YCbCr

摘要： 面向图片与视频攻击下的人脸活体检测任务,提出了一种差分量化相邻局部二值模式(DQ_CoALBP)算子,综合不同方向上的图像局部中心点与周围点之间的差值,同时为了更加充分地描述人脸的彩色纹理信息,在颜色空间通道上将该算子与局部相位量化(LPQ)直方图特征相融合,并利用支持向量机(SVM)分类器实现人脸反欺诈判别。在公开CASIA-FASD与Replay-Attack数据集上的实验结果表明,DQ_CoALBP算子的表现均优于LBP、LPQ、CoALBP与DQ_LBP四种算子。采用YCbCr颜色空间在融合DQ_CoALBP与LPQ算子时,CASIA-FASD数据集上的等错误率(EER)和半错误率(HTER)分别降至2.5%和3.7%,Replay-Attack数据集上实现了无差错检测,优于一些深度卷积神经网络模型。

摘要： Malaria is a severe illness triggered by parasites that spreads via mosquito bites.In underdeveloped nations,malaria is one of the top causes of mortality,and it is mainly diagnosed through microscopy.Computer-assisted malaria diagnosis is difficult owing to the fine-grained differences throughout the presentation of some uninfected and infected groups.Therefore,in this study,we present a new idea based on the ensemble quantum-classical framework for malaria classification.The methods comprise three core steps:localization,segmentation,and classification.In the first core step,an improved FRCNN model is proposed for the localization of the infected malaria cells.Then,the RGB localized images were converted into YCbCr channels to normalize the image intensity values.Subsequently,the actual lesion region was segmented using a histogram-based color thresholding approach.The segmented images were employed for classification in two different ways.In the first method,a CNN model is developed by the selection of optimum layers after extensive experimentation,and the final computed feature vector is passed to the softmax layer for classification of the infection/non-infection of themicroscopicmalaria images.Second,a quantum-convolutionalmodel is employed for informative feature extraction from microscopicmalaria images,and the extracted feature vectors are supplied to the softmax layer for classification.Finally,classification results were analyzed from two different models and concluded that the quantum-convolutional model achieved maximum accuracy as compared to CNN.The proposed models attain a precision rate greater than 90%,thereby proving that these models performed better than the existing models.

摘要： 正确识别林区原木运输车辆能有效防止原木被违法运输的异常行为,提高监控管理森林资源的效力.为了解决由于林区道路场景的复杂性,原木端面颜色受光照、湿度等影响使得原木运输车辆识别率较低的问题,将基于YCbCr颜色空间和Hough变换圆检测相结合来识别林区原木运输车辆.同一捆原木端面颜色差异较小,可使用YCbCr颜色特征空间来分割图像,去除背景干扰;图像被转换到RGB空间以去除原木区域二值图像的背景;利用形态学方法统一去除二值化图像的原木缝隙来确定图像边缘;利用Hough变换圆的点线间的对偶性来检测原木运输车辆,降低了噪声的敏感性.实验结果表明,上述方法对成捆裸露在外的原木运输车辆识别率达到了71％以上,鲁棒性和有效性较好.

摘要： 木材的纹理特征是木材缺陷检测和木材材种鉴定中的重要技术,传统的木材纹理检测技术主要集中在提取纹理的边缘,不能获取完整的纹理数据信息,丢失了木材纹理中最重要的颜色特性.针对这一情况,提出了一种基于YCbCr的木纹纹理检测技术,该算法首先对RGB彩色图像进行gamma修正,然后把RGB图像转换为YCbCr图像,在Y-Cb-Cr三维空间中利用分割平面,把纹理和底色区分开来.实验结果表明,该方法能够很好地提取红木类木材的纹理特征,提取的纹理特征连续,提取率高.

