一种基于YUV颜色空间的新码书模型

为了有效消除复杂动态背景对运动物体检测的影响,引入了前后景区分能力较强的YUV颜色空间,基于此空间提出了一种新的码书模型,有效地减少了伪目标的检测。新码书模型采用六元素码字、新的码字学习和更新策略,实现较前人九元素码字和八元素码字有更快的训练速度和更低的存储空间。实验结果表明,即使背景存在运动和光照条件发生变化,算法也能更有效地检测运动目标。     

基于新的码书模型检测动态背景下的运动目标

为了能有效解决动态背景下运动目标的检侧问题,给出了一种结合HSV颜色空间和图像分块思想的码书模型方法.这种方法可以分为三步:首先根据视频图像大小,合理确定其分块的大小;然后根据HSV颜色空间下的亮度和颜色扭曲度信息构造块码书模型;最后利用得到的块码书模型检测运动目标,并且同时更新此码书模型.实验结果证实:对存在动态因素的背景视频,提出的方法不仅能有效抑制伪目标的出现,而且能准确、实时地检测出真实的运动目标.     

一种基于块的校正码书模型*

针对运动物体检测研究的难点之一——复杂动态背景,提出一种新的基于块的校正码书模型。该模型利用HSV空间基于像素块建立校正码书, 它具有四个方面的特色：a）引入HSV颜色空间提高了前后景的区分度;b）利用像素块构造码书以克服动态背景对单个像素的影响;c）引入反馈校正机制实现自适应的码书更新,减小伪目标的生成;d）实施码书的小样本学习方法,以提高检测速度。提出测量检测效率的覆盖率—正确率曲线定性评价方法。包含该评价方法的定性和定量实验表明,本模型可以高效快速地检测出复杂动态背景下的运动物体。     

基于HSV与YCrCb颜色空间进行肤色检测的研究

对肤色检测所适用的颜色空间进行研究,通过对比HSV和YCrCb颜色空间进行肤色识别的受亮度影响的程度,通过数据得出哪一种颜色空间更加适合进行肤色检测。     

基于HSV空间模型的视频场景切分

本文提出了一种基于HSV颜色空间模型的视频摘要场景切分方法。该方法将图像帧的RGB转换为相对应的HSV值,然后对H、S、V进行非等间隔量化,再合成为一维特征矢量。计算视频前后两帧图像的一维特征矢量直方图,求出它们的相似度,从而判断出是否发生了场景切换。实验证明,该方法能够比较准确地对视频进行场景切分,为视频摘要的关键帧提取提供了必要的条件。     

基于HSV空间模型的视频场景切分

针对RGB彩色空间模型下统计直方图用于切分场景时,存在对内容变化不敏感、计算量大等问题,提出了一种基于HSV空间模型的视频场景切分方法.该方法将图像帧的RGB转换为相对应的HSV值,然后对H、S、V进行非等间隔量化,再合成为一维特征矢量.计算视频前后两帧图像的一维特征矢量直方图,求出它们的相似度,从而判断出是否发生了场景切换.实验证明,该方法能够比较准确地对视频进行场景切分.为视频摘要的关键帧提取提供了必要的条件.     

融合颜色矩和码书模型运动目标的检测算法

运动物体检测是视频监控系统的一个重要部分。背景减除是利用图像序列中的当前帧和背景参考模型进行比较来进行运动目标的检测,其中背景模型反映了背景环境的信息。提出了一种新的基于码书的背景模型。在基本的码书模型的基础上,将HSV空间中的阴影检测算法融入背景模型,构建了一种颜色与亮度模型,使得背景模型对阴影有较好的处理效果。同时,提出了一种新的背景模型更新策略。实验结果表明,即使背景场景轻微运动和光照条件变化,该方法构造的背景也能有效检测运动目标。     

基于码书的运动目标检测方法

运动目标检测是视频监控系统需要解决的关键问题之一。背景差法是固定的单摄像头监控中常用的一种运动目标检测方法,其核心是背景的构造。提出了一种基于码书的背景构造方法,它能在有限的存储空间开销下使用长时间的图像序列估计背景模型。该方法首先对每一个像素点的抽样进行聚类分析,即构造初始的码书;然后根据背景模型的条件从中挑选出合格的码字构造背景码书;最后通过判断当前的像素值是否可以划归于背景码书以区分背景点和前景点,同时做相应的更新。实验结果表明,即使背景本身存在运动和光照条件发生变化,该方法构造的背景也能有效检测运动目标。     

一种基于HSV颜色空间和SIFT特征的车牌提取算法

为了克服SIFT算法直接应用在车牌提取中表现出来的执行时间过长、误配率高的缺陷,提出了一种基于HSV颜色空间与SIFT特征的两级车牌提取算法,先使用HSV颜色空间确定车牌的候选区域,进行快速粗定位,再使用SIFT算法对候选区域进行精确定位与倾斜校正,在精确定位的同时也完成了对车牌汉字的辨识。这种方法不仅减少了SIFT特征的计算量,而且也避免了复杂背景对于SIFT特征匹配的干扰,大大提高了匹配准确率。最后通过编程实验证实本算法有良好的性能。     

