导读:本文包含了色彩聚类论文开题报告文献综述及选题提纲参考文献，主要关键词:自然场景文本检测,自适应色彩聚类,上下文信息,自学习策略
色彩聚类论文文献综述
邹北骥,郭建京,朱承璋,杨文君,徐子雯[1]（2018）在《基于自适应色彩聚类和上下文信息的自然场景文本检测》一文中研究指出自然场景文本检测是图像内容分析和理解的重要前提.本文提出一种基于自适应色彩聚类和上下文信息分析的方法,用于检测自然场景图像文本.首先,将层次聚类和参数自学习策略结合,设计一种自适应色彩聚类方法,提取图像中的候选字符.该自适应色彩聚类方法能针对不同图像自动学习权重阈值,有较好的字符召回率.然后,利用文本中字符成行出现的性质,设计一种基于上下文信息的字符验证策略,既能保证较高字符召回率,也能有效移除非文本字符.最后,合并字符构建文本行,并通过后处理得到文本检测结果.在ICDAR2013公共数据集上的实验结果表明:本文分别获得74.17%的召回率,83.40%的准确率和78.52%的F得分.与其他文本检测方法相比,本文获得了较好的文本检测性能,说明本文方法的优越性.(本文来源于《电子学报》期刊2018年06期）
刘双喜[2]（2018）在《基于色彩聚类的玉米种子纯度识别算法研究》一文中研究指出玉米种子纯度是决定玉米产量的关键因素之一。传统的玉米种子纯度鉴定方法包括田间鉴定、室内鉴定和种植鉴定。国际谷物科学技术协会(ICC)、国际种子检验协会(ISTA)和农业部均推荐使用聚丙烯酰胺凝胶电泳法(PAGE)进行玉米种子纯度室内鉴定。由于该方法操作复杂,对专业知识要求高,鉴定周期长,无专业便携设备,不适合玉米种子纯度的现场识别。为解决玉米种子流通场合缺少纯度鉴定仪器设备的问题,提高玉米种子纯度鉴定效率,保障玉米收成,提高农民收入,本文研发出便携式玉米种子纯度识别仪,并对玉米种子纯度识别方法进行研究。论文主要研究内容和创新点包括:(1)研制便携式玉米种子纯度快速识别仪。通过应用需求分析,玉米种子纯度识别仪由硬件和软件两部分构成。硬件部分主要由图像采集系统、光照系统、玉米种子传输系统和控制系统组成。通过该仪器可一次性自动采集多粒玉米种子的顶端和无胚芽侧图像信息,图像统一以BMP格式保存待处理。软件算法主要由图像增强、色彩特征提取优化和纯度聚类识别算法等构成。(2)提出采用叁通道灰度自适应拉伸融合的方法增强玉米种子图像。该方法分别对玉米种子单通道图像增强后再将叁个单通道(R、G、B)进行融合,完成玉米种子顶端图像和无胚芽侧图像的预处理,增强玉米种子图像对比度,提高玉米种子图像质量,为玉米种子色彩提取和识别提供可靠数据源。(3)提出玉米种子图像色彩特征的2步优化方法。为提高系统的适应性,该方法采用单阈值划分方法将玉米种子顶端图像和无胚芽侧图像进行分割,提取出一粒玉米种子的4个色彩区域,以RGB、HSI和Lab色彩模型的均值作为每个区域的色彩特征参数,对玉米种子4个色彩区域进行色彩提取,每个区域9个特征、共计36个色彩特征作为一粒玉米种子的色彩特征。以变异系数和相关性为依据将无用色彩特征剔除,将36个色彩特征减至20个,完成玉米种子图像色彩特征的第1步优化。再进行小波分解优化,以多尺度小波分解包对20个色彩特征进行细节提取,对分解得到的48个色彩特征进行显着性分析剔除冗余色彩特征,保留20个色彩特征作为玉米种子纯度识别的识别向量。(4)提出玉米种子纯度识别的多聚类概率模型。该模型以K-means、SOM和两步聚类等经典方法为基础进行初步聚类识别,以概率聚类作为初步聚类结果评价标准。通过对先玉335和郑单958两个玉米杂交系种子进行试验,结果表明该方法可快速完成玉米种子的纯度识别,识别精度满足流通场合检验要求。(5)设计便携式动态玉米种子纯度识别仪的软件,并对该仪器进行试验。该软件首先对聚类数据进行滤波,再以多聚类概率模型为核心,对市场购买的8个玉米种子样本进行纯度识别试验。通过室内SSR对8个样本进行纯度鉴定,分析该仪器纯度识别数据与SSR纯度鉴定数据之间的显着性,发现两者之间无显着性差异,说明该仪器可以作为玉米种子纯度的快速识别仪。(本文来源于《山东农业大学》期刊2018-05-08）
