时应用两种光源下的RGB信号可有效提高光谱重构精度,并能较好地再现色样的同色异谱特性.     

基于彩色扫描仪的图像光谱重构

针对彩色扫描仪的特点,采用主元分析法(PCA)和反向传播(BP)人工神经网络(ANN)相结合的方法对图像光谱重构进行研究。选择IT8.7/2标准色卡作为训练样本,将该色卡中的另一组色靶作为检验样本以讨论不同网络结构以及不同主元数和训练样本数对光谱重构的影响,再以自然色系统(NCS)色卡为检验样本来分析不同种类的训练和检验样本与光谱重构性能的关系。实验结果表明,采用3-14-6网络结构和6个主元数是最佳选择,训练样本和扫描目标之间的一致性是基于彩色扫描仪图像光谱重构的关键所在。     

基于深度卷积神经网络的低照度图像增强

针对低照度条件下图像降质严重的问题,提出了一种基于深度卷积神经网络(DCNN)的低照度图像增强算法。该算法根据Retinex模型合成训练样本,将原始低照度图像从RGB (Red Green Blue)空间转换到HSI (Hue Saturation Intensity)颜色空间,保持色度分量和饱和度分量不变,利用DCNN对亮度分量进行增强,最后将HSI颜色空间转换到RGB空间,得到最终的增强图像。实验结果表明,与现有主流的图像增强算法相比,所提算法不仅能够有效提升亮度和对比度,改善过增强现象,而且能够避免色彩失真,主观视觉和客观评价指标均得到了进一步提高。     

基于Curvelet和2DPCA的遥感图像融合算法

根据图像处理不同算法模型的特点,提出了一种基于Curvelet和2DPCA变换相结合的遥感图像融合算法。首先,对多光谱图像进行2DPCA变换,获得其最佳投影轴集合U及特征向量矩阵Q,按照投影规则将多光谱图像投影到U上,得到各主成分分量Yk;再将与多光谱图像进行过直方图匹配的高分辨率图像投影到Q上,获得其主成分PanM及其它主成分分量,将PanM与Yk分别进行Curvelet变换,得到对应的高、低频系数;然后,根据相应的融合规则,对处理后的系数进行Curvelet逆变换,得到融合子图像;最后,将高分辨率图像的其他主成分分量与融合子图像进行2DPCA逆变换得到融合后图像。应用多光谱图像和高分辨率图像进行了融合实验,并将实验结果与其他方法进行比较。实验结果表明,该方法能够在保持源数据光谱特性的同时,较好的提高空间分辨率。     

模糊集理论在彩色图像检索中的应用

把模糊集理论中的模糊关系应用于对色彩相似性的判断,并在彩色图像的检索中进行了应用.其中仅使用了一种基于色彩空间的矢量表达的隶属函数即可分别计算出待检索图像与库图像对应特征色之间的相似性程度,并用α级关系来抽取其中的一些彩色图像,给出检索结果.在进行色彩相似性的计算中还采用了逐级筛选法及色彩矢量分区比较法,从而避免了大量涉及无关的色彩矢量的计算,有效地降低了红绿蓝(RGB)空间的色彩相关性,提高了检索准确性及检索速度 关键词： 模糊关系 色彩相似性 彩色图像检索 色彩矢量分区比较法     

基于Tetrolet变换的红外与可见光融合

针对目前红外与可见光图像融合速度慢、 融合结果对比度不高且易产生伪影的缺点,提出一种基于Tetrolet变换的改进融合算法。首先,将可见光图像转换到lαβ颜色空间得到三个几乎不相关的彩色通道;然后对其l分量和红外图像分别进行Tetrolet变换,对于低通系数引入邻域能量及其接近度的融合规则。而对Tetrolet系数采用伪随机傅里叶矩阵进行观测并加权融合其观测值;接下来对融合后观测值采用CoSaMP优化算法迭代出融合后的Tetrolet系数,并经Tetrolet重构得到融合后的灰度图像;最后将灰度图像映射到RGB颜色空间获得最终的融合图像。实验证明了本文算法的有效性。     

改进的基于二维主分量分析的掌纹识别

主分量分析(PCA)是一种在众多生物特征识别中获得成功应用的特征提取技术,是一种基于二阶统计的在最小均方误差意义上的最优维数据压缩技术,它所提取的各特征分量之间是互不相关的。传统的PCA变换是对图像向量的分析,但向量维数一般都很高。二维主分量分析方法是最近兴起的针对图像矩阵的主分量分析方法,与一维主分量分析相比能更精确的计算原始数据的协方差矩阵。将其应用于掌纹识别,并在主分量的选取上加以改进,选取了更适合于分类的主分量。实验结果表明,该方法不仅有更高的识别率,而且维数更低。     

