针对周期性纹理背景影响织物缺陷检测效果的问题,提出了一种基于粗糙度测量和颜色距离的织物缺陷检测方法。该方法先将待检测图像由RGB颜色空间转换到HSV颜色空间,并分别对三通道进行同态滤波处理,以提升缺陷与背景之间的对比度;利用粗糙度测量对织物图像进行分类,并将同一类别的织物图像分成大小相同且互不重叠的图像分块,分别估计各个图像分块与其八邻域图像分块的颜色距离,从而实现对缺陷的粗定位;最后对粗定位图像分块进行显著性和二值化处理,有效减少了周期性纹理背景对检测结果的影响。实验结果表明:与近期4种方法相比,本文方法对周期性纹理织物图像表现出了较好的检测效果,检测准确率更高。

针对Edge Boxes算法召回率不高的问题, 并结合目标的显著性检测, 提出了一种基于颜色距离与Edge Boxes候选区域算法。首先利用结构化边缘检测算子获取图像的边缘特征, 并通过边缘点聚合及边缘段相似性策略, 获取每个边缘段的权值; 其次, 在待检测图像上无重叠采样若干图像块, 记作C图像块, 并将C图像块向周边延拓像素, 获取S图像块; 然后, 根据颜色直方图, 计算两图像块各颜色通道的卡方距离, 并赋予合适权重作为该C图像块的显著性得分; 最后, 统计滑动窗口内边缘段的数量和C图像块数, 确定候选区域。在PASCAL VOC 2007验证集上实验, 当交并比取05, 0.6, 0.7, 候选区域个数为2 000时, 与Edge Boxes相比, 所提算法的召回率分别提高了0.46%, 0.35%, 0.57%。每张图像的运行时间大约为0.43 s, 这表明, 所提算法以牺牲微小计算资源却能够有效改善候选区域质量。

研究了基于HSV颜色空间的粗糙集直方图阈值彩色图像分割方法。根据HSV空间的特性,定义了HSV空间颜色距离计算公式,对HSV三分量计算粗糙集直方图和彩色图像进行分割。实验结果表明该方法较好地保留了图像的颜色信息,具有较高的通用性,能够获得满意的分割效果。

图像彩色特征被广泛应用于内容检索系统(CBIR)与目标识别系统中,如何描述获取区域图像彩色特征是应用颜色特征的基础。论文基于HSV色彩空间中色调量化直方图定义了目标区域主色特征,并综合目标区域主色均值距离与主色直方图相似性给出了区域颜色之间距离表达。同时利用算法对显微镜染色细胞图像中的细胞颜色进行了有效区分,得到了好的匹配结果。