CN111046202A - 基于hsv颜色空间特有属性的图像检索方法 - Google Patents
基于hsv颜色空间特有属性的图像检索方法 Download PDFInfo
- Publication number
- CN111046202A CN111046202A CN201911294514.1A CN201911294514A CN111046202A CN 111046202 A CN111046202 A CN 111046202A CN 201911294514 A CN201911294514 A CN 201911294514A CN 111046202 A CN111046202 A CN 111046202A
- Authority
- CN
- China
- Prior art keywords
- color
- image
- histogram
- color image
- color space
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明基于HSV颜色空间特有属性的图像检索方法,关注HSV颜色空间的独特属性和视觉感知机制两者的优势来进行图像检索,提出圆柱体特征直方图的新型图像特征表达方法,它能够利用HSV色彩空间中的颜色信息和边缘特征来表示图像内容。由于圆柱体特征直方图可看作为直方图描述方法的重要改进,既能利用直方图来表达颜色、纹理、形状和空间特征,又吸收了基于直方图的方法的优点,且与空间布局、不同的颜色从属关系和边缘线索等视觉感知因素更加一致,因此将其专门用于特征分析和基于内容的图像检索,具有更丰富视觉信息,从而能够明显地提高图像检索性能。
Description
技术领域
本发明涉及图像检索技术领域,具体涉及一种基于HSV颜色空间 特有属性的图像检索方法。
背景技术
颜色是一种重要的视觉属性,它提供了一系列关于图像的信息, 广泛应用于模式识别、基于内容的图像检索(CBIR)、计算机视觉和 彩色图像处理等领域。虽然,颜色特性对背景、比例变化和方向都具 有不变性,在许多情况下,减少颜色的数量并不影响人类识别图像内 容的能力。但是,颜色和边缘特征与视觉感知有着密切的关系,适合 描述自然图像的内容。HSV色彩空间很好地模拟了人类的色彩感知, 它可以理解为一个圆柱体,而圆柱体体积很容易被计算出来。HSV 颜色空间所包含的显著信息能够利用圆柱体体积来表达,它能突出图 像的主要颜色区域,这正是HSV颜色空间的独特属性。因此,利用 HSV颜色空间的独特属性以及人类视觉感知机制,可以有助于提高 图像检索性能。
然而,目前图像检索技术在HSV颜色空间中,基本都用于提取 颜色特征,却很少利用到颜色空间的几何形状特征,这些几何形状却 包涵了许多独特的视觉信息,例如,几何形状的体积、面积和表面积 等等。若能够利用它们和人类视觉感知机制来提取和描述图像特征, 不仅能包含有颜色空间的常见特征,而且还包含有一些独特的属性, 信息量更加大,能够明显地提高图像检索性能。
发明内容
本发明所要解决的是如何利用HSV颜色空间独特属性和视觉感 知机制来提取和描述图像特征的问题,提供一种基于HSV颜色空间特 有属性的图像检索方法。
为解决上述问题,本发明是通过以下技术方案实现的:
基于HSV颜色空间特有属性的图像检索方法,包括步骤如下:
步骤1、将彩色图像从RGB颜色空间转换到LMS颜色空间;
步骤2、将彩色图像从LMS颜色空间转换到LMS对数空间;
步骤3、将彩色图像从LMS对数空间转换到AC1C2拮抗颜色空间;
步骤4、利用对比度敏感函数滤出AC1C2拮抗颜色空间中各个分 量中不可见的颜色信息,得到滤波后的A′C1′C2′拮抗颜色空间的彩色 图像;
步骤5、将彩色图像从滤波后的A′C1′C2′拮抗颜色空间恢复到RGB颜色空间,得到恢复后的R′G′B′颜色空间的彩色图像;
步骤6、将彩色图像从恢复后的R′G′B′颜色空间转换到HSV颜色 空间;
步骤7、将步骤6所得的HSV颜色空间的彩色图像中的色调分 量H、饱和度分量S和明度分量V进行均匀量化和组合量化后得到 颜色索引图;
步骤8、对步骤6所得的HSV颜色空间的彩色图像中的明度分 量进行边缘检测,并将所得到的边缘方向进行均匀量化处理,获得边 缘方向索引图;
步骤9、在HSV颜色空间中,计算彩色图像的各个像素点的虚 拟几何体的体积;其中彩色图像的第i个像素点的虚拟几何体的体积 cvi为:
步骤10、利用步骤9所得到的彩色图像的各个像素点的虚拟几 何体的体积对步骤7所得到颜色索引图进行处理,得到颜色索引图的 直方图;其中颜色索引图的直方图hC为:
步骤11、利用步骤9所得到的彩色图像的各个像素点的虚拟几 何体的体积对步骤8所得到边缘方向索引图进行处理,得到边缘方向 索引图的直方图;其中边缘方向索引图的直方图hE为:
