基于形态学变换和FFCM聚类的灰度图像颜色迁移算法

针对传统颜色迁移算法计算量大、对图像无法准确进行颜色迁移的问题,提出一种基于形态学变换和快速模糊C均值聚类（FFCM）的灰度图像颜色迁移算法。首先对目标图像进行腐蚀膨胀运算,消除亮度不均匀的区域,通过FFCM聚类算法对目标图像进行准确聚类,然后在目标图像与源图像中选取对应样本块,完成样本块的颜色迁移,并以已上色的样本块为参考,完成图像的全局颜色迁移。实验结果表明:与Welsh和FCM算法相比较,本文算法处理时间分别缩短64.29 %和54.25 %,结果图像在类间交界处的颜色过渡更加自然,证明了算法的有效性。     

基于快速模糊C均值聚类算法的红外图像分割

 针对模糊C均值(FCM)聚类图像分割需要预先知道类别数及计算量较大的问题,提出了新的快速FCM改进方法。首先,利用边缘信息进行邻域搜索得到种子像素;通过区域生长快速获得区域分割类别数和对应的聚类中心值,并将图像分成确定类别的区域和未确定类别的区域;最后利用所得的聚类中心值和 FCM算法对未确定类别区域进行聚类。实验证明,本文提出的改进方法大大减少了计算量,显著提高了图像分割速度,而且由于聚类考虑了相邻像素点的关系,图像分割结果能够清晰地保留目标轮廓,提高了图像分割的质量。     

基于色彩传递的单波段热图像彩色化处理算法

研究基于色彩传递的单波段热成像自然感彩色化处理算法,提出一种应用伪彩色编码突出显示热目标的方法.方法首先选定适当的参考图像并对亮度通道做线性变换,然后基于通道间相关性很小的lαβ颜色空间,利用图像像素邻域亮度通道的均值和标准差进行像素间的相互匹配,将参考图像的色彩传递给单波段红外图像,最后寻找色彩传递结果图像中亮度接近最大值的像素,将它们的颜色映射到彩虹编码的高温端,以红色凋突出显示.算法用于几种场景类型的单波段红外图像,得到了色彩自然感较好的彩色化热图像,能够避免长时间观察热图像造成视觉疲劳的问题;突出场景热目标,在保留背景深度感的基础上,可有效提升观察者的目标识别能力.     

基于多分辨率色彩传递的彩色夜视方法研究

为了获得符合人眼感知的彩色夜视图像,帮助观察者获取丰富的场景信息和舒适的观察效果,提出了一种基于多分辨率色彩传递的彩色夜视处理方法.结合微光与红外图像特点,对二者进行YUV空间拮抗视觉特性的彩色融合之后,采用控向金字塔对彩色融合图像(源图像)和参考图像各颜色通道进行多分辨率分解,计算子带图像的均值和标准方差,通过参考图像与源图像在各子带的方差比调整源图像的子带系数值,再经金字塔重构,最终使微光与红外彩色夜视图像获得类似参考图像的自然感色彩.分析了lαβ、YUV和RGB颜色空间对色彩传递的影响,并确定YUV颜色空间更适于多分辨率分解的色彩传递.相比传统的线性色彩传递方法,本方法不仅使彩色夜视图像拥有更符合真实场景的色彩,还可以提高其细节信息,改善场景感知,提升融合图像目标探测能力.     

基于颜色迁移和聚类分割的偏振图像融合方法

为克服当前偏振图像融合方法存在的不足,提出了一种基于颜色迁移和聚类分割的偏振图像近自然彩色融合方法.该方法首先将偏振参量图像映射到HSI颜色空间,再得到初步的融合图像后将它变换到YIQ颜色空间,并采用颜色迁移技术对其进行颜色修正.通过将修正后的图像变换到HSI颜色空间,并利用对线偏振度图像进行模糊C-均值聚类分割的结果...     

基于谱分解的模糊C均值算法在彩色图像分割中的应用

针对模糊C均值聚类算法对初始值敏感、易陷入局部最优以及谱聚类算法无法处理样本量过大的问题,提出了一种将模糊C均值聚类算法与谱聚类算法相结合的模糊谱聚类算法应用于彩色图像分割。大致分为三步,第一步对图像进行预处理,将颜色空间由RGB空间转换为Lab空间;第二步对特征空间进行冗余模糊C均值聚类算法得到冗余类;第三步由冗余类的隶属度矩阵和聚类中心矩阵得到冗余类的特征空间,并根据贴进度和传递闭包将该特征空间转换为冗余类的相似度矩阵进行谱聚类,完成冗余类的合并。实验结果表明,与模糊C均值聚类算法相比,模糊谱聚类算法对于初始值敏感问题、易陷入局部最优以及只能识别团状的蔟得到了很好的解决,从而使彩色图像分割结果更加合理。     

基于伪彩色融合图像聚类的夜视图像上色算法

提出一种将小波融合和基于伪彩色融合图像的C均值聚类用于图像色彩传递算法中的彩色夜视方法.在色彩传递前将可见光和红外图像进行小波融合得到灰度融合图像作为目标图像,保持了较好的纹理信息和目标信息;再对彩色源网像进行基于连接相对熵的彩色阈值分割;然后针对灰度融合图像的特点,根据一种基于伪彩色融合图像的C均值聚类方法,将伪彩色融合图像的彩色信息作为特征向量应用在夜视图像的分类当中,得到较好的分类效果,并基于此分类结果再进行色彩传递,得到更为自然的彩色夜视图像.实现了对夜视图像的自动色彩传递,得到的罔像色彩较真实.纹理清晰,将有利于人眼的目标识别.     

