摘要：针对光学字符识别中被红色印章覆盖的字符难以识别的问题,提出了一种基于lab颜色空间的方法,分离被红色印章覆盖的字符图片与正常字符图片。该方法考虑到图片的颜色特征,取图片在lab颜色空间中的a分量,依据像素值和像素数目设计分类器。实验表明,该分类器具有较好的分类效果,较SVM方法效果更佳,识别正确率达到98.33%。

摘要：为降低图像颜色分布和弱边缘对前景提取的负面影响,提出一种基于区域上下文感知的前景提取模型。结合图像亮度梯度和颜色信息将图像分成互不相交的区域,区域内颜色具有同质性,近邻区域间存在显著差异;依据颜色分布设计区域相似性测度,构建区域上下文关系和感知空间;在感知空间中将前景提取转化为二分类问题。实验结果表明,相对于传统模型,该算法提高了弱边缘、颜色非均匀分布图像的前景提取效果。

摘要：研究一种新的基于改进的K均值聚类的高保真彩色印刷分色方法,算法首先将彩色图像通过非线性变换,转换到lab颜色空间,再利用改进的K均值聚类算法进行色彩学习,最后经过改进的误差分散求取结果。算法优点是利用图像的空间相关信息,使分色结果得到局部优化;同时,由于阈值的引入,可以很好地控制分类精度;最后,通过对误差分散算法的改进,同时保证了分色图像色彩的连续性与差异性。

摘要：针对彩色钢渣图像目标与背景区域颜色存在较大差异以及钢渣亮光被误分割为钢渣的问题,采用基于lab颜色空间的K均值聚类算法对彩色图像进行预处理,提出一种改进的Otsu方法对钢渣彩色图像进行分割。将RGB颜色空间通过各种变换转到均匀的lab颜色空间;利用k均值聚类算法对图像进行预处理,预处理后的图像基本实现钢渣与背景的分离;对传统的Otsu方法进行改进,将背景像素点占整幅图像的比例作为权重引入到目标方程式中,用改进的Otsu方法对预处理后的图像进行阈值分割。通过对采集的彩色钢渣图像进行分割实验,将改进的Otsu方法与其它方法进行对比分析,实验结果表明,该方法有效地改善了分割效果,降低了分割误差。

摘要：针对自然背景下的行人检测问题,提出一种多特征与霍夫森林结合的行人检测算法。在特征提取阶段,分别采用梯度方向直方图、局部二值模式和lab颜色空间来提取行人的梯度、纹理和颜色频率特征,构成丰富的特征集来描述行人;采用霍夫森林算法来创建分类器,对其投票方式进行改进,提出一种基于高斯模板的区域加权投票方式,提高了检测精度。实验结果表明,该算法在误检率FPPW为10-4时,检测率为90.12%,ROC曲线性能上优于HOG+SVM与原霍夫森林算法。

摘要：为了解决当前车辆目标成像效果差且光照干扰强,导致智能系统识别车辆能力不足的问题,提出了基于边缘检测与模式识别的车脸识别算法。首先,基于lab颜色空间转换与Canny边缘检测,设计车辆前脸区域检测机制,得到车脸区域图像。然后,基于粗糙集描述和Adaboost分类器,对车脸特征完成训练,建立强识别器,准确识别车脸。最后,基于开源图像库***和C#语言实现算法,开发出瀑布结构标准软件系统。实验测试结果显示：与当前车脸识别技术相比,算法拥有更高的准确性与稳定性。

摘要：研究屏幕软打样工艺,为艺术品复制提供方法与技术支持,从而降低色差对艺术品复制带来的影响。改变显示器的校准参数(色温、亮度、伽马值),发现其对显示器显色能力的影响规律。实验数据显示,科学设置显示器参数至关重要,可以将总体色差控制在合理范围内;导致个别色块色差偏大(ΔE>1.5)的主要原因为b值(黄-蓝变化)所致。

摘要：针对磁铁性材料缺陷检测的问题,设计了一种基于涡流加热的无损检测探伤硬件平台及热成像数据采集系统,实验使用涡流加热设备对待测金属试件进行涡流加热,同时使用红外热像采集设备对金属试件进行实时的数据采集,并将数据转换成图像。针对采集的热图像含有大量的噪声、边缘信息模糊等问题,提出了一种基于lab颜色空间和多尺度数学形态学相结合的边缘检测方法,应用于金属材料缺陷边缘检测。该方法首先利用XYZ变换把涡流热像图从RGB颜色空间转换到lab颜色空间;然后在lab颜色空间下提取出a分量颜色特征;最后采用多尺度多结构元素的数学形态学算法进行边缘检测,识别出缺陷边缘。实验结果表明,该方法能够有效地消除噪声干扰,识别出图像的缺陷边缘,在检测准确性和抗噪声性能方面都优于传统的形态学算法。

摘要：针对传统清水砖筛选方式因依赖人眼视觉与经验判断,容易发生的色差分辨难、标准不统一等问题,利用数字图像处理技术和图像掩膜提取算法,设计了一种自动选砖算法,搭建了视觉系统,建立了清水砖选砖机器人系统及运行流程。与传统方式相比,新方法建立了清水砖数字化筛选标准,实现了高标准清水砖自动筛选,显著提升了选砖效率与品质,为后续类似工程精益建造提供了技术支撑。

摘要：为了实现地层出水的在线检测,设计了一种基于图像处理与机器学习的岩土湿度检测系统。通过高频滤波对采集到的数字图片进行预处理去除高频噪声干扰,使用混合高斯模型找到图片中的岩土区域,再将图片中的岩土区域由RGB颜色空间变换到lab颜色空间,通过DBSCAN聚类算法找到lab颜色空间的中心点,将lab值作为弹性网络输入,输出为预测的岩土湿度值。通过搭建模拟环境并进行实验,验证了该方法的可行性。相比传统探针法,可以实现较大面积的岩土湿度检测。