导读:本文包含了颜色不变特征论文开题报告文献综述及选题提纲参考文献，主要关键词:谱聚类,超像素,双分图分割,颜色不变性
颜色不变特征论文文献综述
赵薇,赵娜,张怡兴[1]（2018）在《基于颜色不变特征的谱聚类双分图分割方法》一文中研究指出谱聚类分割方法的结果很大程度上受超像素分类聚合效果的影响,而超像素分类聚合的效果关键在于超像素之间的相似性模型。基于双分图的分割框架利用交叉相似性矩阵可以高效完成超像素分类聚合,但其相似性模型采用简单的颜色特征,对强光照射、遮蔽等光照变化不具有鲁棒性,影响目标分割的精度。为了提高超像素聚合的一致性,文章提出利用具有颜色不变特征的颜色描述子和能够反映物理表面反射变化的Ridge特征来构建交叉相似性模型。在Berkeley分割数据集中的实验验证,基于颜色不变特征的谱聚类分割方法获得了比已有分割算法更好的效果。(本文来源于《信息网络安全》期刊2018年12期）
和文辉,李易,吴志庆,窦昊,陆冠严[2]（2018）在《基于颜色特征和不变矩的图像检索》一文中研究指出需要一种图像检索方法对图像进行快速、有效的检索,从而在图像库中找出与给定目标图像相似的图像集。提出一种方法,该方法基于RGB颜色模型的统计直方图和不变矩形状特征。颜色特征和形状特征是图像中最重要的两个图形特征。颜色特征计算简单,鲁棒性强。形状特征可以不受图形的平移、旋转和尺度变化的干扰。可以利用加权求和的方式结合两者特点从而得出图像间的相似度,通过大量实验得出效果最佳的权值比。(本文来源于《电脑知识与技术》期刊2018年27期）
李胜辉,史瑞芝,叶辉[3]（2016）在《结合颜色不变量和ORB特征的图像匹配算法》一文中研究指出目的针对现有图像匹配算法因忽略图像颜色信息,使算法对光照变化的鲁棒性较差,容易造成图像误匹配的情况进行改善。方法颜色信息是区分不同图像的重要特征,通过提取彩色图像颜色不变量的方法获得图像的颜色信息,并将颜色不变量与ORB特征描述子相结合,形成一种C-ORB算法,C-ORB算法在保留ORB算法优点的基础上,能够将图像的色彩信息应用到图像匹配过程当中。结果实验结果表明,结合了颜色不变量的ORB算法在保留了ORB算法运算速度快的基础上,能够在不同光照强度、不同光照方向下,获得更多的图像细节,匹配更为准确。结论在移动手机、平板电脑等移动终端设备进行印刷品识别与匹配时,能够在保证识别图像识别速度的基础上进一步减少图像的误匹配。(本文来源于《包装工程》期刊2016年15期）
胡丹丹,姜楠[4]（2016）在《基于颜色不变量和轮廓特征的地面多圆形目标检测》一文中研究指出研究了一种室外环境旋翼无人机对地面多圆形目标检测的方法。考虑室外环境光照变化、阴影等自然因素以及无人机飞行高度、姿态变化等因素对目标检测带来的不利影响,首先引入颜色不变量特征;并采用改进K-means算法进行图像分割;其次根据目标轮廓特征,设置面积与圆形度阈值滤除干扰区域;最后,采用基于对称性的最小二乘法与残差度确定目标位置。实际实验及无人飞行器大赛验证了所研究方法的实时性和准确性。(本文来源于《科学技术与工程》期刊2016年15期）
朱奇光,张兴家,陈卫东,陈颖[5]（2016）在《基于颜色矩的改进尺度不变特征变换的移动机器人定位算法》一文中研究指出针对基于图像外观的移动机器人定位中图像特征提取与匹配实时性和准确性差的问题,提出基于颜色矩的改进尺度不变特征变换分级图像匹配算法。该算法先由颜色矩来排序图像序列,再由改进尺度不变特征变换特征与排序后图像序列精确匹配实现定位。其中,改进的尺度不变特征变换算法以基于采样的迭代搜索算法检测极值点,由Sobel算子计算特征点的梯度方向和幅值,提高尺度不变特征变换算法速度及匹配精度。实验结果表明:改进的尺度不变特征变换算法降低误匹配率约9.2%,特征提取与匹配耗时减少约25.8%;分级图像匹配算法减少尺度不变特征变换特征计算代价约70%,减少总体耗时约43.3%。(本文来源于《计量学报》期刊2016年02期）