摘要： 木材的纹理特征是木材缺陷检测和木材材种鉴定中的重要技术,传统的木材纹理检测技术主要集中在提取纹理的边缘,不能获取完整的纹理数据信息,丢失了木材纹理中最重要的颜色特性。针对这一情况,提出了一种基于YCbCr的木纹纹理检测技术,该算法首先对RGB彩色图像进行gamma修正,然后把RGB图像转换为YCbCr图像,在Y-Cb-Cr三维空间中利用分割平面,把纹理和底色区分开来。实验结果表明,该方法能够很好地提取红木类木材的纹理特征,提取的纹理特征连续,提取率高。

摘要： 进行人脸识别前,首先要精确定位出一幅图像中人脸的位置,为了快速定位人脸位置,本文提出一种肤色定位的人脸检测算法.首先将实际获取的彩色图像转换为YCbCr和HSI空间图像,并将Cb和Cr图像中的数值进行四舍五入处理,结合Cb、Cr、H和S的阈值去除大部分背景,再统计当前图像中的彩色部分的Cb和Cr值,分别取最多2个数值来共同确定肤色位置,最后由当前位置的亮度信息图像排除手等纯肤色部分,准确定位人脸.本文算法能提高正检率并降低误检率,有利于人脸检测.

摘要： 在Matlab上采用肤色范围静态肤色建模方式,利用阈值化法统计输入像素在YCbCr色彩空间下色度Cb,Cr的集中落点区域;采取基于YCbCr信号阈值的肤色分割,灰阶值作为肤色检测结果的输出,在QuartusⅡ上进行功能仿真,FPGA验证表明:在所用资源比较少的情况下,可实现人体肤色的实时检测.

摘要： 本发明提供了一种YCbCr444和YCbCr422相互转换方法，包括以下步骤：将图像分割成2*2个像素点的子块，将子块中四个像素点分为两组得到7种分组模式，计算各分组模式中每组像素点的Y分量编码值；计算各分组模式中Y分量编码值与对应像素点Y分量的偏差值，选取偏差值最小的分组模式为子块的编码/解码模式；根据编码模式对YCbCr444数据进行Cb编码、Cr编码，得到YCbCr422数据；根据解码模式对YCbCr422数据进行Cb解码、Cr解码，得到YCbCr444数据；本发明提供的YCbCr444和YCbCr422转换方法，相比传统转换方法，转换数据和原始数据偏差更小，可以有效提升图像质量。

摘要： 本发明公开了一种基于YCbCr超像素和图割的鸟类关键部位提取方法和装置，该方法包括：步骤1，在YCbCr颜色空间下，对鸟类图像进行超像素分割，形成图割模型的node顶点；步骤2，对鸟类图像中的背景和鸟身体的各关键部位进行多边形标记，并制作背景和关键部位的标签类型，形成图割模型中的Terminal节点；步骤3，利用超像素的颜色直方图和纹理直方图比较两个超像素的相似程度，计算两Node节点之间的边以及Node节点与Terminal节点之间的边；步骤4，构建图割模型中目标函数，并进行优化求解，得到鸟类关键部位分割结果。本发明能够获得鸟类具有区分性的精确关键部位特征，有助于避免拍摄角度、光照及姿态的影响，提高鸟类图像细粒度分类与识别的准确率。

摘要： 本发明公开了一种基于YCbCr的肤色提取及检测方法，属于图像处理技术领域。所述方法根据亮度分量Y的范围采用不同公式提取Cr、Cb分量以实现对图像肤色区域的提取，对于Y≤20或者Y≥180，采用改进的由RGB颜色空间到YCbCr颜色空间转换公式获得Cr、Cb分量，使得强光和弱光环境下对于肤色的分割依然是清楚的，提高了肤色识别的鲁棒性，有效解决了强光和弱光环境下无法实现对图像肤色区域的提取的问题，使得肤色检测技术在图像处理技术领域的应用中能够更加准确的识别出人体肤色区域。

摘要： 本发明涉及数字电视技术，其公开了一种基于YCBCR色彩系统实现彩色空间功能的方法，满足用户对颜色独立调试的个性化需求。该方法包括以下步骤：a.确定要在UI上显示的彩色空间功能与对应寄存器的关系并进行绑定调试；b.实现彩色空间七种颜色色调状态的定义以及肤色亮度状态的定义；c.定义彩色空间七种颜色色调调整算法和肤色亮度调整算法；d.当用户需要对颜色色调进行单独调整时，YCBCR色彩系统按照色调调整算法对相应颜色色调进行调整，当用户需要对肤色亮度进行单独调整时，YCBCR色彩系统按照肤色亮度调整算法对肤色亮度进行调整。

