基于主色映射的区域颜色迁移算法

颜色迁移是图像处理中一个重要的研究课题,它要解决问题是:基于源图像A和参考图像B,合成一幅新的图像C,使其具有A的场景以及B的颜色。本文提出了一种基于主色映射的区域颜色迁移算法,引入了空域平滑过程,更好地利用了图像的局部信息,实现了图像的颜色迁移。     

基于混沌映射的鲁棒性图像水印算法

本文提出一种基于混沌映射的强鲁棒性数字图像水印算法,首先用一混沌动态系统对水印信息进行预处理,而后将其扩频调制在图像空间域,并且使水印嵌入强度自适应于图像;通过预置已知模板和嵌入多块水印可实现水印检测位置的几何校准.实验结果表明,采用该算法实现的水印对常见的图像处理和几何变换具有很好的鲁棒性.     

基于SVM算法的导线颜色识别系统设计

该文研究的是一种图像中导线颜色识别的控制系统.主要研究内容包括基于SVM的算法设计,DLL动态链接库生成,基于wxWidgets的交互式界面设计三个部分.通过对图片样本的选取、训练以及分类测试,为系统设计的前期做好准备.最后对导线颜色控制系统进行测试和调试,从算法执行结果来看可以准确地在原始图像中识别出其位置,且识别速...     

基于点云深度映射颜色的导轨表面损伤识别

针对高速滑动电接触导轨,研究了表面微小损伤快速检测及分类识别方法。基于激光扫描原理,构建了三维测量系统,用于获取导轨表面形貌的三维点云信息,并给出了一种基于点云深度映射颜色的方法,用于导轨表面微小损伤的检测。将三维点云数据经过去噪、滤波平滑、数据精简等预处理之后,根据所设定的深度基准平面,构建点云深度映射颜色模型,将点云深度信息映射为红绿蓝(RGB)信息,采用一维最大熵法设定最优颜色阈值,实现损伤区域的准确提取;采用二叉树模式识别方法,建立损伤分类模型,实现导轨表面微小损伤的识别与分类。结果表明,损失质量小于1 g的微小损伤检出率达98%以上、微小质量损失检测精度可达毫克级;凹坑与划痕两大类损伤识别率达80%以上。     

基于机器学习算法的图像边缘识别

文章首先改进边缘检测算法对图像边缘进行定位,使用双边滤波代替高斯滤波进行去噪处理,利用灰度相似性与几何相似性的权值分配边缘特征,提高精度;其次,在提取边缘坐标工作中利用多项式插值的方式提取出亚像素级精度的图像边缘坐标表示;最后,利用边缘轮廓追踪分析法实现了边缘线段分割,并将直线型、圆弧型以及椭圆弧型边缘进行曲线拟合,实现边缘几何属性提取。     

基于视频图像的火焰识别算法

相对传统的火焰识别方法,为提高火焰识别精度,提出了一种基于红外热像仪和彩色摄像机的火焰识别算法。对采集得到的红外图像进行温度阂值分割,得到高温疑似火焰区域,通过三维重建技术匹配彩色摄像机中对应的高温疑似火焰区域,对其RGB空间模型进行色彩分析,排除干扰得到疑似火焰区域。在此基础上分析疑似火焰区域的区域增长特性及闪动特性,提取疑似火焰区域的面积及其轮廓,对其轮廓进行离散余弦变换,计算前后两帧图像轮廓的变化,从而进一步确定真实火灾火焰的发生,及时报警,减少误判率和危害性。实验证明了该算法的准确性和有效性。     

基于图像的对称性识别算法研究

在视觉特征描述中,对称性是一个重要特征,对称性检测是图像特征检测的重要内容,其广泛应用于图像处理、计算机视觉、信息传输等领域,且拥有广阔的应用前景。文中给出了对称性分类及几种相关典型的算法,重点介绍了基于相位信息和基于SIFT算子的检测图像对称性的方法。并采用这两种方法通过选取不同类别的图像进行实验,对实验结果图进行对比分析,提出了一种基于封闭轮廓角点信息的对称性检测方法,并对其进行了初步探索。     

颜色量化——色彩退化算法

颜色量化是利用人眼对颜色的惰性,将原图像中不太重要的相似颜色合并为一种颜色,减少图像中的颜色,而使量化前后的图像对于人眼的认识误差最小即量化误差最小。在此从揭示八叉树颜色量化算法的优缺点开始,优化八叉树结构,进化为以二叉堆和数组索引数据结构,对最不重要颜色不断地进行退化,最终达到量化要求的颜色数量。实践证明,在相同情况下,二叉堆比八叉树颜色量化对图像的量化误差更小。     

基于自组织映射网络的图像分割算法

针对K—Means图像聚类分割算法需要预先知道图像分割数,且对初始聚类中心较为敏感等问题,提出了一种基于SOFM（自组织特征映射网络）的图像聚类分割算法。该算法结合SOFM聚类及合并聚类分析,能够自动确定分割块数并得到有效的K-Means初始聚类中心。实验结果表明该算法具有运行效率高、分割效果好等优点,在实际应用中是可行的。     