步骤12、先将步骤10所得的颜色索引图的直方图和步骤11所 得的边缘方向索引图的直方图进行拼接,得到彩色图像的直方图;再 对彩色图像的直方图进行对数处理,得到彩色图像的特征直方图;
步骤13、将彩色图像的特征直方图作为最终特征应用于图像检 索,并且采L1距离来进行图像匹配,即:当2个彩色图像的特征直 方图之间的L1距离越小时,表示这2个彩色图像越相似;否则,表 示这2个彩色图像越不相似;
式中,Si表示彩色图像的第i个像素点的色调分量,Vi表示彩色 图像的第i个像素点的饱和度分量,Hi表示彩色图像的第i个像素点 的明度分量,|.|表示绝对值运算;cvi表示彩色图像的第i个像素点 的虚拟几何体的体积;x表示彩色图像的像素点的横坐标,y表示彩色 图像的像素点的纵坐标,I表示彩色图像的图像分块所包含的像素点 的数目,M表示彩色图像横坐标的数目,N表示彩色图像纵坐标的数 目。
上述步骤8中,利用Sobel边缘检测算子对步骤6所得的HSV 颜色空间的彩色图像中的明度分量进行边缘检测。
与现有技术相比,本发明关注HSV颜色空间的独特属性和视觉 感知机制两者的优势来进行图像检索,提出圆柱体特征直方图(The cylinder feature histogram)的新型图像特征表达方法,它能够利用HSV 色彩空间中的颜色信息和边缘特征来表示图像内容。由于圆柱体特征 直方图可看作为直方图描述方法的重要改进,既能利用直方图来表达 颜色、纹理、形状和空间特征,又吸收了基于直方图的方法的优点, 且与空间布局、不同的颜色从属关系和边缘线索等视觉感知因素更加 一致,因此将其专门用于特征分析和基于内容的图像检索,具有更丰 富视觉信息,从而能够明显地提高图像检索性能。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具 体实例,对本发明进一步详细说明。
为了较好地利用视觉感知机制,本发明根据HSV颜色空间的独 特属性,提出了一种基于HSV颜色空间特有属性的图像检索方法,其 具体包括步骤如下:
步骤1、先将彩色图像从RGB颜色空间转换到XYZ颜色空间, 再将彩色图像从XYZ颜色空间转换到LMS颜色空间。
首先,利用公式(1)将彩色图像从RGB颜色空间转换到XYZ 颜色空间。
然后,利用公式(2)将彩色图像从XYZ颜色空间转换到LMS 颜色空间。
在RGB颜色空间中,R表示红色分量,G表示绿色分量、B表 示蓝色分量。在XYZ颜色空间中,三色刺激值并不是指人类眼睛对 短、中和长波(S、M和L)的反应,而是一组称为X、Y和Z的值, 约略对应于红色、绿色和蓝色(但要留意X、Y和Z值并不是真的看 起来是红、绿和蓝色,而是从红色、绿色和蓝色导出来的参数),并 使用CIE 1931XYZ颜色匹配函数来计算。在LMS颜色空间中,L表 示大视锥响应,M表示中视锥响应,S表示小视锥响应。
步骤2、将彩色图像从LMS颜色空间转换到LMS对数空间。
利用公式(3)将彩色图像从LMS颜色空间转换到LMS对数空 间,以消除数据中的较大倾斜。
式中,L表示大视锥响应,M表示中视锥响应,S表示小视锥响 应;L′表示大视锥响应的对数,M′表示对数域的中视锥响应的对数, S′表示对数域的小视锥响应的对数。
步骤3、将彩色图像从LMS对数空间转换到AC1C2拮抗颜色空间。
结合LMS颜色空间的三种视锥响应,利用公式(4)将LMS对 数空间转换到AC1C2拮抗颜色空间。
在AC1C2拮抗颜色空间中,A表示消色差分量,C1表示红-绿拮抗 分量,C2表示蓝-黄拮抗分量。
步骤4、利用对比度敏感函数滤出AC1C2拮抗颜色空间中各个分 量中不可见的颜色信息,得到滤波后的A′C1′C2′拮抗颜色空间的彩色 图。
在AC1C2拮抗颜色空间中,使用接近人类视觉系统感知的对比度 敏感函数(thecontrast sensitivity functions,CSFs)来滤除各个分量 中不可见的颜色信息,并将滤波后的颜色空间记为A′C1′C2′。在本发 明中,对比度敏感函数CSF公式(5-6)表示
filter=k∑iwiEi (5)
式中,filter表示一组滤波器经加权求和后的归一化结果(每个通 道各种具有一个filter),k表示不同通道之间的归一化参数,ki表示同 一通道中不同滤波器之间的归一化参数,x表示像素点的横坐标,y表 示像素点的纵坐标,wi表示滤波器的权重,σi表示滤波器的标准差, i表示在某个通道中所使用滤波器的序号,在A通道中,i∈[1,2,3], 在C1或C2通道中,i∈[1,2]。
根据AC1C2颜色空间的各个分量按照表1进行取值。
表1对比度敏感函数CSF的参数
步骤5、将彩色图像从滤波后的A′C1′C2′拮抗颜色空间恢复到 RGB颜色空间,得到恢复后的R′G′B′颜色空间的彩色图像。
首先,利用公式(7)将图像从滤波后的A′C1′C2′拮抗颜色空间恢 复到X′Y′Z′颜色空间。
然后,利用公式(8)将图像从恢复后的X′Y′Z′颜色空间恢复到 R′G′B′颜色空间。
