HSV空间

摘要： 车牌识别系统中的一个关键性技术是车牌定位,其准确性直接影响后面的车牌字符分割和识别的效果.当背景与车牌区域颜色相似时,在颜色车牌定位算法中不能正确定位出车牌.针对上述问题,提出一种基于HSV空间颜色和纹理特征的车牌定位算法.该算法首先通过HSV空间变换,使颜色空间具有独立性,从而分割出不同颜色区域;其次,通过车牌区域字符集中且边缘信息丰富的特点,设置字符与字符边缘之间的梯度跳变次数的阈值,在复杂的背景下判断待测试区域是否为车牌区域;最后,通过二值化直方图投影法定位并分割出车牌区域,建立BP神经网络训练识别车牌字符来验证算法的有效性.实验结果表明:该方法能够在颜色相似和背景复杂的情况下正确定位车牌区域,在相同的条件下对比其他定位算法,其识别率达95.06%.

摘要： 为了降低基本苗统计中的人力成本、提高统计效率和精度,设计了一种基于机器视觉的统计方法.新方法根据图像在HSV空间的良好性质确定兴趣区域,通过图像腐蚀与膨胀算法去除噪声,获得利于提取的连通域,并达到最后统计的目标.利用植保无人机在徐州某地区水稻农田获取的基本苗图像,将图像从RGB空间转换为HSV空间,通过阈值选择获取兴趣区域达到预期统计效果.结果表明,试验验证了基于机器视觉基本苗统计方法的有效性,新方法与人工统计方法相比提高了统计效率.

摘要： 研究混凝土的配合比设计是混凝土工程中的一项重要工作.为了实现不同粒径大小以及砼、砖配合比的混凝土图像的精确分类,提出了一种基于彩色共生矩阵(Color GLCM,CGLCM)和支持向量机(Support Vector Machine,SVM)的混凝土图像分类方法.首先,将混凝土图像从RGB空间转换到HSV空间,分别提取H,S,V 3个通道的8维灰度共生矩阵(Gray level co-occurrence matrix,GLCM)的纹理特征;其次,将3个通道的特征进行融合,构成24维特征向量,并将特征向量输入到SVM进行分类,确定CGLCM的最佳参数;最后,在此基础上利用群智能算法对SVM参数进行优化.通过对中北大学土木工程专业构建的两种数据集(CIRD_A,CIRD_B)进行分类,结果表明,与其他分类方法相比,遗传算法优化SVM模型(GA-SVM)对两种数据集的分类精度最好,分别达到了97.76%和96.34%.

摘要： 比较同一场景无雾和有雾时图像RGB(Red-green-blue)三通道和HSV(Hue-saturation-value)三通道的变化,提出一种基于幂指数拉伸的去雾算法。首先将图像从RGB变换到HSV空间,将饱和度分量和亮度分量分别作1~3的幂指数拉伸和调整,将拉伸变换后分量生成HSV图像再变换到RGB空间,生成增强后的去雾图像。以饱和度均值、亮度指标、信息熵和对比度作为去雾评价的指标,确定最优的拉伸幂指数组合。然后使用最优幂指数完成去雾处理,同时根据图像饱和变化的阈值或时间间隔长度决定是否重新寻找最优拉伸幂指数。最后使用Python软件,借助多进程编程实现本文去雾算法。当图像分辨率为400像素×300像素时,树莓派上运行时幂指数参数寻优用时为5.077~6.160 s,单帧图像去雾用时第1帧时间长为0.308 s,其余时间为0.077~0.168 s,结果验证了本文算法的实时性。

摘要： 提出了一种降低增强图像时色彩失真,提高对比度时保持图像自然度的HSV空间的多尺度Retinex低照图像增强方法。该方法在HSV色彩空间中将明度分量V进行多尺度Retinex分解,对分解得到的各尺度光照图像分别进行指数矫正,再经Retinex重构得到增强的各尺度明度分量,取它们的均值图像作为增强的明度分量V′,与色调分量H以及饱和度分量S组合,得到最后的增强图像。实验结果显示,相对于现有的图像增强方法,该方法的增强图像视觉效果更佳,图像对比度更高,纹理结构更丰富。

