基于HSV空间阴影去除方法研究与应用

在智能视频监控系统中,运动阴影如果被误判为运动目标,将会影响到场景中运动目标的准确提取、跟踪和预测。针对这一问题,设计了一种基于HSV颜色空间的阴影去除方法。方法首先将背景差法和三帧差分法相结合,用于提取运动目标,再将提取的含有阴影的运动目标区域映射到其HSV色彩空间,通过与背景和相邻帧的亮度、饱和度比较,实现对阴影区域的检测和去除,处理过程中无需提前确定特征判别参数。将所设计的方法在标准高速公路视频数据库中进行测试并应用于实时的视频监控系统,验证结果表明该方法能更加有效的消除阴影,从而准确的检测出运动目标,同时方法对光线变化具有一定的鲁棒性。     

基于Gabor小波和HSV水污染植物检测

以水葫芦的水生植物入侵严重影响环境,现阶段的河流污染监测仍然停留在人工检测视频监控,文中对视频设备所收集的图像,经过高斯滤波进行图像预处理去除噪声之后,运用二维Gabor小波纹理特征提取相关特征值,运用HSV颜色空间提取相关颜色特征值,结合设定的相关参考阈值,在污染面积计算方面体现出良好性能。     

基于组合特征和HSI颜色空间的阴影检测

为了更有效地检测视频序列中的阴影,提出基于组合特征和HSI颜色空间的阴影检测算法.对提取的前景,先采用扩展的不变矩和Gabor小波变换分别抽取待识别区域的全局特征和局部特征来建立组合特征向量,再通过建立的HSI空间的阴影颜色模型来准确检测出目标的阴影.实验结果表明,该算法具有良好的阴影检测效果.     

基于颜色空间转换的运动目标检测与阴影去除

针对室内视频监控中运动目标检测常出现的阴影误检,提出了一种基于颜色空间转换的自适应背景建模和阴影消除算法.在RGB空间采用自适应背景差对视频图像进行前景背景分离,并将检测出的前景目标锁定在活动轮廓矩形框内进行目标跟踪,对于误检的虚假目标(即阴影),利用其亮度等信息,在HSV空间去除.经实验验证,该算法对阴影的去除有良好的效果,能准确检测出真实目标.     

基于HSV颜色空间的运动目标检测方法

针对在目标检测过程中光照变化对检测结果的影响,提出一种基于HSV颜色空间的运动目标检测方法。首先采用帧间差分分离出运动目标区域,将该区域转换为HSV颜色空间,用形态学对区域进行处理,消除噪声影响。然后利用各分量的相互独立性及H分量对光照不敏感的特性,应用自适应阈值分割方法,对运动目标实现准确分割。实验表明,该方法能够实现对运动目标的准确检测,消除帧间差分产生的图像空洞,对光照变化剧烈的目标也能实现准确分割,具有较强的鲁棒性。     

基于阴影自适应门限的车辆检测

为了提高基于车辆阴影特征的车辆检测正确率,对不同光照强度下阴影判决门限的提取进行了研究。提出了一种在HSV颜色空间中通过Otsu算法获得能适应环境光照变化的阴影判决门限的算法,并利用获得的阴影判决门限来检测车辆的阴影特征。该算法同时利用基于Hough变换的车道线检测算法来减少背景噪声的干扰,实现了在不同光照强度下对车辆的检测。实验结果表明,该算法在不同的光照条件下有较高的检测概率和稳健性,并且相对于传统算法性能有了较大的提高。     

基于HSV颜色空间的自适应性运动目标检测

格拉斯曼尼(Grassmannian)算法是一种可以由高度不完整信息追踪子空间的在线学习算法,它在视频运动目标跟踪时具有鲁棒性和低复杂度等优点,可以应用在视频前景与背景的实时分离的情况.针对格拉斯曼尼算法在前景分离中,面对室内全局光线突变会产生大量噪声的问题,提出了一种优化的预处理方法.通过HSV色彩空间变换对视频进行阴影检测,根据阈值判断光线变化情况并自适应调整前景内容,最终实现在光照变化情况下的运动目标检测,并有效去除了原格拉斯曼尼算法在光线突变会产生的大量噪声,提高了对光照变化的鲁棒性.     

基于颜色对立空间的运动目标的阴影检测

利用背景差分法检测运动目标,目标阴影和目标本身均会被当作前景检测出来。针对上述问题,提出了基于颜色对立空间的运动目标阴影的检测方法。该方法首先将提取的前景图像由常见的RGB格式转换成CIELAB颜色对立空间格式,再分别对其L＊、a＊和b＊三个通道进行边缘检测。由于CIELAB颜色对立空间所具有的接近人类视觉的特性,用上述检测出的边缘进行相关的数学形态学的处理,便可检测出阴影。实验结果表明该方法便捷快速,能够有效检测出运动目标的阴影。     

基于新型阴影指标的遥感影像阴影检测方法

随着遥感影像空间分辨率不断提高,阴影对影像解译产生的影响愈加突出,因此对阴影的识别更为重要。文中针对阴影在RGB空间中与非阴影区域内地物容易混淆的缺点,利用其在HIS空间中低亮度、高色调和高饱和度的特性,提出了一种基于新型阴影检测指标的阴影检测方法。该阴影指标突显阴影区域,且抑制非阴影区域的响应,根据最大类间方差法做直方图阈值分割,可得到检测结果。实验证明,该方法可有效地将阴影与其他地物区分开。     