基于颜色均衡分类网络的细胞识别算法

为解决血细胞涂片染色多样性造成卷积神经网络在细胞形态识别时准确率较低的问题,提出了一种新的细胞形态分类算法。通过最优传输算法预训练颜色均衡网络与图像分类网络,保存网络权重,将二者网络结构级联,使用冻结层方法搭载网络参数并进行精细调节。实验结果表明,传统迁移方法的平均识别准确率为92.05%,而该文提出的颜色均衡分类网络U-RNET的平均识别准确率达到95.5%且图像处理速度更快。     

基于区域颜色特征的食物类别识别算法

针对自选餐厅结账中人工计价的效率问题,文中提出了一种基于颜色特征的食物类别识别算法。该算法通过边缘投影提取目标区域,再基于Lab颜色模型对食物图像聚类分割,利用HSV颜色模型获取各类子区域的颜色特征,并基于区域颜色识别食物的种类。分别针对1类和3类食物的各30幅图像进行了仿真实验和统计分析。结果表明,算法识别准确率可达95.6%,识别速度最快只需0.119 s。     

基于颜色与线段的图像轮廓提取算法

传统二维图像轮廓识别算法通常是在图像中找到边缘,根据设定的条件将边缘像素组合起来形成轮廓。针对边缘检测算法通常需要对不同的图像设定不同的阈值,对不同类型的图像很难找出统一的阈值的问题,文中提出了一种同时利用图像中颜色与线段信息的彩色图像轮廓提取算法,算法采用自顶向下的颜色空间融合和自底向上的线段检测的方法,在初步获取边缘信息之后,综合利用检测结果生成目标的轮廓。算法的优点在于不需要进行阈值调整,实验表明:该方法可以有效地提取彩色图像中的目标轮廓。     

基于颜色空间的单幅图像去雾算法

为改善雾天图像对比度差、能见度低的特点,本文结合雾天成像模型和暗原色先验规律,在颜色空间的基础上提出了一种去雾新算法。首先,在RGB颜色空间,根据暗原色先验规律估计出空气光,然后将图像从RGB颜色空间转换到HSI和HSV颜色空间,再对HSV空间下的明度分量运用大气散射模型进行去雾处理,最后再对HSI空间下的饱和度分量进行校正,最终得到去雾之后的图像。通过该算法能得到清晰化的图像,并且该算法较之传统的单幅图像去雾方法,速度更快、效果更自然。     

基于多尺度区域的图像颜色校正算法

图像颜色校正是多摄像机视觉应用中的一项重要技术。本文提出了一种基于多尺度区域的局部颜色校正算法,主要思想是在参考图像与待校正图像之间建立特征点的对应关系。此算法根据尺度不同的区域内可获得的对应特征点数目不同的特性,在不同尺寸参数对待校正图像进行分割,以得到稳定的特征点对应,进而获取准确的颜色校正信息,提高了颜色校正的准确性和鲁棒性。此外,本文还考虑了局部校正对图像颜色一致性减弱的问题,进行了平滑处理。实验证明,本文所提出的方法能获得较好的校正结果。     

基于HSV颜色模型的图像风格迁移算法

风格迁移是通过使用图像处理方法将图像的内容与其他图像的色彩、纹理、轮廓等信息结合在一起的技术。它在保留图像原有内容的同时,还加入了其他艺术风格,最常使用的风格迁移技术就是深度学习技术。本文提出了一种基于HSV颜色模型的图像风格迁移算法,该算法是对经典的深度学习图像风格迁移算法进行改进。本文提出的算法利用HSV颜色模型在对颜色种类的表示的直观性和方便性的优势,在损失函数中加入内容图像与迁移图像的HSV颜色模型中的H因素的L2距离,并通过实验验证,本算法能够达到在风格迁移的基础上,保留原始内容图像颜色色调的目的。     

基于颜色信息和阈值的图像修复算法

在Criminisi算法的基础上,针对该算法,加入颜色信息,改变待修复块的顺序,同时根据图片待修复区域复杂度的不同采用新的方法来调整模版窗口的大小;最后,通过阈值的设定来减少修复的时间.实验结果表明,该算法对于大的缺损块和有纹理的图像的修复效果较好,修复质量得到提高,更适合人眼的视觉效果.     

基于图像深度学习的调制识别算法

针对现阶段基于深度学习的调制识别算法中出现的检测效率低下的问题,提出一种高效的调制识别算法—RadioFSDet(Radio Frequency Spectrum Detection)检测算法.RadioFSDet算法利用信号在频谱图上的特征差异,使用目标检测算法YOLOv4检测频谱图上的调制信号.相较于主流的基于深度...     

基于自编码器的显微图像色彩恒常算法

针对显微图像领域色彩恒常(CC)数据集缺乏、CC算法跨数据集训练效果不佳的问题,通过相机采集和模拟生成两个步骤建立了显微CC数据集,并提出了一种基于自编码器的显微图像CC算法.该算法用改进的UNet结构自编码器进行半监督训练,同时引入一种新的复合损失函数优化网络参数,使恢复的图像色彩更准确.实验结果表明,相比传统自编码器,本算法训练的图像清晰度更高,在NUS-8 CC数据集、RECommended CC数据集和自建显微CC数据集中的角误差估计值更小.