基于颜色信息的目标检测识别方法研究

1.基于 Open CV 的目标物体颜色及轮廓的识别方法

（1）基于HSV颜色空间的目标识别，图像预处理采用高斯滤波、中值滤波。

（2）在每个通道进行创建滑动条和阈值化处理。（参数调节和效果图对比比较直观）

（3）对每个通道的检测的图像进行先膨胀后腐蚀的闭运算（去除被检测到物体的边缘噪
点及其他噪声影响），然后查找和绘制轮廓，而后画框，建议瞄准点。（针对战队计划）

（4）实现重要就是建立下面的滑动条，来动态调参，以找到比较优的阈值参数。

2. 一种基于颜色特征的目标识别算法

(1) RGB 颜色空间不直观, 从中很难知道该值所表示的颜色的认知属性。HSI 空间、YUV 空间则不同, 它们用两维来表示光谱, 用第三维来表示色彩的强度。但 HSI 空间是非线性变换, 会造成大量运算及低饱和度时颜色空间的奇异性; 而 YUV 空间是线性转换, 转换容易, 耗时少。根据这些理论选择 YUV 空间作为目标颜色检测的颜色空间。

(2)文献方法有点抽象，有待后续进一步理解

3.一种足球机器人中指定颜色属性物体的识别方法

(1)RGB空间映射到HSV彩色空间,从彩色图象中提取出色调灰度图和亮度灰度图,使用成熟的灰度图门限分割技术,将真彩色图象中的指定色彩的物体从背景中识别出来.并通过引入亮度有效改进了HSV模型中当RGB值较小时色调不准确地缺点,从而有效地去除阴影的影响.

（2）原理上说,较之RGB模型更适合于用作识别处理的基础.色调属性H能比较特征地反映颜色种类.对同一颜色属性物体,具有比较稳定和较窄的数值变化范围,可以选作为基本识别参数.但是当RGB较小,即亮度V较小时,色调H值趋向于不确定〔 3〕 ,不同颜色物体的色调区别不显著.此时,识别的参数值应包括亮度V.因此本文采用HSV模型作为识别处理基础,选取其中的H和V参数作为识别处理的判别依据.

（3）当我们想识别某种颜色的物体时,对于色调可以给出较窄的波段,而对于亮度给予较宽的波段。

3.基于物体颜色和尺寸特征的机器人视觉算法

(1)对图像进行预处理后，根据目标物体颜色特征，利用阈值法及种子生长法进行图像分割，然后对分割后的图像进行连通域标记。

(2)图像分割包含阈值选择、种子获取、区域生长、形态学膨胀。

(3)基于颜色提取出目标之后，在此基础上，可以依据三维定位之后的深度尺寸，计算装甲板灯条的长宽，来基于形状进行过滤非目标。

4.一种自适应颜色特征的目标识别与跟踪法

(1)在实际应用中,分别要对目标色彩的H,S,I分量进行阈值设定。要进行分割跟踪的颜色由HL,HH,HL,SH,IH,IH6个分量来确定。这6个值的初始化是通过对赛场感兴趣区域静态采集、并进行数理统计得到的。经论证,采集到的图像上同一颜色区域各像素点是服从类正态分布的随机变量,文中对感兴趣区域的SHI值分别求取样本平均值和样本标准差来估计对应的期望值μ和标准差σ。由“3σ”法则知道,HSI各分量取值落在对应(μ- 3σ,μ+ 3σ)上的概率为99.74%。

5.基于颜色与形状特征的交通标志检测方法

(1)  先对整幅图像基于HSV空间进行红、黄、蓝颜色提取。
(2) 对提取出的备选区域进行形态学滤波，去掉图像中的噪声干扰。
(3) 依据形状特征提取图像中的三角、圆、矩形区域。