基于局部保持投影的掌纹识别

为了保持掌纹空间的局部结构,运用局部保持投影(LPP)方法进行掌纹识别.在小样本图像识别中,特征方程矩阵存在奇异性.传统的解决方法是运用主元分析(PCA)获得原样本的低维特征子空间,在该空间中运用LPP进行特征提取.由于PCA和LPP的投影标准本质上是不同的,PCA降维时丢失许多重要的判别信息.为了解决这个问题,提出运用三级小波变换、图像下抽样、图像分块求平均值三种方法降低掌纹空间的维数,在低维图像上应用LPP提取局部特征.计算特征矢量间的余弦距离进行掌纹匹配.运用PolyU掌纹图像库进行测试,结果表明,该算法的识别性能均优于PCA和PCA LPP.特征提取和匹配总时间小于0.1 S,具有快速、有效、易于实现等优点.     

红外和彩色可见光图像亮度-对比度传递融合算法

以红外和彩色可见光图像为研究对象,提出了一种基于亮度-对比度传递（LCT）技术的彩色图像融合算法。首先借助灰度融合方法将红外图像与彩色可见光图像亮度分量融合,然后用LCT技术改善灰度融合结果的亮度和对比度,最后利用快速YCBCR变换融合策略在RGB空间内直接生成彩色融合图像。文中利用像素平均融合法和多分辨率融合法作为不同的灰度融合措施以分别满足高实时性和高融合质量的需求。实验结果表明,提出算法的融合结果不仅具有与输入彩色可见光图像相近的自然色彩,而且具备令人满意的亮度和对比度,即使采用运算简单的像素平均法进行灰度融合,同样可以获得良好的融合效果。     

自适应参考图像的可见光与热红外彩色图像融合算法

可见光与红外热图像的彩色图像融合技术是现今国内外高性能夜视技术发展的重要方向之一,该技术有效提高了人们对目标的探测和场景理解能力。目前常用的色彩传递算法多属于基于单幅参考图像的全局色彩传递算法,彩色融合图像的色调受到参考图像的影响较大,在实际应用中难以保证对各类场景的适应性。针对常规YUV空间色彩传递彩色图像融合算法的环境适应性问题,通过对植物、城镇和海天三类典型场景的分类与统计,发现了典型场景在UV通道的均值和标准差具有的较为明显的分类特性,由此提出了一种基于UV通道均值和标准差的自适应参考图像构造方法,使得可见光与热红外彩色图像融合算法具有较常规算法更好的环境适应性,融合图像的色彩具有较好的自然感,且算法处理量较小,对现有实时硬件融合处理算法的运算速度影响不大,是一种环境适应性强的自然感彩色融合处理算法。     

基于多区间映射评价优选的光谱数据融合显示算法

研究降维、去冗后光谱数据色彩显示问题。传统的光谱数据色彩显示时,常采用截取或压缩至0~1范围进行映射,容易丢失图像细节,提出一种基于多区间平移映射评价优选方法的光谱数据色彩融合显示算法。首先对光谱数据立方体进行主成份变换,将前三成分分别赋值给对色空间的黑白通道、红绿通道和黄蓝通道,然后经过空间变换到sRGB空间,将数据分段平移到0~1范围,映射至8位RGB空间,并对每次平移映射图像进行标准差、熵、平均梯度的单项评价,全部平移结束后,对所有的评价值进行综合评价,选取综合评价值最高的区间输出映射。实验结果表明,融合图像能最大限度地保证图像的能量、信息和清晰度,有利于人眼的快速识别判断。     

字典学习稀疏表示的高光谱图像异常检测

针对稀疏表示高光谱检测算法性能受背景字典影响较大的问题,充分利用高光谱图像空间信息和光谱主成分信息,提出了一种基于字典学习的稀疏表示异常检测算法。首先利用主成分分析提取高光谱数据的主特征,建立目标主成分空间,并证明了在主成分空间进行字典学习稀疏重构的可行性;然后在主成分空间内构造基于K-SVD算法的训练字典,改善了背景字典性能;采用正交匹配算法重构主成分分量,利用主成分分析反变换得到待检测像元重构光谱,增强了高光谱图像的局部异常特性;最后,基于重构误差异常特性实现高光谱图像异常检测。仿真结果证明了该方法的有效性。     

