基于视觉感知的非均匀颜色模糊量化算法研究

基于内容的图像检索技术中,颜色是描述一幅图像最简便、有效的特征。该文提出了一种颜色量化算法,此种算法基于视觉感知特征并对颜色量化边界模糊化,使量化既能从人的感知出发,又能满足颜色空间连续的特性,最终更好地适应图像颜色特征提取的需要。     

基于模糊颜色量化的图像检索

颜色量化是基于颜色特征的图像检索的一个重要方法。在颜色量化中引入模糊集合理论,提出了一种基于人的主观视觉感知的模糊颜色量化方法,以减小量化误差和适应人的感知模糊性,根据此方法提取模糊颜色-空间特征用于图像检索。实验结果显示了模糊量化方法的有效性和检索算法较高的检索准确性。     

一种改进的基于颜色-空间特征的图像检索方法

颜色量化是基于颜色图像检索的一个热点。由于量化边界处的颜色具有连续性和相似性,文章提出了一种改进的基于模糊量化的颜色量化方法,以减小量化误差,使量化方法更接近于人的主观视觉感知。基于这种量化方法,提出了一种基于颜色—空间特征的检索算法,采用了一种相似度量方法以利用相同直方图区间内的像素统计与空间信息之间的相关性。实验结果表明该方法具有较高的检索有效性。     

基于颜色量化和密度峰聚类的彩色图像分割

彩色图像分割是簇绒地毯数字化制造的关键技术,图像的分割质量直接影响到后续的图像处理。为解决地毯的彩色图像分割问题,针对人眼在RGB颜色空间中感知不均匀的特性,提出了一种基于颜色量化和密度峰聚类的彩色图像分割算法。基于Lab颜色空间进行颜色量化,在HVC颜色空间中用NBS距离来衡量人眼对颜色差异的感知程度,采用改进的密度峰聚类算法自动确定聚类中心,从而分割地毯图案。实验结果表明,该算法能在不影响人眼感知的前提下得到颜色种类少且边缘清晰的地毯分割图像。     

图像数据库检索中颜色特征提取方法的研究

为了降低基于颜色特征图像检索中空间的维数，本文改进了颜色特征的图像特征的提取方法，提出了一种新的基于HSV空间的18色非均匀颜色量化算法。与传统的基于RGB的颜色特征检索算法相比，该算法明显的降低了时间和空间的复杂度。     

一种新的基于颜色特征的图像检索方法

提出一种新的基于颜色特征的彩色图像检索算法.该方法首先利用颜色的距离矩阵,对样本图像进行非监督的颜色量化,得到调色板,然后将待检索图像按最小距离映射到该调色板中,这样对于所有图像,就可以得到基于样本图像调色板信息的统一的颜色直方图.这种颜色量化算法精度高于有监督的量化,而速度又明显高于传统的无监督的颜色聚类.此外,结合颜色在图像中的散布情况,综合颜色的统计特征与空间分布特征来描述图像内容,保证图像内容描述的精确性.实验证明,利用该算法的检索效率较高,检索结果也能够较好的满足人的视觉感受.     

一种基于颜色和纹理的图像检索方法

提出了一种基于颜色和纹理的新的图像检索方法.该方法在HSV颜色空间量化过程中,采用一种基于性隶属度的模糊量化方法,使量化结果更接近于人类感知;在提取分块主色的基础上引入一种颜色相邻矩阵,用于述颜色的相对空间分布情况,以提高对图像变形的鲁棒性;还加入图像的纹理信息,最后结合这些颜色和纹理特征行复合图像检索.实验表明,该方法能有效提高图像检索精度.     

基于人眼感知度的分块加权图像检索*

提出了一种基于人眼感知度的图像检索算法。该算法首先由像素的人眼感知度的计算得到各分块的权值,然后对分块的LBP纹理直方图和HSV颜色直方图进行加权处理,综合纹理和颜色特征进行图像检索。实验结果表明,该算法结合了局部图像的相关性,利用了纹理和颜色特征的互补能力,检索结果符合用户所需并具有较好的查准率和查全率。     

一种新的基于矢量量化的图像检索算法

针对目前基于颜色的图像检索算法在颜色特征提取的不足,提出一种新的颜色特征提取算法。利用LBG算法对HSI空间的颜色信息矢量量化,然后统计图像中各个码字出现的频数,形成颜色直方图。这样在提取颜色特征过程中,尽可能地降低图像原有特征失真。同时通过设定门限值,多次实验比较查全率和查准率,找到较为满意的门限值,使检索算法更加完善。实验结果表明,该算法能有效地提高图像检索精准度。     

一种基于颜色的石材分类方法

石材分类采用人工方法存在费时费力及主观性强的缺点,本文提出了一种基于颜色的石材分类方法。基于颜色的图像检索算法主要采用HSL颜色空间模型、对其三分量进行分割量化及提取图像的特征值。实验证明,本算法能有效的对石材图像进行分类。     