吴慧,赵于前,李香花,邹北骥,邹润民[3]（2015）在《基于色彩聚类的自然场景文本检测》一文中研究指出基于场景图像背景复杂,图像中的文本变化多样,提出一种基于色彩聚类的自然场景文本检测算法。其步骤为:首先,用K-均值聚类算法将彩色图像聚成5种色彩层,分析各色彩层中连通域外接矩形的几何特性,去掉离散的非文本连通域;然后,根据相邻连通域外接矩形的几何性质和空间位置关系,将离散的连通域连接形成候选文本块;最后,通过分析候选文本块的几何特性和边缘密度验证文本,得到最终文本检测结果。实验结果证明了本文算法的有效性和可行性。(本文来源于《中南大学学报(自然科学版)》期刊2015年06期）
韩海[4]（2012）在《基于K-means算法的RGB图像色彩聚类》一文中研究指出给出了一个利用K-means算法进行迭代聚类,并以聚类结果建立彩色图像调色板的算法。该算法在统计图像中各种颜色的RGB组合值出现次数的基础上,以聚类得到的256种颜色建立调色板,从而将BMP格式图像转换成GIF格式。实验表明,这种转换的色彩失真较小。(本文来源于《江汉大学学报(自然科学版)》期刊2012年05期）
肖海俊[5]（2012）在《彩色图像色彩聚类算法研究》一文中研究指出介绍了聚类分析方法和BMP图像的数据结构,并在此基础上,设计实现了图像色彩自适应聚类算法,目的是在充分理解图像色彩控制原理和BMP格式的点阵图像数据结构的基础上,完成具有根据图像自身的色彩构成特征,实现图像色彩自适应聚类功能的应用程序。该算法简单有效,有很好的实用价值,值得推广和应用。(本文来源于《湖北广播电视大学学报》期刊2012年02期）
魏扬,何丽[6]（2011）在《彩色图像色彩聚类算法研究》一文中研究指出在介绍图像色彩自适应聚类算法的分析的同时,进行针对任意真彩色图像进行色彩聚类的算法。设计一种能够将BMP格式的真彩色图像进行色彩聚类处理,形成基本不失真的、最多具有256种色彩的伪彩色图像算法。(本文来源于《电脑知识与技术》期刊2011年17期）
牟丽莎,徐健[7]（2007）在《色彩聚类在车牌颜色识别中的研究与应用》一文中研究指出彩色图像中的色彩聚类和识别在机器视觉环境中的理解、自动化生产过程的导引、交通标志的自动识别等方面有着非常重要的作用。研究的色彩聚类和识别是"车辆牌照自动识别系统"的一个重要部分——车牌颜色识别。论文提出并实现了一种基于特定色彩空间,利用不同颜色的特征值进行色彩聚类和识别的方法。论文事实依据充分,以大量不同背景和不同光照条件下的彩色车牌作为实验数据进行分析、研究,提出了一种有效的、稳健的色彩聚类和识别的方法。(本文来源于《电脑知识与技术(学术交流)》期刊2007年15期）
丁志勇[8]（2007）在《基于目标区域的色彩聚类与空间关系的CBIR算法研究》一文中研究指出随着多媒体技术的不断发展,涌现出了大量的图像信息,如何有效地建立、管理和充分利用这些资源,一直是国内外科研工作者关注的问题。传统的基于文本的图像检索方法(text-based image retrieval,TBIR)已经不能满足要求,只能求助于通过基于内容的图像检索(content-based image retrieval,CBIR)方法来实现对信息的有效地获取和利用。为此,人们提出了各种各样的CBIR算法,本文在前人研究的基础上提出了一种基于目标区域的色彩聚类与空间关系的CBIR新算法,实验表明本算法行之有效。本文所做的工作主要有如下几个方面:1.简要介绍CBIR技术产生的历史背景和概念模型,重点讨论本文要用到的关键技术。2.在对现有提取目标区域的算法进行改进的基础上,提取了图像的目标区域OR(Object Regions)。在图像的亮度分量上利用Canny算子提取图像的边缘信息并对其进行边缘连接,从其二值边缘图像的连通集合中选取一个最小外接矩形面积最大的连通集所对应的最小外接矩形作为图像的目标区域OR(Object Regions)。