注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 足球机器人视觉系统光强自适应算法研究

  2. 研究足球机器人比赛问题，比赛环境的光强度变化严重影响足球机器人视觉系统的识别性能。为提高机器人视觉识 别率，提出了一种基于HS1颜色空间模型的光强自适应算法。算法将比赛场地划分为若干区域，利用HSI颜色空间模型可 以分离环境光强度信息的特点，在比赛中动态更新所有划分区域的HSI颜色空间，提高了机器人视觉系统对光强变化的自 适应能力，实现了机器人对比赛场地信息的精确辨识。因此用算法优化机器人视觉识别系统进行仿真。结果表明，在实际比赛中，算法能够有效降低环境光强度变化，大大提高了对足球机器人视觉辨

  3. 所属分类：C++

    • 发布日期：2011-11-10
    • 文件大小：334kb
    • 提供者：xiaqinye

  1. 数字图象处理

  2. 对真彩色图像进行RGB三通道分离，RGB图像转HSI图像，然后对HSI图像三通道分离，对色度和饱和度进行增强。

  3. 所属分类：其它

    • 发布日期：2014-12-13
    • 文件大小：2kb
    • 提供者：u012930195

  1. 彩色二值化的车牌定位.pdf

  2. 提出了一种基于彩色二值化的车牌定位方法。首先将彩色图像从RGB 颜色空间转换到HSI 颜色空间, 同时生成 一个与彩色图像大小相同的二值化状态特征矩阵, 根据车牌的色彩特征, 调整状态特征矩阵; 再用数学形态学方法对 状态特征矩阵进行填充空洞和滤除噪声的处理, 并根据车牌的几何特征除去伪牌照区。该方法将图像的色彩特征与状 态特征分离, 充分利用车牌的色彩特征调整彩色图像的状态特征, 并融合了数学形态学方法; 而且将车牌的色彩特征 和几何特征进行了有机的结合。实验结果表明该方法是一种有效的车牌定

  3. 所属分类：专业指导

    • 发布日期：2008-12-10
    • 文件大小：536kb
    • 提供者：gl542400

  1. Research on Image Reconstruction of Traditional Chinese Painting Art Based on Radiance Information Matching

  2. 对国画样品反射参量和特性进行测量与分析，结合色度学相关理论提出了一种利用亮度信息匹配的国画图 像重建方法。采用色调饱和度亮度（HSI）色空间对国画辐亮度与色度信息进行分离，利用Gaussian函数对不同 照明角度下PR-715实测图像色块亮度数值进行拟合，从而建立对应的空间亮度函数关系式。选择90°照明角实拍 图像为参考色块，将该图像HSI色空间的色度信息与拟合空间亮度信息相结合，重建出任意照明角度下的国画色 块图像，并与Canon EOS400D单反相机实拍图片进行比较分析。结果表明，利用亮度

  3. 所属分类：其它

  1. Python实现RGB与HSI颜色空间的互换方式

  2. 概要 这是这学期数字图像处理课的第一份作业好久没懂python手都快生了，调了好久才搞出来。 HSI颜色模型是一个满足计算机数字化颜色管理需要的高度抽象模拟的数学模型。HIS模型是从人的视觉系统出发，直接使用颜色三要素–色调（Hue）、饱和度（Saturation）和亮度（Intensity，有时也翻译作密度或灰度）来描述颜色。 RGB向HSI模型的转换是由一个基于笛卡尔直角坐标系的单位立方体向基于圆柱极坐标的双锥体的转换。基本要求是将RGB中的亮度因素分离，通常将色调和饱和度统称为色度，用来表

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：542kb
    • 提供者：weixin_38562329

  1. OpenCV+Python–RGB转HSI的实现

  2. cv2.cvtColor函数封装了各种颜色空间之间的转换，唯独没有RGB与HSI之间的转换，网上查来查去也只有C++或MATLAB版本的，自己要用到python里，所以就写写python版本的。 HSI颜色模型是一个满足计算机数字化颜色管理需要的高度抽象模拟的数学模型。HIS模型是从人的视觉系统出发，直接使用颜色三要素–色调（Hue）、饱和度（Saturation）和亮度（Intensity，有时也翻译作密度或灰度）来描述颜色。 RGB向HSI模型的转换是由一个基于笛卡尔直角坐标系的单位立方体向

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：159kb
    • 提供者：weixin_38689338

  1. 稀疏可分离卷积特征学习的高光谱图像监督分类

  2. 通常，传统的监督高光谱图像（HSI）分类不能同时充分利用空间和光谱特征。 在本文中，我们根据稀疏可分离卷积滤波学习问题重新构造了HSI特征学习，并提出了稀疏可分离卷积分类模型（SSCCM）。 在提出的SSCCM中，稀疏可分卷积学习模块（SSCLM）用于提取鲁棒的空间光谱特征，并利用秩一张量分解学习机制来加速特征计算。 而SVM分类模块（SVMCM）使用3D空间光谱特征数组来表示用于分类的HSI。 在广泛使用的HSI数据集上的实验结果表明，我们提出的方法优于最新的分类方法。

  3. 所属分类：其它

    • 发布日期：2021-03-27
    • 文件大小：547kb
    • 提供者：weixin_38628429