结合稀疏编码和空间约束的红外图像聚类分割研究

提出了结合稀疏编码和空间约束的红外图像聚类分割新算法, 在稀疏编码的基础上融合聚类算法, 扩展了传统的基于K-means聚类的图像分割方法. 结合稀疏编码的聚类分割算法能有效融合图像的局部信息, 便于利用像素之间的内在相关性, 但是对于分割会出现过分割和像素难以归类的问题.为此, 在字典的学习过程中, 将原子的聚类算法引入其中, 有助于缩减字典中原子所属类别的数目, 防止出现过分割; 考虑到像素及其邻域像素具有类别属性一致性的特点, 引入了空间类别属性约束信息, 并给出了一种交替优化算法. 联合学习字典、稀疏系数、聚类中心和隶属度, 将稀疏编码系数同原子对聚类中心的隶属程度相结合, 构造像素归属度来判断像素所属的类别. 实验结果表明, 该方法能够有效提高红外图像重要区域的分割效果, 具有较好的鲁棒性. 关键词： 图像分割 稀疏编码 聚类 空间约束     

基于改进粒子群和自适应滤波的快速模糊聚类图像分割

为改进传统模糊C均值聚类(FCM)算法对初始聚类中心敏感、易陷入局部收敛、抗噪性差、计算量大的问题,提出一种新的基于改进粒子群算法的快速模糊聚类图像分割方法(PSOFFCM);方法首先利用自适应中值滤波对图像进行滤波处理,增强算法的鲁棒性;然后,将图像像素灰度值映射到二维直方图特征空间,作为聚类样本,优化FCM的目标函数,减少图像分割的计算量;最后,利用PSO算法代替FCM的梯度迭代过程,减弱了算法对初始聚类中心的依赖,同时增强全局搜索能力;实验结果表明,该方法不仅克服了FCM算法对初始聚类中心的依赖,而且抗噪能力强,收敛速度快,分割精度明显优于传统FCM。     

基于核优化密度聚类的绿色苹果分割算法

苹果的可见光谱目标的高效、精准识别是实现果园测产或机器自动采摘作业的关键,由于绿色目标果实与枝叶背景颜色较为相近,因此绿色苹果的识别成为新的挑战。再由于果园实际复杂环境因素影响,如光照、阴雨、枝叶遮挡、目标重叠等情况,现有的目标果实识别方案难以满足测产或自动采摘的实时、精准作业需求。为更好地实现果园自然环境中绿色目标果实识别问题,提出一种新的核密度估计优化的聚类分割算法（kernel density clustering, KDC）。新算法首先利用简单的迭代聚类（simple linear iterative cluster, SLIC）算法将目标图像分割成不规则块,集结小区域内近似像素点组成超像素区域,计算单元由像素点转变为超像素区域,有效降低数据复杂度,且SLIC算法简化图像数据时可有效避免目标果实轮廓模糊;基于超像素构造R-B区域均值和G-B区域均值的二维特征分量,建立针对聚类分析的青苹果颜色特征空间。然后借助密度峰值聚类中心计算绿色苹果图像每个数据点的局部密度和局部差异度,为解决分割边界模糊问题,在计算过程中利用核密度估计计算局部密度,确保局部密度在不同复杂场景中的清晰准确表达,以更精准找出被低密度区域分割的高密度区域,实现任意形状的聚类。最后以局部密度和距离构造寻找聚类中心的决策图,该研究采用双排序算法实现聚类中心的自动选择,完成目标果实的高效分割。新算法通过SLIC算法获得图像的超像素区域表示,数据点的局部密度通过核密度估计得到,大幅降低算法的计算量,实现目标图像的高效、精准分割。为更好地验证新算法性能,实验采集多光照、阴雨等环境下的遮挡、重叠等复杂目标图像,以分割效率、分割有效性、假阳性、假阴性等指标进行评价,通过对比k-means聚类算法、meanshift聚类算法、FCM算法和DPCA算法,该研究提出的新算法分割性能均最优。     

Retinex-Based Fast Algorithm for Low-Light Image Enhancement

We proposed the Retinex-based fast algorithm (RBFA) to achieve low-light image enhancement in this paper, which can restore information that is covered by low illuminance. The proposed algorithm consists of the following parts. Firstly, we convert the low-light image from the RGB (red, green, blue) color space to the HSV (hue, saturation, value) color space and use the linear function to stretch the original gray level dynamic range of the V component. Then, we estimate the illumination image via adaptive gamma correction and use the Retinex model to achieve the brightness enhancement. After that, we further stretch the gray level dynamic range to avoid low image contrast. Finally, we design another mapping function to achieve color saturation correction and convert the enhanced image from the HSV color space to the RGB color space after which we can obtain the clear image. The experimental results show that the enhanced images with the proposed method have better qualitative and quantitative evaluations and lower computational complexity than other state-of-the-art methods.     