基于无人机与HSV空间的光伏电池板检测分析

针对复杂环境下图像分析的困难性,研究了一种基于HSV空间模型的图像分割与检测方法.首先,利用无人机采集图像,区域分割提取出光伏电池板区域.其次,运用高斯卷积检测裂纹图像的梯度.最后,应用形态学图像处理与HSV空间模型的方法提取遮挡物,计算最小外接矩形面积与其占光伏电池板的比例.该方法能有效地对复杂背景下的光伏图像进行区域分割与检测,具有一定创新性和实用价值.     

基于区域统计及YUV色度特性的阴影消除

基于阴影区域统计及YUV色度特性,提出一种鲁棒的运动阴影检测方法。首先,在待检测像素点邻域划分小区域,利用小区域内光照条件基本相同、阴影近似线性地降低背景亮度的属性,估计出背景的亮度;接着,与混合高斯模型(GMM)得到的背景相减,统计差值图像的加权方差,作为判定阴影的特征;最后,依据邻域光照变化率不变性与YUV色度差异进一步消除误判阴影点。经多个室内外的经验数据集实验表明,该方法阴影检测率高,前景空洞少,且有较强的抗干扰能力。     

基于HSV颜色空间的改进的多尺度Retinex算法

针对带颜色恢复的多尺度Retinex算法在最后输出的图像上存有重叠的问题,提出了一种改进的子频带分解的Retinex算法,该算法不仅能增强亮点中的细节,也能增强在阴影中的细节.由于RGB这三种颜色之间有很强的关系,而HSV这三者之间没有很大的关联,能够较好的反映人对色彩的感知.实验结果表明,与基于RGB空间的多尺度Retinex算法相比,改进的基于HSV的算法更有效的增强图像在亮点和阴影中的细节,颜色更接近于原图.     

基于HSV空间的纸币面额识别算法研究

纸币面额识别是纸币清分过程中的一个很重要的步骤,目前对纸币面额识别的研究主要集中于灰度图像上,还没有人使用彩色图像做过纸币面额识别的研究。在此提出一种基于HSV空间的纸币面额识别算法,根据待识别纸币和不同面额纸币的H、S、V分量均值的色差大小来对纸币的面额进行识别。在此首先使用扫描仪扫描到的高分辨率的图像进行实验,证明了算法的正确性。然后采用智能点验钞机采集到的低分辨率的图像进行实验,针对低分辨率图像,提出采用直方图均衡化的改进算法,分类准确率达到98.78%,证明本算法能够满足实际应用的需要。     

基于HSV色彩空间与形状特征的交通灯自动识别

为了在复杂的环境中准确识别出交通灯信息,提出一种基于HSV色彩空间和形状特征的交通灯识别方法.该方法首先将图像的RGB色彩空间转换成HSV色彩空间,并根据HSV色彩空间中的H与V无关性,利用不同颜色的H阈值对图像进行分割提取候选区域;然后对原图像经预处理及灰度形态学操作后,利用Hough变换检测目标可能位置;最后把目标疑似位置与候选区域进行逻辑滤波融合,并对融合后图像依据颜色H值判定交通灯信息.该方法对480幅各种场景下的交通灯图片进行实验,结果表明该方法具有很强的鲁棒性、稳定性和高效性,能够较好地识别出交通灯.     

基于信息熵和Gabor滤波器的图像检索

采用颜色和纹理的多特征提取,将图像按照一定的规则进行分块,对各个分块分别进行各种特征向量的提取.采用HSV颜色空间把颜色特征量化到72个颜色空间得到72柄的一维直方图,计算图像信息熵;纹理特征采用Gabor滤波器.该种分块方法能够很好的利用图像内容的空间信息,综合颜色和纹理特征能够有效地提高查全率和差准率.     

基于颜色空间和模板匹配的交通标志检测方法

交通标志检测技术是交通标志识别系统的重要前提和基础。由于背景的复杂性,在进行颜色分割时部分区域可能会受到干扰,为交通标志的检测带来困难。文中利用HSV颜色空间和RGB颜色空间对不同颜色的交通标志进行粗检测,标记不同的值实现ROI分割。然后利用模板匹配的方法对交通标志进行处理,使用模板在ROI区域上滑动,得到模板相似度的最大值,以此来实现检测过程。实验结果表明该方法能获得较好的检测结果。     

自适应背景下运动目标阴影检测算法研究

智能视频监控系统的主要难点就是如何检测出运动目标的阴影并将他去除。用一种改进的自适应背景检测算法准确检测运动物体的位置和形状。然后根据阴影的颜色变化、结构等特点,分别采用基于RGB彩色模型和基于HSV彩色模型的阴影检测法检测阴影。在仿真实验中,对两种方法进行定量和定性的分析,在阴影检测率、识别率、复杂度和实时性等方面做出了比较。结果表明,两种方法都有较强的适应性,具有良好的阴影检测效果。根据各自的优缺点,可应用在不同领域中。