摘要： 针对低照度条件下采集到的图像存在亮度偏低、细节模糊等问题,通过分析传统Retinex理论在增强图像过程中的缺陷,提出了一种基于梯度稀疏和多尺度变分约束的图像增强算法。该算法首先将输入图像由RGB空间转换到HSV空间,提取亮度分量,实现3个通道的解耦合。然后,根据零范数的梯度全局显著特性,定义了一个新的相对全变分正则项。接着,在HSV空间下惩罚亮度分量,构建一种具有梯度稀疏的变分模型对亮度通道进行约束,并通过将控制因子扩张为多个尺度,形成多尺度变分约束,提升照度估计的准确度,使之更加符合光照分布特性。根据Retinex理论进行映射,获取亮度通道对应的反射图像。进而利用亮度通道不同尺度下的约束所对应的不同照度结果,分别提取图像的粗略细节、中等细节和精细细节,通过多尺度细节加权,对反射图像进行细节增强。最后,对照度图像进行伽马校正,与经细节提升后的反射图像重组并进行颜色空间转换得到输出的增强图像。通过定量、定性实验对本文算法进行了验证,实验结果表明:本文算法的增强图像有着更高的色彩丰富度和更低的色差水平,能够保持图像的自然度,提升图像的视觉效果。在均值、平均梯度和信息熵的表现上,相比原图均有大幅度提升;与现有的先进算法相比,本文算法的平均定量指标在不同类型低照度图像的增强图像上均产生了较优的效果,且运算效率较高。

摘要： 针对原有同态滤波算法在处理亮度低、细节部分区别不明显的矿井监控视频图像时,容易造成图像整体处于偏暗状态,且会丢失部分暗区域细节信息这一问题,提出一种适用于矿井监控视频图像增强的改进同态滤波算法。首先使用引入的改进同态高通滤波与所提出的同态低通滤波对煤矿井下监控设备得到的图像进行处理,然后加权融合;为修正此时图像的亮度并减少后续处理图像的时间,选择将得到的图像转换到HSV空间下,在保持色调分量H不变的情况下,对亮度分量V采用CLAHE进行校正。由于亮度的变化会对饱和度分量S造成影响,因此对饱和度分量S进行自适应非线性增强;最后将得到的图像反转回RGB空间下完成矿井监控视频图像的增强。实验结果显示:在保证图像不失真且不改变图像原有色彩结构的情况下,对比其他3种算法,该算法能更好地提升图像整体亮度和对比度,同时能避免光晕现象的产生,且保真性良好,增强一幅图像只需1.1 s左右。

摘要： 针对光照不均匀、光线暗等环境导致图像采集单元采集到的图像视觉效果差、噪声大等问题,本文提出一种基于视网膜和皮层(Retinex)理论改进的低照度图像增强算法去恢复图像原有的视觉特征.将低照度图像从红、绿、蓝(RGB)空间转换到色调、饱和度、亮度(HSV)空间,在HSV空间的V通道去对低照度图像进行处理,这样能够避免图像三基色比例关系被破坏;采用改进的多尺度Retinex(MSR)算法估计光照分量,用非局部均值(NLM)滤波代替高斯滤波,利用滤波窗口与相邻窗口间的递归关系来简化计算,不仅能准确估计光照分量,还能够提高图像的处理速度;最后进行颜色空间逆变换,转换到人眼习惯的RGB颜色空间.实验结果表明该算法可以有效提高图像清晰度,保护图像的细节信息.

摘要： 为提高图像在数据集中的检索准确度,设计了基于加权距离与多元极谐变换的图像检索算法.在查询图像的色调-饱和度-亮度(HSV)空间内,提取其颜色特征;并引入贝塞尔K分布与非下采样Shearlet变换(NSST)方法得到查询图像的纹理特征,改善其对模糊与亮度变换等操作的稳健性;借助四元极谐变换(QPHT)机制,将图像的QPHT模系数视为形状特征,提高对噪声与几何变换的鲁棒性.通过融合这3种特征,分别计算查询图像与数据库图像之间对应的特征距离,并赋予三者对应的权重,以测量两幅图像之间的相似度,从而准确输出检索结果.测试数据显示,与当前基于内容的图像检索技术相比,所提算法具备更高的检索准确度和鲁棒性,在多种几何变换攻击下,仍可以准确检索出目标.

