导读:本文包含了颜色和形状检测论文开题报告文献综述及选题提纲参考文献，主要关键词:HSV模型,交通标志检测,颜色模型,形状特征
颜色和形状检测论文文献综述
白金柯,孙彩云[1]（2019）在《基于HSV颜色模型和形状特征的交通标志检测算法研究》一文中研究指出交通标志检测是无人驾驶的重要组成部分,如何快速准确检测出交通标志对无人驾驶有重要的作用。本文提出一种基于HSV颜色模型和形状特征提取共同检测交通标志的算法,通过HSV颜色模型的特定颜色阈值,从实景图中找出感兴趣区域,然后对其进行形状特征判断以确定目标区域。最后进行实际道路环境测试,该算法能在复杂背景中准确地检测出交通标志区域。(本文来源于《河南科技》期刊2019年23期）
英思蔓[2]（2017）在《基于颜色和形状的指示/禁令类交通标志检测》一文中研究指出交通标志检测是智能交通系统中的关键环节,主要负责敏捷而且高效地将交通标志从采集图像内的多样的背景图像中分离出来,给驾驶员提供一些基本交通信息,例如,指示他们行驶的方向、警告他们驾驶的行为,或者告知他们当前驾驶环境中禁止的交通行为,引导其有序地使用道路。交通标志检测使用的数据主要通过安装在汽车上的行车记录仪、相机等设备获取,成像过程中的光照、遮挡等复杂环境因素,以及交通标志自身的颜色随着时间会发生退色、人为损坏等情况,均可能导致数据质量下降,给交通标志检测带来困难,目前交通标志检测的准确率距离现实应用的需求尚有一定的距离。本文根据日常生活中最经常见到的指示类交通标志(多为蓝色、圆形)和禁令类交通标志(多为红色、圆形和叁角形)的颜色及形状特点,提出了一种基于颜色和形状的指示/禁令类交通标志检测方法。具体工作总结如下:(1)利用指示/禁令类交通标志图像的颜色信息,基于最大稳定极值区域与显着性区域筛选可能包含交通标志的感兴趣区域,实现交通标志的粗定位。通过这种算法可以从某些的程度上来去除自然光以及噪声对采集图像的影响。(2)利用指示/禁令类交通标志的圆形和叁角形的形状信息,使用径向对称变换算法把交通标志感兴趣区域分为两类,一类是含圆形标志感兴趣区域,另一类是其他感兴趣区域。对含圆形标志的感兴趣区域进行圆形标志检测并且对其位置进行标定;对其它感兴趣区域使用霍夫变换进行叁角形标志检测并定位。(3)针对数据获取过程中光照的影响,在基于采集图像的颜色信息对指示/禁令类交通标志进行粗定位之前,本文加入色偏校正的方法来对图像进行预处理操作,尽最大的可能来修正采集图像受光照影响而产生的色差,以提高获取交通标志感兴趣区域的精确度,从而提高检测率。本文提出的基于颜色和形状的指示/禁令类交通标志检测方法没有训练学习的过程,从而可以大大地缩短了检测的时间,通过在豊田工业大学交通标志数据集上进行了实验,实验的成果表明该检测算法相比对比方法要有更高的检测率。(本文来源于《北京工业大学》期刊2017-06-01）
袁雷明,蔡健荣,孙力,叶创[3]（2016）在《鲜食葡萄果穗形状颜色的多视角投影成像检测》一文中研究指出设计了一种基于平面镜的低成本多视角投影成像结构,用于获取鲜食葡萄果穗不同侧面信息来判断果穗形状、颜色是否合格。采用两片前表面平面镜来延伸单目相机的拍摄视野,以最大限度地获取果穗全表面信息。通过图像处理方法分割果穗的实像虚像区域,并借助悬挂果穗的高度不变属性对虚像区域进行放大,得到叁个每隔120°的同样高度果穗。提取果穗区域、轮廓宽度曲线参数来对果穗外观形状进行评价,与人工分级对比,对果穗形状分级的准确率为95.5%;将彩色图像RGB转换到HSI颜色空间,从色度图像(Hue)获取果穗成熟时的典型颜色区域,计算果面着色面积比例,并按照着色面积比例的大小进行颜色分类,准确率为81.1%。结果表明多视角同时成像的方法可用于葡萄外观的分级,为在线检测提供参考。(本文来源于《现代食品科技》期刊2016年04期）
张志佳,李文强,张丹,钟玲[4]（2015）在《基于颜色与形状特征的交通标志检测方法》一文中研究指出现今社会,交通事故频发,每年因交通事故而造成的伤亡人数正在逐年递增,如何提高道路交通的安全性,已然成为迫在眉睫的问题。文中所研究的交通标志识别技术,可以及时将道路两旁交通标志反馈给驾驶员,从而减少或避免由于驾驶员的疏忽引发的交通事故。交通标志主要包括,警告标志、禁令标志和指示标志叁种,而不同类型的交通标志均具有不同的颜色和形状特征。针对交通标志的上述特点,文中提出了一种将颜色和形状特征相结合的交通标志识别系统。在该方法中,首先采用HSV颜色特征对整幅图像进行粗提取,而后进行形态学滤波并基于标志的几何形状特征对整幅图像实现精细分割,完成标志检测。实验结果表明,该方法运算量小,对外界环境变化不敏感,能够准确、快速地检测出视线范围内的交通标志。(本文来源于《计算机技术与发展》期刊2015年07期）
