人体外周血五类白细胞数量和所占比例反映了人体的健康状态, 人工检查白细胞消耗医务人员的大量精力, 如何用智能方法快速、准确进行白细胞智能分类是一个亟待解决的问题, 其中白细胞分割的准确性是正确分类的关键。提出了一种改进的迭代阈值图像分割算法, 对恢复有丝分裂连线的最小距离方法进行了基于数学和数模分析的预处理改良, 提升了白细胞图像分割的精度和效率, 解决了血小板粘连、白细胞边界不分明等问题。将白细胞从复杂的血液环境中分离出来, 对有丝分裂细胞的多叶核进行最小距离判定并连线, 然后定位到每个白细胞, 制作数据集, 最后用CNN分类。经测试, 分割正确率达到了96%以上。实验结果验证了所提分割方法的准确性、高效性和实用性。

提出了一种基于非下采样Contourlet变换(NSCT)的雾天图像清晰化算法,将雾天图像映射到HIS彩色空间,对亮度分量H、饱和度分量S分别处理。采用NSCT处理亮度分量H,对含有大多数能量的低频分量取反,再进行改进的单尺度Retinex算法处理,将再次取反后的图像与直接进行改进的单尺度Retinex算法处理的低频分量线性叠加;采用一种快速双边滤波器对包含图像大多数线性细节的高频分量进行处理;对处理后的高低频分量进行NSCT逆变换,得到处理后的亮度分量。对饱和度分量S进行颜色拉伸,实现颜色补偿;将处理后的各分量图像反向映射到RGB颜色空间,得到清晰化后的雾天图像。实验结果表明,该算法可以获得较好的浓雾图像细节及颜色保真度,与其他算法相比,图像的标准差、信息熵、峰值信噪比都有所提高。

血片镜检可以实现白细胞的分类计数，同时还能提供详细的白细胞形态等特征，有助于疾病的诊断。目前国内大多数医院白细胞检测的主要方法是人工镜检，但人工镜检依赖医务人员的工作经验，劳动强度大，检测效率低。因此提出一种基于RGB彩色空间分量差的白细胞细胞核的快速分割方法。通过显微镜分析人体外周血液涂片的显微图像，发现白细胞细胞核区域的B分量和G分量的差值明显比其他区域大，可以通过一个简单8 bit的B-G运算，来实现五类白细胞细胞核的快速分割，白细胞细胞核的平均分割时间为0.26 ms，体现了较好的鲁棒性和实时性。该方法成功应用到白细胞的实时在线自动扫描镜检中，提高了镜检的效率。

在色度、饱和度、纯度(HSV)彩色空间，结合简化脉冲耦合神经网络(S-PCNN)与二维离散静态小波(SWT)提出一种有效的遥感图像融合算法。将多色光谱转换到HSV 色彩空间，对多色光谱的V 分量与全色光谱进行二维静态小波分解，再将分解后的高频系数输入S-PCNN 模型进行融合。低频部分进行第二次小波分解并采用不同规则将其融合，对融合的小波系数进行小波逆变换得到融合的V 分量，并将多色光谱的H、S 与融合后的V 分量转换到RGB 空间。通过一组常用的遥感图像融合实验，表明本文算法的融合效果优于传统算法，且融合图像细节明细、色彩保留较好，是一种有效的遥感图像融合算法。

讨论了加权均值法、彩色空间变换法(HSI)和主成分分析法(PCA)三种像素级数据融合算法及实现, 然后对全色图像和多光谱图像做了数据融合仿真实验, 最后从信息熵、清晰度和光谱保持特性三个方面进行了性能综合评价。实验结果表明, 基于HSI变换的融合图像整体清晰, 色度协调, 保留了较多的空间信息, 细节特征明显, 质量最好, 能够满足实际应用平台的技术需求。

