-
题名基于K均值算法的彩色编码条纹分色研究
被引量：6
- 1
-
-
作者
魏志强
高兴堂
纪筱鹏
-
机构
中国海洋大学计算机科学与技术系
-
出处
《计算机应用》
CSCD
北大核心
2010年第12期67-69,共3页
-
基金
国家自然科学基金资助项目(60872099)
科技部国际合作重点项目(2008DFA11030)
山东省重点自然科学基金资助项目(Z2007G06)
-
文摘
在基于彩色编码结构光的三维重建中,由于受环境等的影响,拍到的条纹的颜色值已经不完全等于投射的颜色值,但每种颜色在RGB空间还是呈现一定的聚类性。基于这个特性,提出了基于K均值聚类的条纹分色方法。通过K均值聚类算法,对拍摄到的条纹图像进行颜色聚类,拟合出每一种编码颜色的一条直线作为模板,以此来实现了彩色条纹的分色。该方法鲁棒性较强,可以准确地将颜色区分开,为基于结构光的三维重建工作奠定了基础。
-
关键词
K均值算法
颜色编码
结构光
分色
-
Keywords
K-means algorithm
color encoding
structured light
color distinction
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名数字视频颜色校正的重要性
被引量：1
- 2
-
-
作者
赵明友
-
机构
重庆市渝西学院
-
出处
《电视技术》
北大核心
2003年第10期55-57,共3页
-
文摘
根据不同要求,使用应用软件对影像进行颜色校正,在后期制作中十分重要。从颜色属性、拍摄环境和摄像机造成的色差、颜色对视觉的影响和颜色校正等几个方面,叙述了颜色校正的重要性。
-
关键词
数字视频
颜色校正
色差
摄像机
-
Keywords
digital video
color correction
color distinction
-
分类号
TN948.41
[电子电信—信号与信息处理]
-
-
题名中度弱智儿童颜色辨识教学的个案研究
- 3
-
-
作者
李镇译
勾柏频
-
机构
贵州省安顺学院特殊教育师资培训部
-
出处
《南京特教学院学报》
2007年第1期41-43,共3页
-
文摘
培智学校课程改革趋势是更加关注儿童发展需要,更加强调实用性知识与技能的教学。本研究以四个中度弱智儿童为研究对象,通过在个别辅导中运用现代信息技术与否的对比训练以及对训练结果的分析,考察运用现代信息技术对教学的促进作用。
-
关键词
弱智
颜色辨识
个案研究
-
Keywords
mental retardations
color distinction
case study
-
分类号
G764
[文化科学—特殊教育学]
-
-
题名一种高效的图像显著性检测算法
被引量：1
- 4
-
-
作者
范涛
朱煜
-
机构
华东理工大学信息科学与工程学院
-
出处
《实验室研究与探索》
CAS
北大核心
2017年第10期13-16,69,共5页
-
基金
国家自然科学基金资助项目(61370174)
-
文摘
在人眼视觉特性的基础上,提出了一种高效的图像显著性检测方法。首先通过六边形简单线性可迭代聚类(HSLIC)对图像进行预处理,获得六边形的超像素块;再利用马氏距离定义显著块和背景种子块之间的距离,生成基于距离加权的全局颜色对比(GCD)初始显著图;然后引入自动细胞机模型对显著图进行优化。为进一步获取精确的显著性区域,提出一种改进的粒子群优化算法(NPSO)对显著图进行分割。所提出的算法在MSRA-5000和ECSSD数据库进行测试及比对分析。实验的结果表明,提取的显著图效果优异。
-
关键词
显著性检测
超像素分割
全局颜色对比
自动细胞机
改进的粒子群优化算法
-
Keywords
saliency detection
superpixel segmentation
global color distinction
cellular automata
particleswarm optimization
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名特征融合与objectness加强的显著目标检测
被引量：4
- 5
-
-
作者
王娇娇
刘政怡
李辉
-
机构
安徽大学计算机科学与技术学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第2期195-200,270,共7页
-
基金
高等学校博士学科点专项科研基金联合资助课题(No.20133401110009)
安徽高校省级自然科学研究项目(No.KJ2015A009)
-
文摘
显著目标检测是计算机视觉的重要组成部分,目的是检测图像中最吸引人眼的目标区域。针对显著检测中特征的适应性不足以及当前一些算法出现多检与漏检的问题,提出从"目标在哪儿"与"背景在哪儿"两个角度描述显著性的框架,进行特征融合来提高显著目标检测的准确率。从这两个角度分别提取图像的颜色区别性特征与边界先验特征并进行特征融合,使用objectness特征加强显著性,最终得到显著图。在MSRA-1000数据集上的评估中,该算法达到平均92.4%的准确率,能和最先进算法相媲美;而在CSSD、ECSSD数据集上的实验,该算法有更高的准确率,优势明显。实验结果表明所使用的特征之间能够互相补充,互相弥补,"目标在哪儿"与"背景在哪儿"的检测框架描述图像显著性具有合理性。
-
关键词
计算机视觉
显著目标检测
边界先验
颜色区别性
objectness
-
Keywords
computer vision
saliency detection
boundary prior
color distinctness
objectness
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