步骤6、将彩色图像从R′G′B′颜色空间转换到HSV颜色空间。
本发明将R′G′B′三个分量进行标准化,使得它们的取值范围处于 0和1之间,则标准化后的三个分量分别为r,g和b,设max和min 为r,g和b三者中的最大值和最小值,采用下面公式将彩色图像从 R′G′B′颜色空间转换到HSV颜色空间:
V=max (11)
步骤7、将步骤6所得的HSV颜色空间的彩色图像中的色调分 量H、饱和度分量S和明度分量V进行均匀量化和组合量化后得到 颜色索引图。
在颜色量化过程种,H,S和V均匀量化成8,3和3条直方条, 分别得到共有8×3×3=72直方条的颜色索引图C(x,y),其中 C(x,y)=w,w∈{0,1,…,NC-1},颜色量化数目NC=72。
步骤8、对步骤6所得的HSV颜色空间的彩色图像中的明度分 量进行边缘检测,并将所得到的边缘方向进行均匀量化处理,获得边 缘方向索引图。
采用Sobel边缘检测算子来对V(x,y)分量进行计算,则可得 到边缘信息。对其均匀量化后,可以获得边缘索引图E(x,y),其中 E(x,y)=v,v∈{0,1,…,NE-1},边缘量化数目NE=32。
步骤9、在HSV颜色空间中,计算彩色图像的各个像素点的虚 拟几何体的体积。
为了能够利用HSV颜色空间的几何形状特征,本发明对HSV颜 色空间中,彩色图像的各个像素点构建一个虚拟几何体。在本实施例 中,每个像素点包括3×3个像素点。在HSV颜色空间中,每个像素 点的虚拟几何体为类圆柱体,其中色调分量H表示该虚拟几何体的角度,饱和度分量S表示该虚拟几何体的半径,明度分量V表示该 虚拟几何体高度。为此,HSV颜色空间中,每个像素点(xi,yi)处的 虚拟几何体的体积为:
式中,Si表示第i个像素点的色调分量,Vi表示第i个像素点的饱 和度分量,Hi表示第i个像素点的明度分量,|.|表示绝对值运算。
步骤10、利用步骤9所得到的彩色图像的各个像素点的虚拟几 何体的体积对步骤7所得到颜色索引图进行处理,得到颜色索引图的 直方图。同时,利用步骤9所得到的彩色图像的各个像素点的虚拟几 何体的体积对步骤8所得到边缘方向索引图进行处理,得到边缘方向 索引图的直方图。
在图像处理中,任何特征量化方法都不可避免地会导致量化误差。 在该方法中,利用已知的颜色体积的频率来代替特定颜色体积的频率, 可以减少量化误差。
颜色索引图的直方图hC为:
边缘方向索引图的直方图hE为:
式中,cvi表示彩色图像的第i个像素点的虚拟几何体的体积;x表 示彩色图像的像素点的横坐标,y表示彩色图像的像素点的纵坐标,I 表示彩色图像的图像分块所包含的像素点的数目,M表示彩色图像横 坐标的数目,N表示彩色图像纵坐标的数目。
在本实施例中,假设在输入图像中有一个3×3图像块,其包含 有9个像素点(xi,yi),其颜色值为(Hi,Si,Vi),其中 i∈[0,1,2,3,…,8]。为此,我们将从左到右,自上而下的将3×3 的图像块在整个输入图像种移动,以一个像素为间隔,则彩色图像的 直方图定义为两部分:
式中,x,y为3×3图像块的中心点坐标,M和N分别表示整幅 图像长宽。3×3图像块不断移动,每移动一次就有有9个像素点 (xi,yi),其颜色值为(Hi,Si,Vi),其中i∈[0,1,2,3,…,8]
其中,cvi表示在3×3图像块中第i个像素点的体积, x∈[0,1,2,3,…,M-1],M表示彩色图像横坐标的数目, y∈[0,1,2,3,…,N-1],N表示彩色图像纵坐标的数目。
步骤11、先将步骤10所得的颜色索引图的直方图和边缘方向索 引图的直方图进行拼接,得到彩色图像的直方图;再对彩色图像的直 方图进行对数处理,得到彩色图像的特征直方图;
首先,将基于颜色索引图的直方图hC和边缘方向索引图的直方图 hE进行拼接,即将颜色索引图的直方图hC和边缘方向索引图的直方图 hE串联在一起,可得到彩色图像的直方图h[k],k∈[0,1,…,NC+NE- 1],其中NC为颜色量化数目,NE为边缘量化数目。
然后,对彩色图像的直方图h[k]进行对数处理,则得到彩色图像 的特征直方图CFH。它们可以表示为:
步骤12、将彩色图像的特征直方图作为最终特征应用于图像检 索,并且采L1距离来进行图像匹配。即:当2个彩色图像的特征直 方图之间的L1距离越小时,表示这2个彩色图像越相似;否则,表 示这2个彩色图像越不相似。
假设T和Q分别为图像库中某个图像特征和一个查询图像特 征,T是一个M维特征向量T={T1,T2,…,TJ},Q也是一个 M维特征向量Q={Q1,Q2,…,QJ},则它们之间的L1距离可以 计算为:
当查询图像和图像库中所有图像都计算L1距离后,我们对距离 值进行排序,距离越小的图像库图像和查询图像越相似。
本发明提出的图像内容描述方法能够很好地模拟了人类的色彩 感知,充分利用了HSV颜色空间视为圆柱体体积,易于计算,能突 出图像的主要颜色区域的独特属性。目前图像检索技术在提取颜色特 征时,却很少利用到颜色空间的几何形状特征,这些几何形状却包涵 了许多独特的视觉信息。本发明不仅能包含有颜色空间的常见特征, 而且还包含有一些独特的属性,信息量更加大,能够明显地提高图像 特征描述能力。