基于变换域PCNN的近红外与彩色可见光融合

针对近红外与彩色可见光图像融合后对比度低、细节丢失和颜色失真等问题,提出一种基于多尺度变换和自适应脉冲耦合神经网络(PCNN-pulse coupled neural network,PCNN)的红外与彩色可见光图像融合的新算法。首先将彩色可见光图像转换到HSI（hue saturation intensity)空间,HSI色彩空间包含亮度、色度和饱和度三个分量,并且这三个分量互不相关,因此利用这个特点可对三个分量分别进行处理。将其亮度分量与近红外图像分别进行多尺度变换,变换方法选择Tetrolet变换。变换后分别得到低频和高频分量,针对图像低频分量,提出一种期望最大的低频分量融合规则;针对图像高频分量,采用高斯差分算子调节PCNN模型的阈值,提出一种自适应的PCNN模型作为融合规则。处理后的高低频分量经过Tetrolet逆变换得到的融合图像作为新的亮度图像。然后将新的亮度图像和原始的色度和饱和度分量反向映射到RGB空间,得到融合后的彩色图像。为了解决融合带来的图像平滑化和原始图像光照不均的问题,引入颜色与锐度校正机制(colour and sharpness correction, CSC)来提高融合图像的质量。为了验证方法的有效性,选取了5组分辨率为1 024×680近红外与彩色可见光图像进行试验,并与当前高效的四种融合方法以及未进行颜色校正的本方法进行了对比。实验结果表明,同其他图像融合算法进行对比分析,该方法在有无CSC颜色的情况下均能保留最多的细节和纹理,可见度均大大提高,同时本方法的结果在光照条件较弱的情况下具有更多的细节和纹理,均具有更好的对比度和良好的色彩再现性。在信息保留度、颜色恢复、图像对比度和结构相似性等客观指标上均具有较大优势。     

基于局部线性嵌入的特征融合方法在岩石破裂 状态分类的应用*

为了获取岩石破裂过程有效的声发射信号特征,更好的对岩石破裂状态进行分类,提出一种基于流形学习算法的LLE特征融合方法进行数据降维。以红砂岩为研究对象设计室内单轴压缩实验采集信号,然后对原始声发射信号预处理并对信号进行特征提取,以时域、频域下的特征向量重新组合成一组新的多维特征向量,采用线性主元(PCA)和流形学习LLE算法分别进行降维。比较两种算法降维后融合特征的聚类效果二维和三维分布图,使用LLE算法降维后,四种状态分布相对更近,呈一条水平线趋势,且各状态交叉混叠数目较少,第一状态没有一个样本错判,且四个状态相比于PCA降维后的聚类效果更集中。再比较两种算法降维后融合特征的敏感度之和,LLE算法融合特征敏感度之和远大于PCA算法,说明经过LLE算法降维后得到的融合特征更多地表征了原始信号包含的局部信息同时证明了LLE算法相比PCA算法具有更好的聚类效果。最后经LLE特征融合下的砂岩破裂状态分类实验验证,融合特征后的识别率相对单一的时域特征识别提高了6%。表明该方法能显著提高岩石破裂状态分类的识别率,降维性能相对突出。     

基于区域检测与非下采样轮廓波变换的红外与彩色可见光图像融合

针对灰度图像融合的分辨率低及现有的彩色图像融合方法融合的图像色彩不自然、不符合人的视觉感受的特点,在此提出一种基于Snake模型的区域检测和非下采样轮廓波变换(NSCT)的红外与彩色可见光图像融合的方法。首先对彩色可见光图像进行亮度、色度和饱和度(IHS)颜色空间变换提取亮度分量,并用Snake模型对红外图像的目标区域进行检测;然后对亮度分量和目标替换的红外图像应用NSCT分解,对所得到的高频系数采用像素点"绝对值和取大"、低频系数采用基于"亮度重映射技术"的加权融合规则进行融合;通过对融合系数进行NSCT逆变换获得融合图像的亮度分量,最后运用颜色空间逆变换得到融合图像。实验结果表明,所提出的融合方法既能保持可见光图像的高分辨率和自然色彩,又能准确保留红外图像中检测出的目标信息,获得视觉效果较好、综合指标较优的融合图像。