航空影像房屋提取方法的研究中大多基于灰度影像的区域生长算法, 此类算法不仅忽略了不同材质的房屋所呈现的光谱特征对提取结果的影响, 而且过于依赖种子像素的选取, 处理效率不高。 为了从高分辨率航空影像中实现房屋的自动检测, 综合利用彩色信息与屋顶材料的光谱特征, 采用影像分割原理, 研究了房屋自动检测的方法。 首先对RGB与HIS彩色空间进行转换, 利用HIS空间各分量间不相关的特点和屋顶材料光谱特征进行影像分割, 分离出红色瓦片屋顶与灰色水泥屋顶区域, 并利用标记分水岭算法实现房屋区域的初始分割; 然后计算各标记区域内的色调均值选取种子像斑样本, 进而以像斑为单元在色调分量中进行区域生长, 最后经过消除小斑和矩形拟合优化处理, 得到轮廓清晰的房屋区域。 与传统的基于像素区域分割算法相比, 该方法整个过程无需人工干预且均在一维彩色空间进行处理, 计算量明显降低, 同时采用改进的基于像斑区域生长算法能够兼顾邻近区域内像素的几何结构信息, 使算法精度得到显著提高, 采用上述方法对高分辨率航空影像进行了实验, 结果证明该方法有着较高的处理效率和准确性, 具有实用价值。

彩色空间信息更加有利于最佳特征向量的提取，为了获得彩色空间中脉冲耦合神经网络(PCNN)参数，通过模拟视觉感知系统感知彩色信息的过程，利用PCNN分别在RGB模型和HSV模型的颜色空间中求取熵序列作为分类特征，通过实验选取最佳PCNN参数。针对国家标准彩色道路交通标志图像库GB5768-1999中43个警告标志，42个禁令标志，29个指示标志进行实验，结果表明，参数为αL=1,αF=0.1,αE=1,VL=0.2,VF=0.5,VE=27,β=0.1，选取N=50时，蓝色分量中所得的熵序列大类分类效果最佳。RGB模型中蓝色分量能够充分反应交通标志的彩色分类信息，所提取的熵序列向量能够明显区分三个大类，优于传统将彩色图像转换成灰度图像的处理方法。

细胞图像分割是医学图像处理领域的研究热点之一。传统的细胞图像分割算法多是基于灰度图像的分割，图像中的颜色信息利用得不充分。在深入分析细胞图像颜色特征的基础上，提出了基于色差向量场分析细胞图像颜色变化规律的方法，相比于经典的彩色空间（HSV、YIQ、CIEL*a*b*），这种方法更能够突出图像中的主体细胞与非细胞区域的差异，而且针对大量图像的普适性更好。然后基于细胞图像的色差向量场，提出了一种循环匹配的分割方法，同时采用色差强度对分割结果进行了进一步的修正。通过对实际采集的彩色细胞图像样本的分割实验验证，该算法比RGVF Snake算法的分割结果更可靠，准确率可以达到95.2%，而且能够实现不同颜色重叠细胞图像的分割。

对检出的大量样本细胞图像进行统计分析，发现白细胞在Wright染色后着色效果不一致时色彩分量差异的规律。通过建立数学表达模型，提出了一种基于H直方图变换的白细胞图像自动分割算法。对细胞图像的色度分量直方图进行适当变换，有效削弱了血液染色的不一致性对白细胞分割的影响，实现了白细胞胞浆区域的良好分割，实验结果验证了所提分割方法的可行性和实用性。

LED显示屏显示图像之前，视频图像通常用视频处理器进行图像增强等操作。本文考虑到视频处理器在RGB彩色图像变换时可能产生的彩色失真情况，提出一种自适应的灰度变换算法，此算法将原始的RGB彩色图像和经过灰度变换后的RGB彩色图像转换到HSB彩色空间，然后将两者的色调与亮度分量进行重组，再对其饱和度进行补偿。这种方法的优点是既保证了原始彩色图像在进行灰度变换后的灰度细节，又能保证其彩色细节，同时提高了原始彩色图像的对比度。另外，此算法计算量小，利于硬件的实时实现。