导读:本文包含了颜色复杂度论文开题报告文献综述及选题提纲参考文献，主要关键词:图像复杂度,颜色特征,支持向量机,纹理特征
颜色复杂度论文文献综述
王浩[1]（2018）在《基于颜色和纹理特征的图像复杂度研究》一文中研究指出图像复杂度的评价技术被广泛地应用于图像增强、信息安全等领域,研究图像复杂度可以了解人类视觉对图像的认知过程,同时也可以促进图像复杂度技术应用领域的发展。国内外学者对复杂度的研究主要集中在图像的特征表达上,在评价过程中没有将人的视觉感受考虑在内,而且提出的方法并不是对所有类型的图像都适用。针对这些存在的问题,本文基于视觉理论,根据自然类和纹理类图像,提出了基于颜色和纹理特征的图像整体复杂度研究。对于自然类图像,影响复杂度评价的因素主要在于颜色特征,根据此给出了基于颜色特征的图像复杂度评价。文中首先提取了影响视觉系统评价复杂度的颜色熵、颜色分布均匀度、HSV叁通道的二阶矩、颜色空间复杂度4种颜色特征,将它们组成特征向量并用支持向量机的方法对大量图像进行训练建立图像复杂度等级分类和复杂度值计算模型,通过实验验证该方法的正确性。对于纹理类图像,影响复杂度评价的主要因素在于纹理的粗细,文中研究了基于纹理特征的图像复杂度方法。首先通过灰度共生矩阵提取了影响复杂度因素的相关纹理参数,然后通过模糊聚类的方法得出复杂度等级的纹理聚类中心,最后根据要评价的图像纹理特征与聚类中心的距离远近确定该图像的所属复杂度类别,同时也给出了复杂度值精确计算模型。实验结果表明,本文给出的基于颜色和纹理特征的图像复杂度研究不仅符合人眼视觉对图像复杂度的评判,而且相对于其它的评价方法与主观评价更接近,可以对不同类型的图像复杂度进行科学判断。(本文来源于《长春理工大学》期刊2018-06-01）
许爽[2]（2016）在《基于颜色特征的图像复杂度研究》一文中研究指出图像复杂度的研究在诸如目标自动识别、边缘检测、图像压缩、数字水印、图像隐写算法、图像分类与检索、认知心理学、计算机美学等领域得到了广泛的应用。尽管如此,图像复杂度并没有一个统一的概念,不同的研究领域给予了图像复杂度不同的定义和描述方法。组成论[2]是一个用于研究描述客观事物普遍规律的新的知识体系,它通过复杂度[2]的概念来反映研究对象内部组成的丰富程度。组成论的提出为复杂度问题的研究提供了一个新的思路。本文从图像最直观的颜色特征入手(包括颜色种类特征和颜色空间分布特征),结合组成论中提出的广义集合、分布函数和复杂度的概念,分别定义了描述图像颜色种类特征、图像颜色空间分布特征的广义集合,给出了图像颜色种类特征复杂度和颜色空间分布特征复杂度的定义与求解方法。并且将这两种颜色特征复杂度相结合,给出了一个求解图像颜色特征复杂度的方法。为了验证本文提出的图像颜色特征复杂度计算方法的可行性和有效性,分别在RGB和HSI色彩模型下构造并实现了相应的计算图像颜色特征复杂度的算法,并使用大量图像对算法进行实验验证。实验结果表明:(1)在RGB模型下以原始图像为研究对象,得到的实验图像的颜色种类复杂度与人的视觉感受一致性较高,在一定程度上说明了颜色种类复杂度计算方法的有效性。但由于RGB彩色空间本身不能很好地反映人眼对色彩的视觉感受,识别的图像颜色种类数远大于人眼可区分的颜色种类数,因此计算得到的图像颜色分布特征复杂度与人的视觉感受相符程度比较低,进而影响了图像颜色特征复杂度计算结果的准确性;为了验证在减少颜色过度识别后图像颜色特征复杂度计算方法是否有效,采用CoQuWeiP[43]色彩量化算法对原始图像进行色彩量化操作,并对色彩量化后的图像进行实验。结果表明在给定参数下图像的颜色空间分布复杂度和整体颜色特征复杂度与人的视觉感受的一致性都有明显提高,但是由于色彩量化过程中存在颜色信息的丢失,进而影响了颜色种类复杂度计算结果的有效性。(2)在HSI模型下,采用了N.Ikonomaki[23]等人提出的像素相似性度量规则来计算连通域,使算法对色彩的感知更接近人眼对色彩的分辨与感知,大大减少了图像中被识别的颜色数目,从最接近人眼视觉感受的角度对图像颜色特征复杂度算法进行验证。实验结果表明,40组实验图像中,80%的实验组内3幅图像计算得到的颜色复杂度的排序与人的视觉感受是一致的,从而说明本文提出的图像颜色特征复杂度计算方法是可行的,有效的。(本文来源于《河南大学》期刊2016-06-01）
赵倩,曹家麟,胡越黎[3]（2012）在《结合高斯多尺度变换和颜色复杂度计算的显着区域检测》一文中研究指出提出一种结合全局和局部对比度的数据驱动自底向上的视觉计算模型,采用高斯多尺度变换和颜色复杂度计算相结合的方法检测图像的显着区域。图像经过高斯金子塔多尺度变换后,用改进的冗余计算方法,在频域中消除全局冗余信息,初步将大范围的目标从周围环境中分离出来,并均匀地突显目标,利用多尺度特征子图点对点平方融合使全局显着区域显着度进一步增强,背景冗余信息进一步得到消弱;同时采用改进的像素颜色复杂度计算方法得到局部显着图,最后用最大类间方差法(Ostu)分割出图像中的显着区域。在多种自然图像上进行实验,实验结果表明,该方法能迅速检测出与人类视觉结果一致的显着区域。(本文来源于《仪器仪表学报》期刊2012年02期）