巩家昌[6]（2015）在《基于局部颜色不变性特征的图像复制粘贴篡改取证研究》一文中研究指出随着互联网的快速发展和数字成像设备的普及,数字图像已经成为人们主要的信息来源。数字图像处理技术的发展带来了图像造假的问题,这已严重影响了数字图像作为事件记载的可信度。如何鉴定图像的真实性已成为亟待解决的问题。如今,数字图像取证技术已成为一个新的研究领域,旨在揭示数字图像篡改操作。在数字图像篡改操作中,复制粘贴操作是最为常见的操作之一,并常伴随多种仿射变换,亮度变换及退化操作。现有的图像复制粘贴篡改取证算法仍存在一些缺陷,如对某些篡改操作的鲁棒性较弱,运算复杂度较高或无法识别平滑区域等。值得注意的是,由于颜色特征极易受光照变化的影响而很不稳定,现有的取证算法中很少考虑图像的颜色信息。然而,颜色作为物体最直观的特征之一,能够增强物体的区分力。针对这些问题,本文对局部颜色不变性特征及其在图像复制粘贴篡改取证中的应用进行了研究,主要创新性工作和成果概括如下:提出了基于和基于的篡改取证算法。算法对匹1.提出了基于OpponentSIFT和基于CwSURF的篡改取证算法。算法对匹配的特征描述子进行仿射变换估计并通过随机抽样一致算法去除误匹配。实验结果表明,算法解决了传统的基于局部不变性特征的算法无法识别平滑区域的问题,且对多种仿射变换、亮度变换及退化操作具有一定不变性。2.对图像的几何信息和颜色信息进行融合,提出了一种新的局部颜色不变性描述子OwSURF,并提出了基于OwSURF的图像复制粘贴篡改取证算法。算法使用凝聚层次聚类方法对特征匹配过程进行优化。实验结果表明,算法对多种后处理篡改操作具有较强的鲁棒性,且运算复杂度较低。3.提出了基于局部颜色不变性特征Color-SIFT的图像复制粘贴篡改取证算法。构建了一种提取Color-SIFT的框架,在五种成像假设条件下提取出五种颜色不变量及相应的五种局部颜色不变性特征描述子:Ew SIFT,Ww SIFT,Cw SIFT,Nw SIFT和Hw SIFT。对传统的基于局部不变性特征的取证算法与本文提出的算法进行评估,实验结果表明,Ew SIFT和Ww SIFT对多种后处理篡改操作具有较强的鲁棒性,更适用于实际的图像复制粘贴篡改取证。(本文来源于《天津大学》期刊2015-11-01）
王睿,朱正丹[7]（2015）在《融合全局-颜色信息的尺度不变特征变换》一文中研究指出由于尺度不变特征变换(SIFT)算法只针对图像的局部特征进行描述且忽略了图像的彩色信息,当待匹配图像中存在大量形状相似区域时,误匹配率很高。本文对SIFT图像匹配法进行了改进,提出了SCARF(Shape-color Alliance Robust Feature)图像匹配算法。为解决SIFT常出现的误匹配现象,构造的SCARF算子利用SIFT检测子提取图像的特征点集,通过建立同心圆坐标系,在SIFT原有框架的基础上融入全局形状信息和颜色不变信息,并采用欧氏距离作为匹配代价函数进行描述子匹配。对包括SCARF算法和SIFT算法在内的5种不同匹配算法通过INRIA数据库进行了实验验证,实验结果表明:SCARF算法在图像模糊、局部特征相似、JEPG压缩和光照变化等复杂变换情况下,匹配准确率优于SIFT等其他算法,降低了误匹配的概率,明显提高了匹配的稳定性和鲁棒性。(本文来源于《光学精密工程》期刊2015年01期）
周广波,李豪杰[8]（2014）在《一种基于颜色不变量和PHOG特征的交通标志检测方法》一文中研究指出提出一种基于颜色不变量和塔式梯度方向直方图PHOG(Pyramid Histogram of Oriented Gradients)特征的交通标志检测方法。该方法首先在高斯颜色模型下提取颜色不变量特征并对其进行聚类,以分割出候选感兴趣区域;然后提取感兴趣区域的PHOG特征并用支持向量机进行形状分类,进而区分交通标志形状和噪声区域。对自然环境下的交通标志,PHOG特征所采用的Canny算法在获取感兴趣区域轮廓时会产生较多噪声,从而降低交通标志分类性能。为此,提出利用Chromatic-edge来增强目标轮廓并抑制噪声以提升PHOG特征描述能力。实验结果表明该方法对光照、阴影、遮挡、以及背景复杂等因素具有较高的鲁棒性,获得了较高的检测率和较低的误检率。(本文来源于《计算机应用与软件》期刊2014年08期）