张金朋,方千山[5]（2015）在《融合颜色分割与形状特征的交通标志检测》一文中研究指出交通标志的颜色特征和形状特征是其最主要的两个特征,为提高检测的准确性和鲁棒性,提出颜色分割和形状特征相结合的方法。利用交通标志的颜色特征,采用基于HSV空间的颜色分割方法 ,获得图像中可能包含交通标志的区域,并提取该区域。根据交通标志的形状特点,利用canny算子获取提取区域的轮廓。然后,采用基于标记的形状检测算法判定所分割区域的形状,利用方向梯度直方图特征结合支持向量机(SVM)方法完成交通标志识别。经实验测试,该方法对图片视点变换、尺度变换以及亮度变换等情况具有很强的鲁棒性。(本文来源于《微型机与应用》期刊2015年11期）
周广波[6]（2013）在《基于颜色和形状特征的交通标志检测》一文中研究指出交通标志检测是智能交通系统研究的重要领域之一,是未来智能汽车的重要组成部分。交通标志蕴含着重要的提示,指示或者警告信息。忽略这些信息会给驾驶员带来灾难,因此为了使人们更加舒适安全智能的驾驶汽车,交通标志的检测研究变的越来越重要。交通标志处在自然环境中,其检测受到诸如光照、阴影、遮挡、颜色退化、或者其所处的环境复杂等因素影响。正因为这些原因,使得交通标志检测变的非常困难。为了减少这些环境因素的影响,使驾驶员可以方便的容易的看到交通标志。交通标志被设计成了特殊的颜色如(红、黄、蓝)或者特殊的形状(如叁角形、圆形),因此颜色和形状是检测交通标志的重要信息。针对这些特性本文在研究原有的交通标志分割与检测技术的基础上提出一种基于颜色不变量和塔式梯度方向直方图(PHOG)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；然后采用基于面积的方法和对称性检测的方法先初步滤除一些面积过大或者面积过小及不够对称的区域。经过面积和对称性滤除后,对剩下的感兴趣区域提取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,本文提出利用Chromatic-edge来增强目标轮廓并抑制噪声以提升PHOG特征描述能力。本文实验结果表明本文方法对光照、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《大连理工大学》期刊2013-03-25）
张静,何明一,戴玉超,屈晓刚[7]（2011）在《综合颜色和形状的圆形交通标志检测方法》一文中研究指出快速、可靠的交通标志检测是对其进行准确识别的前提,以颜色分割为基础,提出了一种基于曲线拟合的圆形交通标志检测算法。首先利用交通标志的颜色特征预分割出潜在的交通标志区域,然后针对圆形交通标志轮廓具有圆形这一关键特征,通过边缘检测并采用非线性最小二乘技术准确的确定出图像中的圆形交通标志区域。实验结果表明了算法的有效性。(本文来源于《计算机工程与应用》期刊2011年02期）
张瑞,张朋[8]（2010）在《基于颜色和形状的交通标志检测与分类》一文中研究指出本文旨在分析对比现有颜色分割算法的基础上,提出一种基于HSI颜色模型的颜色分割算法,该算法对在不同复杂背景下拍摄的图片,能够分割出人们感兴趣的颜色并排除大部分干扰颜色。在交通标志识别系统应用中,主要提取红、黄、蓝叁种颜色,并且算法应能有效地排除其他颜色,尤其是绿色的干扰,可以接受一定的噪声影响。在此基础上,利用形状特征进行交通标志的检测与分类。实验结果表明,系统能实现复杂场景中交通标志的准确定位,但交通标志分类方法仍有待改进。(本文来源于《微计算机信息》期刊2010年35期）
李先锋,朱伟兴,花小朋,孔令东[9]（2010）在《融合形状和颜色特征的苹果等级检测》一文中研究指出为了提高苹果分级的准确率和稳定性,在图像处理的基础上,基于Fourier描述子和HIS颜色模型分别提取了苹果的形状和颜色两类主要外观特征,并分别用神经网络进行单特征初步分级,将其结果作为证据,通过D-S证据理论进行决策级融合,根据分类阈值得到最终分级结果。实验结果表明,该方法分级正确率达93.75%,与单指标特征分级相比,识别率高,稳定性好。(本文来源于《计算机工程与应用》期刊2010年35期）