于永健,王向阳,吴俊峰[4]（2009）在《基于颜色复杂度的加权颜色直方图图像检索算法》一文中研究指出为了进一步提高基于颜色直方图的图像检索系统工作效率,以人眼视觉感知特性为基础,结合局部图像相关性,提出一种基于颜色复杂度的加权颜色直方图图像检索新方法.该方法计算反映局部区域变化的像素点颜色复杂度,利用颜色复杂度对每个像素点进行加权处理,构造能有效反映视觉感知特性的加权颜色直方图并进行图像检索.仿真实验结果表明,本文算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率.(本文来源于《小型微型计算机系统》期刊2009年03期）
刘祖根,平玲娣,史烈,张宝军,潘雪增[5]（2008）在《基于图像子块颜色复杂度的隐写分析》一文中研究指出为实现对以GIF图像为载体的隐藏图像的高效检测,提出了基于图像子块颜色复杂度的隐写分析算法.图像可划分为若干子块,颜色复杂度定义为子块中一个像素同其他像素的索引值差值之和(距离和).一个距离和可按照索引值差值的符号,区分为正距离和与负距离和两个矢量;根据图像子块的特性,归类为主距离和与次距离和.采用直方图计算这些量的统计状态,并统计邻接图像子块的距离和共生矩阵;计算这些统计量的直方图特征函数的块中心,得到28维特征向量;基于该特征向量和支持向量机,构造隐写分析算法.实验结果表明,该算法对GIF图像上多种隐秘术的检测性能优于传统算法.(本文来源于《浙江大学学报(工学版)》期刊2008年07期）
颜色复杂度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
图像复杂度的研究在诸如目标自动识别、边缘检测、图像压缩、数字水印、图像隐写算法、图像分类与检索、认知心理学、计算机美学等领域得到了广泛的应用。尽管如此,图像复杂度并没有一个统一的概念,不同的研究领域给予了图像复杂度不同的定义和描述方法。组成论[2]是一个用于研究描述客观事物普遍规律的新的知识体系,它通过复杂度[2]的概念来反映研究对象内部组成的丰富程度。组成论的提出为复杂度问题的研究提供了一个新的思路。本文从图像最直观的颜色特征入手(包括颜色种类特征和颜色空间分布特征),结合组成论中提出的广义集合、分布函数和复杂度的概念,分别定义了描述图像颜色种类特征、图像颜色空间分布特征的广义集合,给出了图像颜色种类特征复杂度和颜色空间分布特征复杂度的定义与求解方法。并且将这两种颜色特征复杂度相结合,给出了一个求解图像颜色特征复杂度的方法。为了验证本文提出的图像颜色特征复杂度计算方法的可行性和有效性,分别在RGB和HSI色彩模型下构造并实现了相应的计算图像颜色特征复杂度的算法,并使用大量图像对算法进行实验验证。实验结果表明:(1)在RGB模型下以原始图像为研究对象,得到的实验图像的颜色种类复杂度与人的视觉感受一致性较高,在一定程度上说明了颜色种类复杂度计算方法的有效性。但由于RGB彩色空间本身不能很好地反映人眼对色彩的视觉感受,识别的图像颜色种类数远大于人眼可区分的颜色种类数,因此计算得到的图像颜色分布特征复杂度与人的视觉感受相符程度比较低,进而影响了图像颜色特征复杂度计算结果的准确性;为了验证在减少颜色过度识别后图像颜色特征复杂度计算方法是否有效,采用CoQuWeiP[43]色彩量化算法对原始图像进行色彩量化操作,并对色彩量化后的图像进行实验。结果表明在给定参数下图像的颜色空间分布复杂度和整体颜色特征复杂度与人的视觉感受的一致性都有明显提高,但是由于色彩量化过程中存在颜色信息的丢失,进而影响了颜色种类复杂度计算结果的有效性。(2)在HSI模型下,采用了N.Ikonomaki[23]等人提出的像素相似性度量规则来计算连通域,使算法对色彩的感知更接近人眼对色彩的分辨与感知,大大减少了图像中被识别的颜色数目,从最接近人眼视觉感受的角度对图像颜色特征复杂度算法进行验证。实验结果表明,40组实验图像中,80%的实验组内3幅图像计算得到的颜色复杂度的排序与人的视觉感受是一致的,从而说明本文提出的图像颜色特征复杂度计算方法是可行的,有效的。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
颜色复杂度论文参考文献
[1].王浩.基于颜色和纹理特征的图像复杂度研究[D].长春理工大学.2018
[2].许爽.基于颜色特征的图像复杂度研究[D].河南大学.2016
[3].赵倩,曹家麟,胡越黎.结合高斯多尺度变换和颜色复杂度计算的显着区域检测[J].仪器仪表学报.2012
[4].于永健,王向阳,吴俊峰.基于颜色复杂度的加权颜色直方图图像检索算法[J].小型微型计算机系统.2009
[5].刘祖根,平玲娣,史烈,张宝军,潘雪增.基于图像子块颜色复杂度的隐写分析[J].浙江大学学报(工学版).2008