基于S-CIELAB空间的彩色图像分割

提出一种基于S-CIELAB颜色空间的彩色图像分割算法。在人类视觉彩色传递模型的基础上,将原始的RGB图像转换到S-CIELAB空间,运用均值漂移算法对图像进行分割。实验结果表明,该算法能模拟人类视觉模糊特性,得到与人类视觉非常接近的分割结果。对于被高斯噪声严重污染的彩色图像,该算法也能有效地进行分割。     

基于色彩向量模型的彩色图象编码算法

在彩色图像编码技术中, 普遍存在的一个问题就是未能充分利用个色彩分量间的相关性。本文提出了一种基于色彩向量模型的彩色图象压缩编码算法, 高效地去除了彩色图像各分量间的相关性。该算法是将彩色图像 3 个色彩分量中一个分量, 将该色彩分量分割成若干个大小相等, 但不重叠的子块; 然后构造出该色彩分量的每个子块与另两个色彩分量所对应的子块中的色彩向量; 这样对另两个色彩分量的压缩编码转化为对色彩向量的编码。解码则是通过简单的逆变换, 以得到重构的两个色彩分量。这样一幅彩色图像就可以用一个色彩分量和其子块分割并计算出表示其它两个色彩分量的色彩向量来表示。实验结果标明, 该算法易于实现, 具有较高的峰值噪比和压缩比, 且恢复图像也具有视觉无损的效果。     

基于颜色传递的数字视频融合方法

针对伪彩色融合方法的融合图像色彩单一、颜色传递算法计算复杂等问题,提出一种新的红外与可见光数字视频融合方法。该方法在Toet算法的基础上,利用图像统计信息进行颜色查找表映射运算,对融合图像进行快速颜色传递,使融合结果具有与参考图像相同的色彩信息。实验结果表明,该方法的融合结果接近自然景物的颜色,效果优于伪彩色融合方法,且运算速度较颜色传递算法有较大提高。     

基于遗传神经网络的颜色恒常感知计算模型

在机器视觉领域,颜色恒常性是实现计算机视觉颜色校正和保持机器对颜色识别稳定性的重要因素.该模型通过心理物理实验获得由人眼感知得到的颜色恒常感知数据,将其放入神经网络中进行样本训练,并用遗传算法优化BP神经网络的连接权值和阈值.将所建立颜色恒常感知计算模型应用到图像颜色校正,通过主观和客观两个方面对校正结果进行对比评价,结果表示所建立的颜色恒常感知计算模型计算精度和效率高、复杂度低,比几种经典算法处理误差要小,针对图像的颜色再现有着更为符合人眼感知的特性.     

基于改进HVS的水稻杂草图像分割算法

研究水稻杂草图像分割问题,提高分割的准确性。水稻在颜色和形态上与杂草像素差异很小,造成二维图像像素重叠。传统的基于颜色和形态模型的分割算法,在这种情况下,很难准确的对混合杂草的水稻图像进行准确分割。针对分割效果不准确的问题,提出一种基于改进HVS模型的水稻杂草分割算法。通过在传统模型中加入图像亮度特性、像素频率特性、颜色的感知特性,以改进传统的水稻视觉图像模型。避免了传统分割算法对颜色和形态特征过度依赖的弊端。实验证明,利用改进后的图像视觉模型能够在重叠、间隔的水稻图像中,准确的分割杂草图像,取得了令人满意的结果。     

一种低码率彩色人脸图像编码方法

提出了一种适合低码率信道传输的嵌入式彩色人脸图像编码方法,不仅把握了人脸图像的特点,而且充分利用了彩色图像小波变换后的多种相关性。该方法将联合色彩分量矢量量化和零块、零树编码方法巧妙结合,把彩色图像的三个色彩分量单独扫描,单独编码的过程简化为联合扫描和联合编码的过程。实验结果表明该算法在低码率下,相比JPEG,获得了在视觉效果和峰值信噪比方面更好的恢复图像质量。     

基于子块的区域生长的彩色图像分割算法

提出了一种基于图像子块的区域生长算法,应用于彩色图像分割。首先将图像划分成多个不重叠子块,然后利用从CIE L*a*b*颜色空间中提取出的每个子块的颜色和纹理特征,先进行子块内颜色聚类,达到子块分类的目的,再根据生长准则进行基于分类子块的区域生长,实现对自然彩色图像的分割。实验结果证明了算法的有效性,分割结果符合人的主观感知。     

彩色图像分割技术进展与展望

随着数字图像技术和多媒体技术的不断发展,彩色图像分割技术受到人们越来越多的关注。首先对彩色空间进行了简单介绍,然后对基于像素的分割、区域的分割、物理学的分割、边缘的分割、神经网络的分割、模糊技术的分割及混合智能算法等主要彩色图像分割方法进行论述,通过比较发现遗传算法、脉冲耦合神经网络、粒子群等混合智能算法由于综合了人类视觉或者感知的智能性、并行性等优点,结合实际情况选择较好的彩色空间容易得到很好的彩色分割效果。