基于YCbCr颜色空间的Retinex低照度图像增强方法研究

针对Retinex理论的低照度图像增强算法中光照图像估计问题,提出一种基于YCbCr颜色空间的低照度图像增强方法.该方法将原始低照度图像从RGB(Red Green Blue)颜色空间转换到YCbCr颜色空间,提取该空间中Y分量构建为原始光照图像分量L1(x,y),并对L1(x,y)进行Gamma校正得到增强的光照图像分量L2(x,y),经Retinex模型得到增强图像R(x,y),采用多尺度细节增强方法对图像R(x,y)进行细节增强,得到最终增强图像Re(x,y).实验结果表明,所提方法不仅能有效提升亮度,避免亮度和色彩失真,增强了图像的细节信息并获得了更好的视觉效果,而且运行速度快.     

色度亮度空间中的线束端子显微图像分割

为提取检测线束端子质量的相关数据,提出一种在色度亮度空间中分割线束端子显微图像的算法。该方法利用线束端子显微图像的颜色分布特点,用阈值法分割线束端子。通过分析线束端子显微图像的颜色特点,把彩色图像转换至色度亮度空间。为了保证图像内部的颜色均匀,对其中的色度向量进行滤波。借助获取色度向量的红色通道,考虑红色通道直方图双峰夹一谷和双峰夹多谷情况下阈值并分割图像,使用数学形态学方法处理二值图像获得内径轮廓。实验结果表明,分割得到的端子内径轮廓周长偏差小于0.1%,表明此方法可以准确地分割线束端子显微图像。     

基于B样条曲线的投影图像边缘融合方法

为了实现对多通道投影画面重叠区域亮度的准确调节,设计了基于B样条曲线的投影图像边缘融合方法。首先,根据投影幕、外界光照环境以及投影仪自身性质设定衰减函数与伽玛校正的参数。接着,通过摄像机采集投影画面的重叠区域并计算每个像素点的颜色强度,通过理想值计算峰值信噪比。然后,比较二次B样条曲线与三次B样条曲线的校正精度与灵活度。最后,通过三次B样条曲线对投影图像进行边缘亮度优化直到峰值信噪比达到标准值为止。实验结果表明:投影画面重叠区域的R通道经B样条曲线优化后峰值信噪比提升了9.13 dB,G通道峰值信噪比提升了6.09 dB,B通道峰值信噪比提升了7.53 dB。基于B样条曲线的投影图像边缘亮度优化技术提高了投影画面重叠区域亮度调节的准确度。     

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。     

基于颜色传递的双波段目标跟踪算法研究

针对复杂背景下Camshift算法容易丢失目标的情况,提出一种基于YCBCR空间将红外与可见光融合图像与彩色参考图像进行颜色传递后,采用Camshift进行目标跟踪的算法。该算法在颜色传递时充分利用双波段图像信息,得到的目标对比度高并且颜色空间较其周围背景突出,增强了目标的颜色概率图,提高了Camshift算法效率。实验表明,通过对可见光图像、经颜色传递后的红外图像以及传统颜色传递方法得到的图像采用相同跟踪算法进行定性分析,在该算法得到的图像中,跟踪窗口中心相对于目标质心仅有3个像素的误差,跟踪精度远远优于对比实验图像的跟踪结果,并且算法的跟踪时间为每帧20.6 ms,达到了实时性的要求。     

真彩色传递双波段图像融合

针对基于颜色传递的双波段（中波红外、可见光）图像融合时,由于参考图像选择不当,造成的彩色融合图像对比度差、图像边缘细节下降等问题,提出了基于拉普拉斯金字塔分解及对比度可调的色彩传递图像融合算法。对待融合的两幅图像进行拉普拉斯金字塔三级分解,每一级按照不同的融合规则进行融合,以重构后的灰度融合图像作为融合结构的亮度分量Y,将可见光与红外图像的差值图像作为U分量,以红外图像为V分量。在颜色传递公式中,加入可调的比例系数,通过适当调节比例系数可调节融合图像的对比度。实验结果表明,获得的融合图像较好地保留了可见光图像的细节,既突出了红外目标同时又具有参考图像的颜色特征。图像评价结果表明,融合图像的均值、方差、熵等评价指标均得到较大提高。     

基于亮度对比度传递的红外与可见光图像融合方法研究

基于亮度一对比度传递技术提出了一种红外和彩色可见光图像的融合方法,该算法通过对红外图像和可见光图像在HIS空间进行二次融合,保留了可见光图像的颜色特性,并获得一幅具有良好亮度和对比度效果的融合图像。实验结果表明该方法融合噪声小、细节缺失少、融合速度快。