摘要： 本文提出了一种新的车牌快速定位方法。该方法采用设定车牌HSV分量范围的方式,在HSV空间中将符合要求的图像像素提取出来,得到包括车牌区域在内的几个连通区域。然后采用信息融合技术,结合车牌的形态及纹理特征,对候选车牌区域进行判别,得到真正的车牌位置。经过对大量车牌图片进行测试,证明该方法运算量小,定位快速,抗干扰强,具有很好的适应性和应用价值。

摘要： 本文提出了一种新的车牌快速定位方法。该方法采用设定车牌HSV分量范围的方式,在HSV空间中将符合要求的图像像素提取出来,得到包括车牌区域在内的几个连通区域。然后采用信息融合技术,结合车牌的形态及纹理特征,对候选车牌区域进行判别,得到真正的车牌位置。经过对大量车牌图片进行测试,证明该方法运算量小,定位快速,抗干扰强,具有很好的适应性和应用价值。

摘要： 本文提出了一种新的车牌快速定位方法。该方法采用设定车牌HSV分量范围的方式,在HSV空间中将符合要求的图像像素提取出来,得到包括车牌区域在内的几个连通区域。然后采用信息融合技术,结合车牌的形态及纹理特征,对候选车牌区域进行判别,得到真正的车牌位置。经过对大量车牌图片进行测试,证明该方法运算量小,定位快速,抗干扰强,具有很好的适应性和应用价值。

摘要： 本文提出了一种新的车牌快速定位方法。该方法采用设定车牌HSV分量范围的方式,在HSV空间中将符合要求的图像像素提取出来,得到包括车牌区域在内的几个连通区域。然后采用信息融合技术,结合车牌的形态及纹理特征,对候选车牌区域进行判别,得到真正的车牌位置。经过对大量车牌图片进行测试,证明该方法运算量小,定位快速,抗干扰强,具有很好的适应性和应用价值。

摘要： 本文提出了一种新的车牌快速定位方法。该方法采用设定车牌HSV分量范围的方式,在HSV空间中将符合要求的图像像素提取出来,得到包括车牌区域在内的几个连通区域。然后采用信息融合技术,结合车牌的形态及纹理特征,对候选车牌区域进行判别,得到真正的车牌位置。经过对大量车牌图片进行测试,证明该方法运算量小,定位快速,抗干扰强,具有很好的适应性和应用价值。

摘要： 一种基于RGB和HSV双颜色空间的图像去雾方法，涉及数字图像处理技术领域，解决现有方法中透过率估计不准确，易产生光晕现象以及颜色失真，实时性差等问题，本发明从大气散射模型出发，利用有雾图像最小值通道和雾浓度估计建立透过率估计模型；在HSV的空间，利用饱和度特性，实现饱和度下像素级的雾浓度估计；利用RGB空间的L2范数，建立RGB三通道的像素级的雾浓度估计的数学模型；结合两个颜色空间的雾浓度估计，利用成像场景与雾浓度估计的参数，自适应地获取最终的雾浓度估计值；从而，直接从单幅图像中获得最佳的大气透过率图。利用最小值通道图像自适应的获取全局大气光。本发明算法处理效果较好且运算量小，可应用于实时工程系统中。

摘要： 本发明提出了一种基于HSV颜色空间与色度键的蓝屏抠像方法，可以精确去除蓝色背景与半透明材质中溢出的像素点,本发明采取的技术方案为：将图片从RGB颜色空间转换到HSV颜色空间并进行蓝屏背景的去除，保留下来的部分生成掩膜，在掩膜黑色对应原图的部分进行RGB颜色空间上色度键抠像，并生成Distance图，根据Distance图进行合成。

摘要： 本发明属于视频检测技术领域，具体涉及一种基于HSV颜色空间的污水排放检测方法。一种基于HSV颜色空间的污水排放检测方法，步骤1：将视频帧转换到HSV空间，得到一个三维的图像矩阵，分别对应色调、饱和度、亮度分量；步骤2：采用3x3的模板对洁净度空间的视频帧进行中值滤波；步骤3：计算秒内洁净度累计差分图，定位水体排放区域；步骤4：对帧水体污染与否做出判断；步骤5：示警并存储污水排放视频帧。本发明能够较好地区分各种颜色的污水与净水，且基于洁净度累计变化的方法能够对流动水体进行“精准”地定位。只对排污阶段的视频信息进行存储，能够为相关部门查证、制定相关处理办法提供切实可靠的参考依据。

摘要： 本发明提供一种抗－HSV剂，它来源于植物，且能抑制HSV－1和HSV－2复制。此外，本发明还提供了一种生产具有抗－HSV活性的松果的氢氧化钾提取物和抗－HSV剂的方法。