需要说明的是,尽管以上本发明所述的实施例是说明性的,但这 并非是对本发明的限制,因此本发明并不局限于上述具体实施方式中。 在不脱离本发明原理的情况下,凡是本领域技术人员在本发明的启示 下获得的其它实施方式,均视为在本发明的保护之内。
Claims (2)
1.基于HSV颜色空间特有属性的图像检索方法,其特征是,包括步骤如下:
步骤1、将彩色图像从RGB颜色空间转换到LMS颜色空间;
步骤2、将彩色图像从LMS颜色空间转换到LMS对数空间;
步骤3、将彩色图像从LMS对数空间转换到AC1C2拮抗颜色空间;
步骤4、利用对比度敏感函数滤出AC1C2拮抗颜色空间中各个分量中不可见的颜色信息,得到滤波后的A′C1′C2′拮抗颜色空间的彩色图像;
步骤5、将彩色图像从滤波后的A′C1′C2′拮抗颜色空间恢复到RGB颜色空间,得到恢复后的R′G′B′颜色空间的彩色图像;
步骤6、将彩色图像从恢复后的R′G′B′颜色空间转换到HSV颜色空间;
步骤7、将步骤6所得的HSV颜色空间的彩色图像中的色调分量H、饱和度分量S和明度分量V进行均匀量化和组合量化后得到颜色索引图;
步骤8、对步骤6所得的HSV颜色空间的彩色图像中的明度分量进行边缘检测,并将所得到的边缘方向进行均匀量化处理,获得边缘方向索引图;
步骤9、在HSV颜色空间中,计算彩色图像的各个像素点的虚拟几何体的体积;其中彩色图像的第i个像素点的虚拟几何体的体积cvi为:
步骤10、利用步骤9所得到的彩色图像的各个像素点的虚拟几何体的体积对步骤7所得到颜色索引图进行处理,得到颜色索引图的直方图;其中颜色索引图的直方图hC为:
步骤11、利用步骤9所得到的彩色图像的各个像素点的虚拟几何体的体积对步骤8所得到边缘方向索引图进行处理,得到边缘方向索引图的直方图;其中边缘方向索引图的直方图hE为:
步骤12、先将步骤10所得的颜色索引图的直方图和步骤11所得的边缘方向索引图的直方图进行拼接,得到彩色图像的直方图;再对彩色图像的直方图进行对数处理,得到彩色图像的特征直方图;
步骤13、将彩色图像的特征直方图作为最终特征应用于图像检索,并且采L1距离来进行图像匹配,即:当2个彩色图像的特征直方图之间的L1距离越小时,表示这2个彩色图像越相似;否则,表示这2个彩色图像越不相似;
式中,Si表示彩色图像的第i个像素点的色调分量,Vi表示彩色图像的第i个像素点的饱和度分量,Hi表示彩色图像的第i个像素点的明度分量,|.|表示绝对值运算;cvi表示彩色图像的第i个像素点的虚拟几何体的体积;x表示彩色图像的像素点的横坐标,y表示彩色图像的像素点的纵坐标,I表示彩色图像的图像分块所包含的像素点的数目,M表示彩色图像横坐标的数目,N表示彩色图像纵坐标的数目。
2.根据权利要求1所述基于HSV颜色空间特有属性的图像检索方法,其特征是,步骤8中,利用Sobel边缘检测算子对步骤6所得的HSV颜色空间的彩色图像中的明度分量进行边缘检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911294514.1A CN111046202A (zh) | 2019-12-16 | 2019-12-16 | 基于hsv颜色空间特有属性的图像检索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911294514.1A CN111046202A (zh) | 2019-12-16 | 2019-12-16 | 基于hsv颜色空间特有属性的图像检索方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111046202A true CN111046202A (zh) | 2020-04-21 |
Family
ID=70236972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911294514.1A Pending CN111046202A (zh) | 2019-12-16 | 2019-12-16 | 基于hsv颜色空间特有属性的图像检索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111046202A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998614A (zh) * | 2022-08-08 | 2022-09-02 | 浪潮电子信息产业股份有限公司 | 一种图像处理方法、装置、设备及可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010017940A1 (en) * | 2000-02-18 | 2001-08-30 | Lg Electronics Inc. | Content-based multimedia retrieval system and method thereof |
