彩色图像处理中几个基本问题的研究

论文摘要

图像是人类获取信息、表达信息和传递信息的重要手段。近20年来,随着计算机技术和电子技术的迅猛发展,各种彩色图像记录设备、输出设备日新月异,彩色数字图像已经成为图像,甚至整个多媒体信息系统的主流,各种庞大的彩色图像库已经建立并广泛应用于众多领域。彩色图像处理的物质条件已经渐趋成熟,各行各业对彩色图像处理技术的需求日益高涨,这些都促使了彩色图像处理研究不断深入。但彩色图像处理技术目前也面临诸多困难。本文主要研究了RGB颜色模型中颜色的色差度量、彩色图像以颜色整体信息为对象的纹理分析方法、彩色图像的自适应边缘检测方法等彩色图像处理中的一些基本问题,并提出了自己的见解和方法,论文的主要贡献如下:1.提出了一种新的基于RGB颜色模型内颜色间矢量空间距离和矢量角度的色差公式。本文从RGB颜色空间入手,在对现有的几种RGB色差度量公式进行分析对比的基础上,总结出RGB颜色色差的3个基本规律,提出颜色分量的重要程度这一概念。并根据颜色分量的重要程度用动态系数调整RGB颜色间的空间距离和矢量角度值,从而得到了一种新的RGB颜色空间的色差度量公式。通过高复杂度图像的颜色量化实验证明该色差公式在颜色量化中的性能优于目前使用较为广泛的几种RGB色差度量公式。2.将灰度共生矩阵推广到色彩共生矩阵,改善了彩色图像纹理描述。在灰度共生矩阵方法的基础上,本文发展出色彩共生矩阵方法,从色彩共生矩阵中提取颜色和纹理特征,解决了灰度共生矩阵方法不能有效处理彩色图像纹理的缺陷。该方法易于实现、特征库简洁高效。3.改进了图像边缘提取中的LOG算子方法。针对LOG算子的缺陷,提出了依据图像灰度的一阶导数极大值和二阶导数零穿相结合的边缘检测方法,抑制了图像中的大部分噪声,并保持了边缘定位精度。4.提出彩色图像边缘检测中颜色分量表示和整体视觉差异的解决办法。通过对图像饱和度梯度值过大处的同类色饱和度平滑,消除了颜色分量表示和整体视觉差异引起的虚假边缘。5.提出一种同时适用于灰度图像和彩色图像的自适应边缘检测方法。通过利用空间域自适应平滑方式清除图像中的椒盐噪声;利用图像灰度共生矩阵的惯性矩特征值自适应调整高斯空间系数和边缘检测阈值,在灰度图像和彩色图像中基本实现了图像边缘的自动提取。实验证明了本文方法的有效性和实用性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 数字图像处理
• 1.1.1 数字图像处理的简要回顾
• 1.1.2 数字图像处理的主要研究内容
• 1.1.3 数字图像处理的主要应用领域
• 1.1.4 数字图像处理研究的重要意义
• 1.2 彩色数字图像处理
• 1.2.1 彩色图像处理研究的兴起
• 1.2.2 彩色图像中的颜色信息描述
• 1.2.3 彩色图像处理面临的困难
• 1.3 本文研究所涉及领域及其该领域研究现状
• 1.3.1 本文研究所涉及领域
• 1.3.2 色差度量领域研究现状
• 1.3.3 纹理分析领域研究现状
• 1.3.4 边缘检测领域研究现状
• 1.4 本文的主要工作及论文结构
• 1.4.1 本文的主要工作与创新
• 1.1.2 论文结构
• 第二章 颜色理论与颜色模型
• 2.1 颜色理论
• 2.1.1 光和颜色
• 2.1.2 三基色理论
• 2.1.3 颜色的分类和特性
• 2.2 颜色模型与模型转换
• 2.2.1 工业模型
• 2.2.2 色度学模型
• 2.2.3 视觉模型
• 2.3 颜色模型性能分析
• 2.4 本章小结
• 第三章 基于RGB颜色矢量距离和角度的色差度量
• 3.1 现有色差度量公式及其性能概述
• 3.1.1 基于RGB颜色模型的色差度量公式
• 3.1.2 基于色度学颜色模型的色差度量公式
• 3.1.3 基于视觉颜色模型的色差度量公式
• 3.1.4 三种主流色差度量公式的优势及缺陷
• 3.2 基于RGB颜色矢量距离和角度的色差公式
• 3.2.1 现有RGB色差度量公式存在的问题
• 3.2.2 基于RGB颜色矢量距离和角度的色差公式
• 3.3 多种色差公式的颜色量化实验构造
• 3.3.1 颜色公式效果评测的一般方法
• 3.3.2 颜色量化方法选择
• 3.3.3 实验图像的选择
• 3.3.4 量化效果评价标准
• 3.4 多种色差算法的颜色量化实验结果
• 3.4.1 复杂图像量化数据
• 3.4.2 简单图像量化实例
• 3.5 本章小结
• 第四章 基于色彩共生矩阵的彩色图像纹理分析
• 4.1 图像的纹理特征
• 4.1.1 纹理特征及其重要性
• 4.1.2 常用纹理分析办法简介
• 4.1.3 常用纹理分析方法比较
• 4.2 灰度共生矩阵纹理分析方法
• 4.2.1 灰度共生矩阵纹理分析方法
• 4.2.2 灰度共生矩阵纹理分析方法的缺陷
• 4.3 色彩共生矩阵纹理分析方法
• 4.3.1 色彩共生矩阵的构造
• 4.3.2 纹理特征的获取
• 4.3.3 色彩共生矩阵的应用实验
• 4.4 本章小结
• 第五章 彩色图像的自适应边缘检测
• 5.1 边缘与边缘检测
• 5.1.1 什么是边缘?
• 5.1.2 边缘检测的基本步骤
• 5.2 灰度图像的边缘检测
• 5.2.1 经典模板算子方法
• 5.2.2 线性滤波方法
• 5.2.3 其他方法
• 5.2.4 部分边缘检测方法效果示例
• 5.3 灰度图像的自适应边缘检测
• 5.3.1 高斯函数的重要性质
• 5.3.2 自适应边缘检测的现状
• 5.3.3 本文的空间域自适应平滑方法
• 5.3.4 本文的惯性矩映射方法
• 5.3.5 改进的LOG算法和Canny算法的实现
• 5.4 彩色图像的边缘检测现状
• 5.4.1 彩色图像边缘提取的单分量方法
• 5.4.2 彩色图像边缘提取的分量综合方法
• 5.4.3 彩色图像边缘提取的整体矢量方法
• 5.4.4 彩色图像边缘检测的现状评述
• 5.5 多模型亮度表示综合法自适应检测彩色图像边缘
• 5.6 符合视觉效果的彩色图像自适应边缘检测
• 5.6.1 彩色图像中的椒盐噪声清除
• 5.6.2 邻域同类色饱和度平滑
• 5.6.3 符合视觉效果的彩色图像自适应边缘检测
• 5.7 本章小结
• 第六章 总结与展望
• 6.1 本文的工作总结
• 6.2 未来工作的展望
• 参考文献
• 攻读博士学位期间科研和发表论文情况
• 致谢