3.初始聚类中心的确定是本文的又一个研究重点,本文通过引进单向链表和串这两种数据结构提出了利用图像分块与八连通技术确定初始聚类中心点的算法(DBEC算法)。实验表明DBEC算法可以把初始聚类点的位置限制在一个相对比较小的分块区域内,从而尽可能的接近最佳初始聚类位置。4.本文通过选取由3个最终聚类点构成的叁角形来表示色彩聚类之间的局部空间方位关系,提出了比较图像间对应叁角形各内角的差,作为计算图像相似度的方法(CTIA算法)。实验表明,本文提出的算法在图像的查全率和查准率方面都有不错的表现,对图像的旋转和尺度变化不敏感,具有较强的鲁棒性。最后,对本算法进行了总结,指出了今后需要继续研究和完善的地方。(本文来源于《西北师范大学》期刊2007-05-01）
马宁[9]（2007）在《基于特征提取的建筑色彩聚类分析方法初探》一文中研究指出自古以来,色彩与人类的建筑历史息息相关,建筑色彩也是色彩学的重要应用方面。到了20世纪后期,伴随着人类对城市历史和文化等精神需求的全球性爆发,将“城市”作为色彩载体的重大课题被日益关注和重视起来,进一步引发了建筑规划领域对建筑色彩问题前所未有的研究热潮。与此同时,新技术革命的冲击,也使计算机技术逐步跨入了长期以形象思维和感性理解为主要研究方式的建筑规划领域。目前,与建筑形式、结构等方面的大量研究与探索相比,国内针对建筑色彩的理论研究仍然非常有限。而在这有限的研究当中,文字性的理论研究占据了绝对比例,运用计算机辅助手段分析与研究建筑色彩的方法探讨却鲜有专家学者涉及,成为了亟待丰富和拓展的研究点。本文从宏观出发,以系统科学理论为指导,综合运用多学科知识和计算机辅助手段,着重对单体建筑的外立面色彩进行了数字化研究。在研究过程中,考虑将模糊聚类分析方法与建筑色彩的理论知识结合起来,初步探讨一种基于模糊聚类的单体建筑色彩数字化分析方法。研究的重点主要有两个方面:一是通过程序设计在研究对象上抽象提取体现建筑色彩特征的维度值;二是将不同对象的色彩特征进行分析比较,并实现模拟人眼视觉经验的聚类分析结果。为了量化研究结果,本文借助于分析软件MATLAB 7.0强大的图像处理与统计分析功能分别对多个研究素材进行计算分析,最终得到各个色彩特征维度的相关数据结果。本文的创新点在于借助计算机辅助手段对单体建筑物的建筑色彩特征进行了量化分析,并引入先进的模糊聚类分析方法提出一种针对建筑色彩数字化分析的全新研究思路。论文通过实例应用所得到的计算分析结果初步验证了该方法的可行性和合理性,使研究结论更加具有说服力,并具有一定的实践价值。一幢幢的单体建筑构成了一组组的建筑群体,一组组的建筑群体进而形成了整个城市。人工构筑的建筑物毫无疑问是城市地貌最主要的特征之一,单体建筑物的色彩虽然不能孤立于城市色彩环境而存在,但它却在城市色彩环境的营造上有着举足轻重的作用。强调单体建筑色彩的个性特征并不是要忽视城市色彩环境的重要性,而是要为城市色彩建立基础的色彩基因库,从而使整个城市色彩体系具备详细而完整的内容。本文虽然只对单体建筑物色彩的数字化分析作了初步探讨,但所提出的思路对于分析研究海量的城市色彩数字信息起到了抛砖引玉的作用,具有一定的学术意义和实践意义,可作为进一步采用数字化分析方法研究群体建筑色彩乃至整个城市色彩的基础。(本文来源于《重庆大学》期刊2007-04-10）
王燕[10]（2004）在《关于色彩聚类量化算法的性能分析》一文中研究指出本文在讨论了几种关于色彩量化的聚类算法思想的基础上 ,分析了它们的算法性能 ,着重分析了统计聚类算法。并对统计聚类算法进行了改进 ,通过实验表明这种算法是一种性能较好 ,复杂度较低的色彩量化方法(本文来源于《计算机应用与软件》期刊2004年11期）
色彩聚类论文开题报告
（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：