王文宁,李慧娟,师磊[10]（2008）在《一种基于颜色和形状特征的人脸检测方法》一文中研究指出人脸检测在人脸识别领域有重要的应用价值。本文针对复杂背景下的彩色图像,构造了一种颜色特征人脸图像,提了一种基于眼睛的颜色特征和形状特征的人脸检测定位方法。依据肤色模型、数学形态学处理检测出肤色区域,再利用颜色特征人脸图像准确快速的分割出脸部的非肤色区域(眼睛与嘴巴),最后由眼睛模板验证。该算法适合图像质量较好的各种姿态的人脸定位,利用肤色特征和眼睛的颜色特征分两步分割出眼睛存在的区域,减少了搜索面积,因而使计算量大大降低,提高了检测速度。(本文来源于《计算机系统应用》期刊2008年07期）
颜色和形状检测论文开题报告
（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：
交通标志检测是智能交通系统中的关键环节,主要负责敏捷而且高效地将交通标志从采集图像内的多样的背景图像中分离出来,给驾驶员提供一些基本交通信息,例如,指示他们行驶的方向、警告他们驾驶的行为,或者告知他们当前驾驶环境中禁止的交通行为,引导其有序地使用道路。交通标志检测使用的数据主要通过安装在汽车上的行车记录仪、相机等设备获取,成像过程中的光照、遮挡等复杂环境因素,以及交通标志自身的颜色随着时间会发生退色、人为损坏等情况,均可能导致数据质量下降,给交通标志检测带来困难,目前交通标志检测的准确率距离现实应用的需求尚有一定的距离。本文根据日常生活中最经常见到的指示类交通标志(多为蓝色、圆形)和禁令类交通标志(多为红色、圆形和叁角形)的颜色及形状特点,提出了一种基于颜色和形状的指示/禁令类交通标志检测方法。具体工作总结如下:(1)利用指示/禁令类交通标志图像的颜色信息,基于最大稳定极值区域与显着性区域筛选可能包含交通标志的感兴趣区域,实现交通标志的粗定位。通过这种算法可以从某些的程度上来去除自然光以及噪声对采集图像的影响。(2)利用指示/禁令类交通标志的圆形和叁角形的形状信息,使用径向对称变换算法把交通标志感兴趣区域分为两类,一类是含圆形标志感兴趣区域,另一类是其他感兴趣区域。对含圆形标志的感兴趣区域进行圆形标志检测并且对其位置进行标定;对其它感兴趣区域使用霍夫变换进行叁角形标志检测并定位。(3)针对数据获取过程中光照的影响,在基于采集图像的颜色信息对指示/禁令类交通标志进行粗定位之前,本文加入色偏校正的方法来对图像进行预处理操作,尽最大的可能来修正采集图像受光照影响而产生的色差,以提高获取交通标志感兴趣区域的精确度,从而提高检测率。本文提出的基于颜色和形状的指示/禁令类交通标志检测方法没有训练学习的过程,从而可以大大地缩短了检测的时间,通过在豊田工业大学交通标志数据集上进行了实验,实验的成果表明该检测算法相比对比方法要有更高的检测率。
（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。
颜色和形状检测论文参考文献
[1].白金柯,孙彩云.基于HSV颜色模型和形状特征的交通标志检测算法研究[J].河南科技.2019
[2].英思蔓.基于颜色和形状的指示/禁令类交通标志检测[D].北京工业大学.2017
[3].袁雷明,蔡健荣,孙力,叶创.鲜食葡萄果穗形状颜色的多视角投影成像检测[J].现代食品科技.2016
[4].张志佳,李文强,张丹,钟玲.基于颜色与形状特征的交通标志检测方法[J].计算机技术与发展.2015
[5].张金朋,方千山.融合颜色分割与形状特征的交通标志检测[J].微型机与应用.2015
[6].周广波.基于颜色和形状特征的交通标志检测[D].大连理工大学.2013
[7].张静,何明一,戴玉超,屈晓刚.综合颜色和形状的圆形交通标志检测方法[J].计算机工程与应用.2011
[8].张瑞,张朋.基于颜色和形状的交通标志检测与分类[J].微计算机信息.2010
[9].李先锋,朱伟兴,花小朋,孔令东.融合形状和颜色特征的苹果等级检测[J].计算机工程与应用.2010
[10].王文宁,李慧娟,师磊.一种基于颜色和形状特征的人脸检测方法[J].计算机系统应用.2008