摘要： 本发明公开了一种基于HSV色彩空间的多尺度融合水下图像增强的方法，首先根据Jaffe‑McGlamery水下成像模型得出复原后的图像，然后基于灰度世界算法对水下图像RGB三通道进行颜色校正，接着基于多尺度融合对HSV空间的亮度V进行改进，再用一种自适应非线性算法对饱和度S进行处理，来增强图像细节，最后输出增强的图像。并且将UDCP法、IBLA法与本发明提出的基于HSV色彩空间的多尺度融合水下图像增强方法进行比较分析。本发明可以有效地改善颜色失真和增强图像细节，能够应用于水下机器人的实际应用场景。

摘要： 本申请公开了一种基于HSV颜色空间相互运算的浓雾彩色重建方法及装置，其中，方法包括：将浓雾下相机采集的RGB图像转换到色调‑饱和度‑亮度HSV颜色空间，并利用预设算法提升亮度域的对比度，且利用优化后的亮度域对图像做导向滤波，得到滤波后的浓雾图像；对滤波后的浓雾图像进行白平衡校正，并利用预设的SV域的相互运算提升饱和度的信噪比，得到最终浓雾图像；基于最终浓雾图像，利用色调域确定浓雾下目标物的颜色，并利用饱和度域确定浓雾下目标物的边界信息，以基于浓雾下目标物的颜色和边界信息得到浓雾下目标物的彩色重构结果。由此，解决了相关技术中，在雾气较浓的情况，会因为图像噪声干扰严重而无法有效成像的技术问题。

摘要： 本发明属于图像处理技术领域，提供了一种基于HSV色彩空间的文档图像处理方法，包括步骤：获取文档图像，并根据获取的文档图像的RGB值；将所述RGB值转换为对应的HSV值，得到基于HSV色彩空间的文档图像；建立分别为色调，饱和度和明度的三个通道掩模，将基于HSV色彩空间的文档图像分别通过三个掩模通道，得到目标色彩的过滤掩模；对目标色彩的过滤掩模进行连通区域分析，得到目标色彩连通区域。本发明还提供了一种基于HSV色彩空间的文档图像处理系统，本发明的优点在于通过系统自动识别图像中的笔迹等信息，为后续的信息识别、记录、统计等操作做准备，采用基于HSV色彩空间图像处理，对彩色图像进行色彩过滤，剔除干扰信息，大大节省了人力和时间。

摘要： 本申请涉及视觉检测技术领域，特别地，涉及一种基于HSV空间的颜色分割方法及装置。为了解决在进行颜色分割过程中选取单点颜色值要求高、个数把控难的问题。所述方法包括：将待检测图像中每个像素点的RGB转换到HSV空间，得到每个像素点在所述HSV空间中对应的单点颜色值，所述HSV空间包括H颜色通道、S颜色通道、V颜色通道；合并基于图像分割需求所确定的预设颜色值，确定在所述HSV空间中用户实现图像分割的目标颜色的取值范围；通过提取在所述目标颜色的取值范围内的所述单点颜色值，对所述待检测图像进行颜色分割，得到相应的图像分割结果。

摘要： 本发明涉及矿相识别技术领域，且公开了基于HSV颜色空间的矿相识别方法，包括，步骤一、采集图像，将制备完成的矿石光片试样放置在光学显微镜载物台上，调节物镜和目镜的倍数以及调节好其它设备参数，直至观察到清晰的图像，在单偏光镜下使用CCD相机进行拍摄，将拍摄到的清晰图像传入电脑保存，然后调整物镜倍数再次进行拍摄保存，步骤二、双边滤波，双边滤波可以在滤波的同时保证边缘信息不被破坏，以确保矿物分割的准确性。该基于HSV颜色空间的矿相识别方法，可以提高研究矿相的精确度和效率，并且操作简单，有效促进工艺矿物学的发展，为工艺矿物学工作人员提供参考。

摘要： 本发明公开了一种HSV空间上的非结构化道路识别方法，属于智能汽车辅助驾驶技术领域。本发明对非结构化道路彩色图像，首先计算S分量矩阵，通过OSTU法计算阈值，初步识别道路区域，得到黑白识别结果图。然后，将黑白图像划分成多个方格，计算每个方格内黑白像素比例并转化为一个像素，得到一个较小的二值图像。在小的二值图像上采用搜寻道路左右轮廓的方法确定道路粗略区域。最后对应到S分量上，据边缘到边缘法精确识别道路边缘及道路区域。本发明能较好识别非结构化道路，抗干扰能力强，对道路形状不敏感，且计算量较小，符合无人驾驶系统实时性要求。