基于HSV颜色空间特征的视频烟雾检测

由于烟雾具有形状不规则、扩散缓慢的特性,导致传统烟雾识别方法对烟雾检测存在一定的缺陷,如烟雾检测准确率低、烟雾警报响应时间长等问题。为了满足野外空旷场景下烟雾检测的准确性和实时性,提出了基于HSV(Hue, Saturation, Brightness,色调,饱和,明亮)颜色空间特征和卷积神经将网络相结合的视频烟雾检测的识别方法。通过将烟雾图像的RGB颜色空间特征映射到HSV颜色空间特征后提取烟雾候选区域,提取到的烟雾候选区域经过高斯混合模型进行运动判断,然后将符合运动特征的烟雾候选区域图像送入到训练好的卷积神经网络中进行烟雾识别。针对传统烟雾检测效率问题,设计了卷积神经网络conv-12用于烟雾识别。实验结果表明,基于HSV颜色空间特征和卷积神经网络conv-12相结合的视频烟雾识别方法对视频烟雾检测的准确率为96.45%,烟雾检测率为93.3%,烟雾报警平均响应时间为0.9 s。相较于其他方法,在烟雾检测准确率、烟雾检测率、烟雾警报响应时间都有一定的提升。     

改进基于HSV空间的阴影检测算法

为实现复杂视频中前景目标的分割,需要解决前景目标准确提取难题,但在光照情况下,会受到阴影影响。为解决这一难题,提出一种结合高斯混合模型的HSV颜色空间阴影检测算法。对HSV颜色空间阴影检测进行修正,消除对非运动目标区域阴影的误检,加入运动目标轮廓检测,消除运动目标边缘阴影误检,得到运动目标阴影的准确检测。实验结果表明,该算法能有效检测复杂背景下的阴影目标,为获得准确分割前景目标奠定基础。     

基于HSV色彩空间的MODIS云检测算法研究

云是一种自然现象,广泛、高频、不规律地出现在地球上空,因此云也经常在卫星影像上有所体现。在遥感影像中,云覆盖在很大程度上降低了数据的质量和利用率。云检测是进行遥感数据处理与分析的基础和必要环节,因此准确地提取云区所在位置是一个非常有意义的研究课题。提出基于HSV色彩空间的MODIS云检测算法,首次将HSV色彩空间引入云检测领域,提出的算法以云与其他地物的自身光谱特性和光谱差异为理论基础,以色彩空间HSV正变换为数学基础,将MODIS波段1、6和26的假彩色合成影像进行HSV正变换,对获得的色调值（H）进行简单的、客观的阈值限定,获得最后的云检测效果。该算法具有精度高、简单可行、客观性强和计算速度快等特点,适用于不同的下垫面和季节,云检测效果理想。     

基于HSV色空间的车牌定位综合方法

提出一种基于HSV色空间的车牌定位的综合方法,该方法的主要优点是避开了以往车牌定位方法中无法寻到合适的全局阈值的缺点。在HSV色空间内,构造5级灰度图,直接根据车牌颜色的不同来进行灰度化处理,再利用灰度形态学平滑方法进行消噪,利用字频统计等方法进行分析和判断,最后用投影法分割出汽车牌照。该方法充分利用牌照的底色、纹理、以及几何特征等,实验表明该方法具有较好的精确度,并且在不同的背景下定位的有效性。     

基于混合高斯模型和帧差法的吸烟检测算法

提出一种快速有效的基于混合高斯模型和帧差法的视频吸烟检测技术。利用混合高斯模型获取准确的背景,通过帧差分法对连续两帧的灰度图像序列进行绝对差运算,与背景相减获得运动目标区域;根据改进的转换模型将稀薄烟雾图像从RGB颜色空间转换到HSV颜色空间,对其颜色特征提取并进行分析,进一步将稀薄烟雾区域从运动目标区域中分离出来。实验结果表明,该技术不易受到周围环境的限制,灵敏度高、适用范围广。     

多阶编码本背景模型

提出了一种新的多阶编码本背景模型。该背景模型在编码本背景模型的基础上发展而成,集成了多种流行背景模型的优点,包括帧间处理、带权重的码元、阴影检测、帧内处理等。实验结果表明,该背景模型能适应摄像机固定情况下的各种场景,结果准确,性能优越。     

基于HSV色彩模型的彩色晕渲图制作方法

为了通过计算机自动获取较高质量的数字地貌晕渲图, 在对HSV色彩视觉模型进行分析的基础上, 利用高程数据计算HSV色彩空间的H和S分量, 引入Hillshade算法计算山体阴影值作为地表点的反射光强, 再利用反射光强计算HSV色彩空间的V分量, 从而构造了一组由高程、反射光强到HSV色彩空间分量的映射模型, 并运用Visual C++. NET实现了对DEM数据的晕渲处理。实验表明, 使用该方法制作的彩色地貌晕渲图具有色彩过渡自然、地形区分明显、立体感强的特点, 比ENVI 4. 5软件作山体阴影处理（同时伴随彩色晕渲处理）色彩过渡自然, 细节效果好。     

基于HSV彩色空间的矢量形态学算子

在HSV彩色空间中,现有的矢量形态学算子对彩色像素的排序依据V、S、H顺序分层进行,从而违背了彩色图像中三个分量的平等原则,导致矢量形态学滤波算子难以去除彩色图像中由色调和饱和度分量引起的噪声,因此滤波算子性能较差.文中提出了一种基于HSV三分量混合运算的矢量形态学排序规则,并根据该规则定义了新的矢量形态学腐蚀、膨胀算子以及常用的矢量形态学滤波算子.实验结果表明,新的矢量形态学滤波算子较现有的矢量形态学滤波算子具有更强的噪声抑制性能,在保证图像不增加新的彩色像素的同时,去除了噪声并保留了图像细节,滤波后的图像具有较高的峰值信噪比和较小的均方根误差.