导读:本文包含了颜色空间论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:颜色,空间,神经网络,卷积,图像,火焰,阴影。
颜色空间论文文献综述
李莹,李忠,李海洋,孙可可[1]（2019）在《结合颜色空间和CNN的火焰检测》一文中研究指出为了快速准确地对图片中的火焰进行分割检测,消除灯光等疑似火焰区域的干扰,提出基于RGB和HSV颜色空间的火焰检测模型并结合CNN提取火焰轮廓。通过观察RGB叁分量在颜色直方图中的分布特征,制定新的约束条件,并结合HSV颜色空间,消除复杂背景对其进行的干扰,最后利用CNN对提取出火焰轮廓进行分类检测,进一步消除对灯光等疑似火焰区域的误检。实验结果表明,该算法可以准确地检测出火焰区域,降低了误检率。(本文来源于《计算机时代》期刊2019年12期）
李慧,利齐律,程良伦,黄国恒[2]（2019）在《基于多颜色空间卷积神经网络的车辆颜色分类》一文中研究指出针对车身灰尘堆积、色彩蜕变以及不同光照条件下的颜色变化等情况导致的车辆颜色识别准确率低的问题,提出一种基于多颜色空间卷积神经网络的车辆颜色分类方法,结合多颜色空间信息及模型选择融合机制进行颜色分类。通过实验表明该方法能够达到较高的识别效果,分类准确率达95%,泛化性能良好。(本文来源于《工业控制计算机》期刊2019年11期）
黄丹,鲁先虎,潘怡雯,何强,张蓓[3]（2019）在《基于颜色空间特征自动聚类算法的蓝宝石颜色分级方法初探》一文中研究指出在蓝宝石颜色分级中基本以鉴定师肉眼评判为主,易受主观意识影响。此次研究共收集180颗不同颜色级别的蓝色蓝宝石样品,使用GEM-3000紫外-可见光分光光度计中CIE1976色空间测量提取样品颜色特征。其中140颗样品使用Kmeans算法做聚类分析,验证不同颜色分级样品在颜色空间特征的可分性,并得到每类样品最佳中心。余下的40颗样品通过计算每类中心的欧式距离,取距离最近的类别作为样品的预测标签,从而实现自动分级,准确率达到97.5%。实验结果显示,本文提出的方法可以有效的结合人工智能算法用于蓝宝石自动分级,并取得较高的精度。(本文来源于《中国国际珠宝首饰学术交流会论文集（2019）》期刊2019-11-13）
钱蓉,李小金,董伟,王重龙[4]（2019）在《基于RGB颜色空间的猪肉大理石纹分割》一文中研究指出自然光或白炽灯照射下的猪肉图像会因反光作用导致亮斑噪声,且猪肉大理石纹纹理具有细小、分布较散等特点,不利于大理石纹识别。针对上述问题,通过对比多种光源条件,找到最佳拍摄环境,避免图像出现亮斑噪声。提取猪背最长肌横截面图的RGB颜色空间的R、G、B 3个颜色分量图,分别用阈值分割法、模糊C均值聚类分割算法(FCM)和基于高斯核的模糊C均值聚类分割算法(KFCM),对R、G、B分量图进行分割试验,通过图像处理技术自动识别出猪肉大理石纹,研究结果表明KFCM算法在R分量图上的分割结果最优。(本文来源于《江苏农业科学》期刊2019年20期）
张杜娟[5]（2019）在《基于肤色模型与颜色空间的目标识别算法》一文中研究指出为了解决当前皮肤病变目标特征微弱和所处背景环境干扰大,导致对病原目标识别能力较弱的问题,提出了基于肤色模型与颜色空间的目标识别算法。首先,根据RGB颜色空间,设计一个肤色图像模型,区分皮肤区域与非皮肤区域;然后,根据HSV颜色空间,建立淡红图像模型,区分疑似目标区域与非目标区域;结合以上两种模型,进行图像与操作,进一步缩小疑似目标区域,提取图像帧颜色特征;最后,建立基于支持向量机的机器学习机制,精准区分正常图像帧与含病变图像帧,完成病原目标识别与定位。实验测试结果显示,相对于已有的目标识别技术而言,该方案具有更高的准确识别率。(本文来源于《国外电子测量技术》期刊2019年10期）
梁永侦,潘斌,郭小明,梁媛[6]（2019）在《基于LAB颜色空间的图像阴影检测与去除方法》一文中研究指出为实现单幅图像快速去阴影处理,提出基于LAB颜色空间的图像阴影检测与去除方法。首先,将RGB图像转换成LAB图像,再对阴影图像进行边缘检测。然后,通过对不同颜色通道进行分析、计算及重新整合,得到阴影区域与非阴影区域平均色度值相匹配的图像。最后,对图像进行色度校正和边缘校正,实现单幅图像去阴影处理。为验证本文方法的可行性和有效性,分别采用峰值信噪比(PSNR)和结构相似度(SSIM)这2种性能指标,来客观评价图像的去阴影结果,并与2种典型的图像去阴影方法进行比较。结果表明,本文方法的各性能指标最高,如:在3组实验中,PSNR分别达到17.4721、17.6206、17.3048,SSIM分别达到0.8192、0.8344、0.8027。而且去阴影后图像特征信息清晰,保留的结构信息更接近于真实无阴影场景图像,整体取得了很好的去阴影效果。(本文来源于《计算机与现代化》期刊2019年10期）
