基于小波变换的水下降质图像复原算法

根据水下成像的物理模型,提出一种基于小波变换的水下降质图像清晰化处理算法。该算法将RGB图像转换为YUV图像,根据图像的对比度,对亮度Y图像利用小波变换自适应估计介质散射光的大小,增强水下降质图像的对比度,并在小波变换的低频子带上进行非线性亮度调节,消除水下图像的光照不均问题,将亮度Y图像的处理结果与颜色分量U、V合成得到清晰的水下彩色图像。实验结果表明,该算法可以自适应实现水下观测图像的清晰化处理。     

基于光照补偿和颜色统计的汽车牌照定位方法

基于车牌颜色相对固定,亮度易受光照条件影响的特点,提出一种车牌定位方法.把车辆图像从RGB空间转换到HSV空间,利用同态滤波对亮度分量进行光照补偿,保持色度和饱和度不变;转换回RGB空间,基于颜色统计进行车牌定位.实验结果表明,对于常见的蓝底车牌,该方法不仅能够实现光照不佳、背景复杂车辆的准确车牌定位,而且还能实现包括接近车牌颜色的各色车体的准确车牌定位.     

HSV变换和同态滤波的彩色图像光照补偿

为了有效消除光照对彩色图像的影响,提出应用HSV变换和同态滤波的光照补偿方法。首先将图像从RGB色彩空间变换至HSV色彩空间,然后将高斯高通滤波传递函数引入同态滤波中,设计出一种新的动态高斯同态滤波器,在频域内对图像亮度分量进行增强,并保持色调和饱和度不变,在增强图像细节的同时,削减图像低频分量,弥补因光照不足引起的图像质量下降,实现对彩色图像的光照补偿。实验分析表明,所提出方法能够弱化光照影响,提高彩色图像质量,是一种比传统高斯高通滤波和Gamma矫正更有效的光照补偿方法。     

彩色图像的亮度-色度非线性重组

灰度变换技术直接用于彩色图像的RGB各分量可以提高其对比度,但却会引起彩色失真;而基于Retinex理论的多尺度彩色复原算法（MSRCR）可以改善彩色图像的视觉效果,也不会引起彩色失真,但存在控制参数的取值问题,自适应性不是很好,更大的缺陷在于卷积运算巨大的运算量导致处理时间偏长。提出了一种基于灰度变换的自适应彩色图像增强算法,将原始RGB图像和RGB三分量灰度变换后的图像转换到非线性亮度/色度彩色空间,重组两者的色度分量和亮度分量,从而保持了原始图像的色彩。在继承灰度变换算法优点的基础上,扩展了原始图像的有效灰度范围,提高了整体对比度,增强了细节。此外,算法的计算量极小,不需要设定任何参数,可用于自适应实时彩色图像处理。     

基于域滤波的自适应Retinex图像增强

为了提高低照度图像的亮度和对比度,提出了一种新的基于Retinex理论的彩色图像增强方法。首先,基于Retinex理论,提出对HSV空间V分量进行域滤波估计图像光照分量,然后将V分量与光照分量相除得到反射分量的方法。之后,采用自适应Gamma校正对光照分量进行亮度提升,然后采用CLAHE对其进行对比度增强。最后,将亮度校正光照分量与反射分量相乘得到增强后的V分量,并将增强后的图像转化为RGB空间图像,达到彩色图像增强的目的。本算法可以获得更自然的增强效果,能抑制亮度较大像素点的增强,很好地突出图像中的细节信息,克服了图像增强中增强图像对比度低、颜色失真、过增强及光照突变处出现光晕现象等缺点。本算法对多种图像有效,例如高动态(HDR)图像、非均匀光照图像及低曝光图像。通过验证,本算法得到的结果相比于传统方法视觉效果更佳。     

快速Retinex彩色图像增强

提出了一种快速Retinex彩色图像增强方法,模拟了人类视觉系统全局和局部自适应性。首先对图像的亮度范围做全局调整;然后在光照估计步骤中对亮度进行Mean Shift滤波,用于其后光照影响的消除;最后对增强结果进行颜色恢复并进行了后处理。实验结果表明,方法能够有效压缩图像的动态范围,克服光照不均的影响,有效去除了光晕现象,且方法的颜色保持性较同类方法更好。使用了Mean Shift加速算法,方法运行速度快于此前提出的方法。     

