基于图像色相值突变特征的钢轨区域快速识别方法

应用彩色图像中不同区域HSL色彩空间中色相值突变特征提取轨检图像中钢轨边界点, 对多条不同等分线处钢轨边界点进行直线拟合以确定钢轨边缘, 识别目标钢轨区域。分析了机器视觉轨检系统序列图像中轨枕、砟石、扣件与钢轨的分布特征及不同特征区域图像色相值的突变特征, 研究了轨检图像不同等分数值下等分线处色相值突变点与钢轨边界点的对应关系, 讨论了不同等分值对识别时间与识别失败率的影响。在不同光照条件下对识别方法与传统方法进行了对比分析。分析结果表明: 当等分值为8时识别效果最优, 识别失败率为5.0%, 识别时间为4.65 ms; 在500~1 000、1 000~10 000、10 000~100 000 lx三个特征光照强度区间, 识别方法在木枕与混凝土枕轨道中钢轨区域的平均最大识别时间分别为4.57、4.48 ms, 比传统方法分别减少了44.4%、47.1%, 识别时间标准差分别为0.15、0.12 ms, 比传统方法分别降低了91.8%、93.6%, 平均最大识别失败率分别为3.5%、3.3%, 比传统方法分别降低了66.0%、76.9%, 识别失败率标准差均为1.6%, 比传统方法分别降低了68.9%、71.1%。可见, 本文方法是一种机器视觉轨检系统中目标钢轨区域识别的有效方法。     

整车内饰背光测试方法介绍

整车内饰背光的主要作用是为驾驶员夜间行驶提供信息照明,而照明的目的是识别对象、提升品质及夜间行驶安全。本文结合人们对不同颜色光的视觉感知,阐述整车内饰背光主观评价及客观测试方法,重点介绍客观测试方法。     

基于主元分析和色调的彩色图像分割

提出一种基于主元分析和色调的彩色图像分割方法.首先应用主元分析法确定分类数,将彩色图像分成几个区域,然后基于色调特征将区域再划分为若干个子区域,最后根据CIE(L*α,b*)空间的颜色差异合并具有相似颜色的子区域,得到最终的精确分割结果.     

基于神经网络的手势识别

在机器人对手势识别的实验中，利用BP神经网络对连续手势进行识别。对采集到的彩色图像进行基于肤色的提取后，从复杂背景的彩色图像中划分出手部图像，进一步处理后输入神经网络进行识别。实验结果表明，该方法比较简单，识别效果也较为理想。     

基于HSI空间的模糊C均值彩色图像分割方法

给出了一种在HSI空间上基于模糊C均值的彩色图像分割方法．首先对每个像素根据H分量和I分量计算出4个隶属度,然后将其中的两个隶属度结合形成一个二雏特征矢量来表征像素的全部颜色特征,最后对二维矢量运用模糊C均值聚类算法得到最终的彩色图像分割结果．