US20020081024A1 (en) * | 2000-12-26 | 2002-06-27 | Sung Hee Park | Apparatus and method for retrieving color and shape of image based on natural language |
CN101388020A (zh) * | 2008-07-07 | 2009-03-18 | 华南师范大学 | 一种基于内容的复合型图像检索方法 |
CN103258334A (zh) * | 2013-05-08 | 2013-08-21 | 电子科技大学 | 彩色图像的场景光源颜色估计方法 |
CN106326902A (zh) * | 2016-08-30 | 2017-01-11 | 刘广海 | 基于显著性结构直方图的图像检索方法 |
CN106897981A (zh) * | 2017-04-12 | 2017-06-27 | 湖南源信光电科技股份有限公司 | 一种基于引导滤波的低照度图像增强方法 |
CN110210502A (zh) * | 2019-06-13 | 2019-09-06 | 广西师范大学 | 整合蜜蜂和人类视觉感知机制的特征提取和图像检索方法 |
CN110321452A (zh) * | 2019-05-05 | 2019-10-11 | 广西师范大学 | 一种基于方向选择机制的图像检索方法 |
-
2019
- 2019-12-16 CN CN201911294514.1A patent/CN111046202A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010017940A1 (en) * | 2000-02-18 | 2001-08-30 | Lg Electronics Inc. | Content-based multimedia retrieval system and method thereof |
US20020081024A1 (en) * | 2000-12-26 | 2002-06-27 | Sung Hee Park | Apparatus and method for retrieving color and shape of image based on natural language |
CN101388020A (zh) * | 2008-07-07 | 2009-03-18 | 华南师范大学 | 一种基于内容的复合型图像检索方法 |
CN103258334A (zh) * | 2013-05-08 | 2013-08-21 | 电子科技大学 | 彩色图像的场景光源颜色估计方法 |
CN106326902A (zh) * | 2016-08-30 | 2017-01-11 | 刘广海 | 基于显著性结构直方图的图像检索方法 |
CN106897981A (zh) * | 2017-04-12 | 2017-06-27 | 湖南源信光电科技股份有限公司 | 一种基于引导滤波的低照度图像增强方法 |
CN110321452A (zh) * | 2019-05-05 | 2019-10-11 | 广西师范大学 | 一种基于方向选择机制的图像检索方法 |
CN110210502A (zh) * | 2019-06-13 | 2019-09-06 | 广西师范大学 | 整合蜜蜂和人类视觉感知机制的特征提取和图像检索方法 |
Non-Patent Citations (3)
Title |
---|
ALEXANDER TOET等: "A new universal colour image fidelity metric", 《DISPLAYS》 * |
GARRETT M.JOHNSON等: "A top down description of S-CIELAB and CIEDE2000", 《COLOR RESEARCH & APPLICATION》 * |
JI-ZHAO HUA等: "Content-Based Image Retrieval Using Color Volume Histograms", 《INTERNATIONAL JOURNAL OF PATTERN RECOGNITION AND ARTI¯CIAL INTELLIGENCE》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998614A (zh) * | 2022-08-08 | 2022-09-02 | 浪潮电子信息产业股份有限公司 | 一种图像处理方法、装置、设备及可读存储介质 |