玉米种子纯度是决定玉米产量的关键因素之一。传统的玉米种子纯度鉴定方法包括田间鉴定、室内鉴定和种植鉴定。国际谷物科学技术协会(ICC)、国际种子检验协会(ISTA)和农业部均推荐使用聚丙烯酰胺凝胶电泳法(PAGE)进行玉米种子纯度室内鉴定。由于该方法操作复杂,对专业知识要求高,鉴定周期长,无专业便携设备,不适合玉米种子纯度的现场识别。为解决玉米种子流通场合缺少纯度鉴定仪器设备的问题,提高玉米种子纯度鉴定效率,保障玉米收成,提高农民收入,本文研发出便携式玉米种子纯度识别仪,并对玉米种子纯度识别方法进行研究。论文主要研究内容和创新点包括:(1)研制便携式玉米种子纯度快速识别仪。通过应用需求分析,玉米种子纯度识别仪由硬件和软件两部分构成。硬件部分主要由图像采集系统、光照系统、玉米种子传输系统和控制系统组成。通过该仪器可一次性自动采集多粒玉米种子的顶端和无胚芽侧图像信息,图像统一以BMP格式保存待处理。软件算法主要由图像增强、色彩特征提取优化和纯度聚类识别算法等构成。(2)提出采用叁通道灰度自适应拉伸融合的方法增强玉米种子图像。该方法分别对玉米种子单通道图像增强后再将叁个单通道(R、G、B)进行融合,完成玉米种子顶端图像和无胚芽侧图像的预处理,增强玉米种子图像对比度,提高玉米种子图像质量,为玉米种子色彩提取和识别提供可靠数据源。(3)提出玉米种子图像色彩特征的2步优化方法。为提高系统的适应性,该方法采用单阈值划分方法将玉米种子顶端图像和无胚芽侧图像进行分割,提取出一粒玉米种子的4个色彩区域,以RGB、HSI和Lab色彩模型的均值作为每个区域的色彩特征参数,对玉米种子4个色彩区域进行色彩提取,每个区域9个特征、共计36个色彩特征作为一粒玉米种子的色彩特征。以变异系数和相关性为依据将无用色彩特征剔除,将36个色彩特征减至20个,完成玉米种子图像色彩特征的第1步优化。再进行小波分解优化,以多尺度小波分解包对20个色彩特征进行细节提取,对分解得到的48个色彩特征进行显着性分析剔除冗余色彩特征,保留20个色彩特征作为玉米种子纯度识别的识别向量。(4)提出玉米种子纯度识别的多聚类概率模型。该模型以K-means、SOM和两步聚类等经典方法为基础进行初步聚类识别,以概率聚类作为初步聚类结果评价标准。通过对先玉335和郑单958两个玉米杂交系种子进行试验,结果表明该方法可快速完成玉米种子的纯度识别,识别精度满足流通场合检验要求。(5)设计便携式动态玉米种子纯度识别仪的软件,并对该仪器进行试验。该软件首先对聚类数据进行滤波,再以多聚类概率模型为核心,对市场购买的8个玉米种子样本进行纯度识别试验。通过室内SSR对8个样本进行纯度鉴定,分析该仪器纯度识别数据与SSR纯度鉴定数据之间的显着性,发现两者之间无显着性差异,说明该仪器可以作为玉米种子纯度的快速识别仪。
（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。
色彩聚类论文参考文献
[1].邹北骥,郭建京,朱承璋,杨文君,徐子雯.基于自适应色彩聚类和上下文信息的自然场景文本检测[J].电子学报.2018
[2].刘双喜.基于色彩聚类的玉米种子纯度识别算法研究[D].山东农业大学.2018
[3].吴慧,赵于前,李香花,邹北骥,邹润民.基于色彩聚类的自然场景文本检测[J].中南大学学报(自然科学版).2015
[4].韩海.基于K-means算法的RGB图像色彩聚类[J].江汉大学学报(自然科学版).2012
[5].肖海俊.彩色图像色彩聚类算法研究[J].湖北广播电视大学学报.2012
[6].魏扬,何丽.彩色图像色彩聚类算法研究[J].电脑知识与技术.2011
[7].牟丽莎,徐健.色彩聚类在车牌颜色识别中的研究与应用[J].电脑知识与技术(学术交流).2007
[8].丁志勇.基于目标区域的色彩聚类与空间关系的CBIR算法研究[D].西北师范大学.2007
[9].马宁.基于特征提取的建筑色彩聚类分析方法初探[D].重庆大学.2007
[10].王燕.关于色彩聚类量化算法的性能分析[J].计算机应用与软件.2004