胡波[9]（2014）在《基于颜色不变量的特征匹配算法研究》一文中研究指出目标识别技术在各个领域都具有十分广泛的应用，特别是视觉SLAM中，目标技术扮演着重要且核心的角色。能否选择一种高速有效的目标识别算法，对实现机器人在位置环境中的目标识别任务，同时满足SLAM系统实时性和灵活性的要求来说十分重要。解决目标识别问题最常用的方法就是局部特征匹配，通过将待识别目标与基准目标的特征匹配进而完成识别。BRISK算法是一种较新的局部特征匹配算法，其在尺度空间中进行关键点检测，并采用二进制描述子和汉明距离匹配使算法可以满足实时和移动平台的应用。然而BRISK算法是基于灰度的，没有考虑颜色信息，对彩色图像中相似局部区域的不同特征造成误匹配，并且对光照条件变化剧烈时匹配效果较差。因此，在保证原始算法性能的前提下增加BRISK算法对光照的鲁棒性是本文研究的主要目标。首先，针对BRISK算子不包含颜色信息的问题，本文提出了一种基于颜色不变量的BRISK算法，以颜色不变量代替输入图像，在颜色不变量平面上构建尺度空间并检测关键点，利用采样点对RGB值的大小关系来描述局部颜色信息并与原BRISK描述子级联进而获得Color-BRISK描述子，通过汉明距完成匹配，改进后的算法对光照变化有较好的鲁棒性。其次，针对改进后的算法在整体消耗时间上不理想的问题，对算法中耗时最长的角点检测阶段进行改进，提出了一种Haar特征的鲁棒角点检测算法，通过确定角点候选区域的方法提高BRISK中角点检测阶段所用FAST算法检测到真正角点的准确率。改进后的FAST算子有效地拒绝了图像中纹理角点的影响且对具有一定抗噪性，提高了角点检测的效率，从而进一步减少了本文提出算法的整体用时。最后，本文介绍了局部特征匹配算法的性能评价标准，并将本文提出算法和原始BRISK、C-SURF算法在实际拍摄的场景中进行了综合实验对比分析，实验结果证明了本文算法的有效性。(本文来源于《辽宁大学》期刊2014-05-01）
刘岩,吕肖庆,秦叶阳,汤帜,徐剑波[10]（2012）在《尺度与颜色不变性图像特征描述》一文中研究指出尺度不变特征变换是目前公认的鲁棒性最强的图像特征描述方法之一,在尺度不变性和几何不变性方面具有较好的特性,但该方法主要适用于灰度图像,对图像颜色的区分能力不强,因此,一些对象可能会因为颜色的不同而被错误的区分.另外,尺度不变特征变换对关键点局部范围内描述子主方向的依赖性非常强,直接决定了匹配的正确率,但是研究表明,主方向分配产生的误差仅有叁分之二左右能控制在[-20。,+20。]范围内,因此部分特征会有叁分之一的概率因为主方向分配的误差较大而不能正确匹配.针对以上两个问题,本文提出了一种具有颜色和尺度不变性的局部特征描述方法,颜色不变性通过将RGB图像转换到高斯颜色模型下实现,特征描述过程中不再分配主方向,而用局部相对方向,尺度不变性通过构建高斯金子塔实现.实验选取阿姆斯特丹数据集图像进行了测试,结果表明本文方法比传统尺度不变特征变换方法,在特征点的数目、分布均匀性以及匹配精度方面均有所提高.(本文来源于《小型微型计算机系统》期刊2012年10期）
颜色不变特征论文开题报告
（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：
需要一种图像检索方法对图像进行快速、有效的检索,从而在图像库中找出与给定目标图像相似的图像集。提出一种方法,该方法基于RGB颜色模型的统计直方图和不变矩形状特征。颜色特征和形状特征是图像中最重要的两个图形特征。颜色特征计算简单,鲁棒性强。形状特征可以不受图形的平移、旋转和尺度变化的干扰。可以利用加权求和的方式结合两者特点从而得出图像间的相似度,通过大量实验得出效果最佳的权值比。
（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。
颜色不变特征论文参考文献
[1].赵薇,赵娜,张怡兴.基于颜色不变特征的谱聚类双分图分割方法[J].信息网络安全.2018
[2].和文辉,李易,吴志庆,窦昊,陆冠严.基于颜色特征和不变矩的图像检索[J].电脑知识与技术.2018
[3].李胜辉,史瑞芝,叶辉.结合颜色不变量和ORB特征的图像匹配算法[J].包装工程.2016
[4].胡丹丹,姜楠.基于颜色不变量和轮廓特征的地面多圆形目标检测[J].科学技术与工程.2016
[5].朱奇光,张兴家,陈卫东,陈颖.基于颜色矩的改进尺度不变特征变换的移动机器人定位算法[J].计量学报.2016
[6].巩家昌.基于局部颜色不变性特征的图像复制粘贴篡改取证研究[D].天津大学.2015
[7].王睿,朱正丹.融合全局-颜色信息的尺度不变特征变换[J].光学精密工程.2015
[8].周广波,李豪杰.一种基于颜色不变量和PHOG特征的交通标志检测方法[J].计算机应用与软件.2014
[9].胡波.基于颜色不变量的特征匹配算法研究[D].辽宁大学.2014
[10].刘岩,吕肖庆,秦叶阳,汤帜,徐剑波.尺度与颜色不变性图像特征描述[J].小型微型计算机系统.2012