CN114998614B (zh) * | 2022-08-08 | 2023-01-24 | 浪潮电子信息产业股份有限公司 | 一种图像处理方法、装置、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Agarwal et al. | Content based image retrieval using color edge detection and discrete wavelet transform | |
Lee et al. | Toward a no-reference image quality assessment using statistics of perceptual color descriptors | |
CN108279238A (zh) | 一种果实成熟度判断方法及装置 | |
An et al. | CBIR based on adaptive segmentation of HSV color space | |
Seo et al. | Novel PCA-based color-to-gray image conversion | |
El Khoury et al. | Color and sharpness assessment of single image dehazing | |
Mythili et al. | Color image segmentation using ERKFCM | |
Gritzman et al. | Comparison of colour transforms used in lip segmentation algorithms | |
Wang et al. | A new blind image quality framework based on natural color statistic | |
Chaki et al. | Image color feature extraction techniques: fundamentals and applications | |
CN113129390B (zh) | 一种基于联合显著性的色盲图像重新着色方法及系统 | |
CN114359323A (zh) | 一种基于视觉注意机制的图像目标区域检测方法 | |
CN111046202A (zh) | 基于hsv颜色空间特有属性的图像检索方法 | |
Hu et al. | No reference quality assessment for Thangka color image based on superpixel | |
CN112508847A (zh) | 一种基于深度特征与结构加权lbp特征的图像质量评价方法 | |
Berbar | Novel colors correction approaches for natural scenes and skin detection techniques | |
Zhang | Color feature extraction | |
KR100488014B1 (ko) | YCrCb 칼라 기반 얼굴 영역 추출 방법 | |
KR100340035B1 (ko) | 영상유사도가중치조절장치및방법과그를이용한내용기반영상검색시스템및방법 | |
Yuan et al. | Color image quality assessment with multi deep convolutional networks | |
CN115830343A (zh) | 一种基于hsv色彩空间的颜色识别方法 | |
Varish et al. | A content based image retrieval using color and texture features | |
Sidqi et al. | Image classification using K–mean algorithm | |
Khediri et al. | Comparison of image segmentation using different color spaces | |
Edmundson et al. | Fast JPEG image retrieval using tuned quantisation tables |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200421 |
|
RJ01 | Rejection of invention patent application after publication |