基于直方图均衡化的彩色图像增强

现实生活中经常遇到所照图片清晰度不好,亮度不够,能辨率低,这样就需要将图像进行处理以得到清晰度和亮度更好的图像。文章首先介绍彩色图像和图像增强的定义与方法,以及彩色图像转换为灰度图像的方法,然后对直方图均衡化作出解释,最后通过实验先将彩色图像转换为HSI图像,并对HSI图像中的I分量的灰度图像进行直方图均衡化的处理,再将经过处理后的HSI图像还原成彩色图像,即可得到增强的彩色图像效果图。实现了通过直方图均衡化的处理得到彩色图像的增强。     

基于HVS和交叉掩蔽的彩色图像编码算法

以层树分集（SPIHT）编码方案为基础,结合人类视觉系统（HVS）模型和人类视觉对彩色图像分量亮度和色度的不同敏感性,提出了一种基于非对称编码和交叉掩蔽的小波域彩色图像压缩编码算法。该算法首先将原始图像从RGB空间转换到YCbCr空间,然后对YCbCr空间的各分量进行离散小波变换;之后根据人类视觉对彩色图像的亮度分量的敏感性,用交叉掩蔽模型对亮度分量的小波系数进行加权处理;与此同时,利用非对称编码和SPIHT编码思想完成图像的压缩。仿真实验结果表明,文中算法是一种高效的图像压缩编码方法,其压缩效果明显优于SPIHT编码方案。     

彩色图像SUSAN边缘检测方法

传统的彩色图像边缘检测方法主要是基于灰度图像的,先将彩色图像转化为灰度图像,然后用灰度图像边缘检测方法检测边缘。这些方法利用彩色图像的亮度信息进行边缘检测,没有考虑其色度信息。因此部分边缘不能被检测出来。提出了一种基于CIELAB空间的SUSAN彩色图像边缘检测方法。该方法首先将彩色图像从RGB空间转换到CIELAB空间,然后用基于色差的SUSAN算子检测边缘。实验结果表明：此方法能有效地检测出彩色图像的边缘。在保留图像边缘方面,性能优于基于灰度图像的边缘检测方法。     

基于FPGA的彩色图像实时采集显示系统设计

设计并实现了一种基于FPGA硬件平台的Bayer到RGB格式图像数据转换实时采集显示系统。该系统能够对前端Camera Link接口的CMOS相机采集的分辨率为1 920×1 080、帧率100 f/s以上的Bayer格式图像进行实时处理,并且将处理得到的RGB彩色图像数据通过DVI显示器以60 f/s的帧率实时显示。根据FPGA并行处理能力强的特点,采用像素矩阵模板实现了Bayer到RGB的彩色图像插值算法,实现了高分辨率、高帧率彩色图像的实时采集显示。     

强噪声彩色图像空域恢复方法

为了解决基于RGB颜色模型的强噪声彩色图像空域恢复方法的丢失细节问题,依据分解彩色图像得到的三个分量在相关处理后可合成为彩色图像的理论,采用图像的基于像素点的空域处理理论,研究了受强噪声污染的彩色图像的点处理恢复方法。设计了基于RGB颜色模型的彩色图像分量的点处理恢复算法,给出了根据噪声强度调用该算法依次恢复R分量、G分量和B分量的过程。实验结果表明,与经典的空域滤波器比较,基于像素点的空域处理具有保持图像细节的优点,适用于解决基于RGB颜色模型的强噪声彩色图像的恢复问题。     

基于混合颜色模型的枪弹外观缺陷分割

为实现枪弹外观颜色缺陷快速、自动、准确分割,提出一种基于混合颜色模型的枪弹外观缺陷分割方法.分析统计正常光照条件下弹体和颜色缺陷图像特征,获得统计规律,提取颜色特征,分割颜色缺陷,对感兴趣的局部弹体图像进行由RGB到HSI的颜色模型转换,利用色调H分量进一步分割缺陷,使用数学形态学优化分割结果,定义缺陷平均分割率和平均偏差量化分割结果.实验结果表明,该方法在弹体缺陷分割的应用中表现出较好的准确性和鲁棒性.     