摘要： 本发明提供了一种YCbCr444和YCbCr422相互转换方法，包括以下步骤：将图像分割成2*2个像素点的子块，将子块中四个像素点分为两组得到7种分组模式，计算各分组模式中每组像素点的Y分量编码值；计算各分组模式中Y分量编码值与对应像素点Y分量的偏差值，选取偏差值最小的分组模式为子块的编码/解码模式；根据编码模式对YCbCr444数据进行Cb编码、Cr编码，得到YCbCr422数据；根据解码模式对YCbCr422数据进行Cb解码、Cr解码，得到YCbCr444数据；本发明提供的YCbCr444和YCbCr422转换方法，相比传统转换方法，转换数据和原始数据偏差更小，可以有效提升图像质量。

摘要： 本发明公开了一种基于YCbCr超像素和图割的鸟类关键部位提取方法和装置，该方法包括：步骤1，在YCbCr颜色空间下，对鸟类图像进行超像素分割，形成图割模型的node顶点；步骤2，对鸟类图像中的背景和鸟身体的各关键部位进行多边形标记，并制作背景和关键部位的标签类型，形成图割模型中的Terminal节点；步骤3，利用超像素的颜色直方图和纹理直方图比较两个超像素的相似程度，计算两Node节点之间的边以及Node节点与Terminal节点之间的边；步骤4，构建图割模型中目标函数，并进行优化求解，得到鸟类关键部位分割结果。本发明能够获得鸟类具有区分性的精确关键部位特征，有助于避免拍摄角度、光照及姿态的影响，提高鸟类图像细粒度分类与识别的准确率。

摘要： 本发明公开了一种基于YCbCr颜色空间的树果计数方法，包括以下步骤：(1)获取树果的目标图像；(2)预处理目标图像；(3)目标图像的通道转换和颜色分割；(4)提取和分类目标图像，获得独立树果子图像和树果组子图像；(5)获得子图像的树果个数和目标图像的总树果个数。本发明对于不同生长特征的树果获得较好的提取效果，将提取的子图像分为独立树果和树果组两类，分别对两类子图像设计计数算法，有效提高树果计数的准确性，降低了算法复杂度；实现了树果的自动计数，有效避免农业估产中对果实的损伤，可用于树果的估产。

摘要： 一种基于YCbCr色彩空间的二氨基联苯胺分离和评估方法，所述该方法的实施步骤为：S1、获取图片；S2、转换到色彩空间；S3、生成Crb或Cbr色度差图片；S4、设置偏值；S5、提取符号信息；S6、对步骤S5中的信息做形态学处理；S7、最终图像生成；采用的YCbCr色彩空间最符合二氨基联苯胺和苏木青染色的颜色组成本质，能够更准确的分离阳染色区域；该方法生成的最终图像可以对染色程度进行量化描述；使用该方法可以获得比传统方法更高的分离准确度。

摘要： 本发明公开了一种基于YCbCr颜色空间光场数据的稠密深度重建方法，该方法包括以下步骤：步骤1，获取YCbCr颜色空间光场数据；步骤2，在Y通道标记平滑区域；步骤3，在CbCr通道进行语义分割；步骤4，在Y通道进行区域匹配；步骤5，优化匹配视差，并计算场景深度。通过采用本发明提供的方法，能够在四维光场理论下实现高精度的深度重建。

摘要： 公开了使用YCbCr的相关性的图像编码/解码方法和设备。根据本实施方式的一方面提供了一种用于对要解码的块进行预测并解码的图像解码方法，该图像解码方法包括以下步骤：通过接收比特流来生成色度块的残差块；生成与所述色度块对应的亮度块的重构信息和所述亮度块的邻近重构信息；生成所述色度块的邻近重构信息；通过使用所述色度块的邻近重构信息和所述亮度块的邻近重构信息来确定缩放值和偏移值；通过将所确定的缩放值和偏移值应用于所述亮度块的重构信息来生成所述色度块的预测块；以及基于所述色度块的残差块和所述色度块的预测块来生成所述色度块的重构块。