周友行,马逐曦,石弦韦,孔拓[7]（2019）在《HSI颜色空间下的直线导轨表面缺陷检测方法》一文中研究指出为解决直线导轨表面微小缺陷受背景纹理影响、无法准确检测的问题,提出了一种HSI颜色空间下的直线导轨表面缺陷视觉检测方法。将直线导轨表面图像由RGB空间转换到HSI空间,得到色调、饱和度和亮度的分量图;采用主成分分析法对各分量图像进行降维,建立混合灰度模型;利用粒子群算法优化其相应的加权系数;通过阈值分割完成缺陷检测。实验及计算结果表明,相比RGB空间的缺陷提取,该方法能准确检测出常见的直线导轨表面四种类型缺陷。(本文来源于《中国机械工程》期刊2019年18期）
张乾,杜向阳,王飞[8]（2019）在《基于LabVIEW的HSI颜色空间和数学形态学车牌识别系统》一文中研究指出利用希玛照度计测光仪、可变光源和导轨,通过相机获取含有车牌的一组实验图片。采用NI Vision Development模块,找出在HSI颜色空间中能够提取出蓝底白字车牌的最佳值,利用这些最佳值找到车牌的大致位置,再通过形态学处理和车牌的几何特征确定出车牌的精确位置。利用NI Vision Assistant所提供的光学字符识别(OCR)进行字符分割、训练和识别。实验表明:该算法可以准确、快速地定位和识别车牌。(本文来源于《化工自动化及仪表》期刊2019年09期）
宋德云,蔡来良,谷淑丹[9]（2019）在《基于颜色空间的矿区地表彩色点云分类》一文中研究指出矿区地表点云数据量大,地物比较丰富且地物间色彩差别明显,研究点云分类算法,对矿区点云数据的管理与分析有较强的支持作用。作者从点云数据的RGB颜色特征和HSV颜色特征两个方向入手分类矿区地表点云数据,选取各类地物的样本点,然后根据样本点计算的点云分类的颜色阈值,将观测的数据的颜色特征与样本所求的阈值进行比对分析,将属于同一类地物的彩色点云数据分离出来,实现彩色点云数据的分类。采用Riegl VZ-1000扫描仪采集矿区地表数据并采集照片,通过试验分析获得点云分类的完整率与正确率,证明了基于点云颜色特征分类点云数据方法的可行性、准确性以及高效性。为进一步的研究矿区的沉降监测及模型建立提供支持。(本文来源于《测绘通报》期刊2019年S2期）
曲娜,王建辉,陈琦华[10]（2019）在《基于YCbCr颜色空间和BP神经网络的火焰图像检测》一文中研究指出根据火灾燃烧时会产生红色光和蓝色光的火焰的特性,采用具有亮度和红、蓝2种颜色信息的YCbCr彩色空间提取火焰特征.采用BP神经网络建立火灾检测模型,YCbCr所提取的亮度分量和红、蓝2个颜色分量作为神经网络的输入.利用100组样本图像训练神经网络模型,通过反向传播来改变神经网络的权值和阈值,从而减小误差.利用10组火灾样本图像和10组干扰样本图像验证模型的有效性.(本文来源于《沈阳大学学报(自然科学版)》期刊2019年04期）
颜色空间论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对车身灰尘堆积、色彩蜕变以及不同光照条件下的颜色变化等情况导致的车辆颜色识别准确率低的问题,提出一种基于多颜色空间卷积神经网络的车辆颜色分类方法,结合多颜色空间信息及模型选择融合机制进行颜色分类。通过实验表明该方法能够达到较高的识别效果,分类准确率达95%,泛化性能良好。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
颜色空间论文参考文献
[1].李莹,李忠,李海洋,孙可可.结合颜色空间和CNN的火焰检测[J].计算机时代.2019
[2].李慧,利齐律,程良伦,黄国恒.基于多颜色空间卷积神经网络的车辆颜色分类[J].工业控制计算机.2019
[3].黄丹,鲁先虎,潘怡雯,何强,张蓓.基于颜色空间特征自动聚类算法的蓝宝石颜色分级方法初探[C].中国国际珠宝首饰学术交流会论文集（2019）.2019
[4].钱蓉,李小金,董伟,王重龙.基于RGB颜色空间的猪肉大理石纹分割[J].江苏农业科学.2019
[5].张杜娟.基于肤色模型与颜色空间的目标识别算法[J].国外电子测量技术.2019
[6].梁永侦,潘斌,郭小明,梁媛.基于LAB颜色空间的图像阴影检测与去除方法[J].计算机与现代化.2019
[7].周友行,马逐曦,石弦韦,孔拓.HSI颜色空间下的直线导轨表面缺陷检测方法[J].中国机械工程.2019
[8].张乾,杜向阳,王飞.基于LabVIEW的HSI颜色空间和数学形态学车牌识别系统[J].化工自动化及仪表.2019
[9].宋德云,蔡来良,谷淑丹.基于颜色空间的矿区地表彩色点云分类[J].测绘通报.2019
[10].曲娜,王建辉,陈琦华.基于YCbCr颜色空间和BP神经网络的火焰图像检测[J].沈阳大学学报(自然科学版).2019
论文知识图