基于融合策略的改进Retinex低照度图像增强算法

针对Retinex算法处理低照度彩色图像出现色彩失真,边缘保持性差等问题,提出一种基于融合策略的改进Retinex低照度图像增强算法;该算法首先在YIQ颜色空间提取亮度分量Y,对其进行MSR算法增强;然后采用高斯-拉普拉斯算子对彩色图像的RGB三个分量进行边缘检测,将其叠加合成后转换成灰度图;最后使用小波变换将两幅图像融合得到新的亮度分量,将其与I、Q分量融合后转回RGB颜色空间,从而获得色彩保真度高、细节清晰的图像;实验结果表明,该方法有效提高了图像边缘细节信息,避免了色彩失真,具有很好的视觉效果。     

基于低秩矩阵分解的运动目标检测

运动目标检测是视频监控任务的基础问题之一,针对灰度信息,目标检测存在的阴影识别能力差、检测精度低等问题,提出在HSV颜色空间下基于低秩矩阵分解的运动目标检测算法.首先将获取的RGB图像转为HSV颜色空间分量,分别对H、S、V通道构建低秩观测量,进行低秩矩阵优化分解,分离出不同颜色通道的前景和背景分量;组合H、S、V通道分量的前景图像,得到粗略的运动目标区域;再采用HSV颜色阴影去除去除前景图像中的阴影;最后经噪声去除和空洞的填充,检测得到准确的前景运动目标.实验验证表明,与其它方法相比,能够有效地提高运动目标检测的准确度.     

基于彩色分量垂直边缘检测的车牌定位新方法

考虑车牌本身特征,选择HSV和RGB颜色模型,并对每个分量的贡献值进行分析研究;选取一种有利于车牌提取的颜色空间及一组空间分量的权重值,利用设计的垂直方向算子得到车牌边缘信息,设计了一种阈值选取方法进行二值化处理,最后使用投影积分方法进行车牌细定位。通过各种情况下在卡口获取的200幅车辆实测图像进行测试,车牌定位的准确性和鲁棒性都较好。     

A new approach for color image segmentation based on color mixture

The aim of this paper is to propose a new methodology for color image segmentation. We have developed an image processing technique, based on color mixture, considering how painters do to overlap layers of various hues of paint on creating oil paintings. We also have evaluated the distribution of cones in the human retina for the interpretation of these colors, and we have proposed a schema for the color mixture weight. This method expresses the mixture of black, blue, green, cyan, red, magenta, yellow and white colors quantified by the binary weight of the color that makes up the pixels of an RGB image with 8 bits per channel. The color mixture generates planes that intersect the RGB cube, defining the HSM (Hue, Saturation, Mixture) color space. The position of these planes inside the RGB cube is modeled, based on the distribution of r, g and b cones of the human retina. To demonstrate the applicability of the proposed methodology, we present in this paper, the segmentation of “human skin” or “non-skin” pixels in digital color images. The performance of the color mixture was analyzed by a Gaussian distribution in the HSM, HSV and YCbCr color spaces. The method is compared with other skin/non-skin classifiers. The results demonstrate that our approach surpassed the performance of all compared methodologies. The main contributions of this paper are related to a new way for interpreting color of binary images, taking into account the bit-plane levels and the application in image processing techniques.     

基于自适应特性二维经验模式分解的Retinex彩色图像增强

提出一种彩色图像自适应增强方法：将图像从RGB色彩空间转化到HSV色彩空间并保持H分量不变,对亮度分量V通过自适应特性二维经验模式分解（ABEMD）估算其照度分量,再根据中心/环绕Retinex算法计算出反射分量,对照度和反射分量分别应用Gamma校正和Weber定律,并进行加权运算,基于全局特性自适应地调整S分量,并将图像从HSV色彩空间转化回RGB色彩空间。最后利用主观和客观的方法对实验结果进行了评价,实验表明了该算法在均值、方差、信息熵和清晰度方面均优于MSR算法和Meylan的算法。     

基于色彩空间自然场景统计的无参考图像质量评价

RGB色彩空间中各色彩分量间存在强相关性, 图像发生失真会改变各分量间的相关性. 基于此, 本文提出了一种新的通用无参考图像质量评价方法. 首先, 根据人类视觉对RGB色彩空间中绿色分量更为敏感的颜色感知特性, 提取了G分量MSCN系数及其4方向邻域系数的统计特征; 其次, 在分析RGB色彩空间中R、G及B分量间相关性的基础上, 分别计算RGB色彩空间各色彩分量及其纹理、相位间的互信息, 利用互信息作为统计特征来描述其各分量间的相关性; 进而, 结合上述统计特征, 分别利用SVR和SVC构建无参考图像质量评价模型和图像失真类型识别模型; 最后, 在LIVE、CSIQ 及TID2008图像质量评价数据库上进行了算法与DMOS (Different mean opinion score)的相关性、失真类型识别及计算复杂性等方面的实验. 实验结果表明, 本文方法的评价结果与人类主观评价具有高度的一致性, 在LIVE 数据库上的斯皮尔曼等级相关系数和皮尔逊线性相关系数均在0.942以上; 而且, 图像失真类型识别模型的识别准确率也高达93.59%, 明显高于当今主流无参考图像质量评价方法.