基于改进的YUV颜色空间的边缘检测算法进行了研究。结果表明,对不同颜色空间的优缺点、特征性进行对比,从而提出了以YUV颜色空间为基础的改进算法,对其边缘检测算法的基本原理进行了详细的分析阐述。结合多元化仿真实验手段的相互比对,最终确定试验结果的优劣性,再结合理论分析和实验效果图,最终确定基于增大YUV颜色空间中Y、U、V分量的差异,并针对其中存在的问题提出可行性的边缘信息有效方案。本文通过改进后提出了更为简单的方案,同时具有高效性优势。 网络等媒体中包含的图片越来越丰富,从众多的图像中查找到自己感兴趣的内容是图像处理一个重要目标。图像的颜色和纹理能从视觉上表现图像特征,因此提出了图像颜色和纹理特征融合,并用奇异值分解方法降低特征向量维度的图像检索方法。首先,提取图像LTr P(Local Tetra Patterns)纹理特征向量和HSV颜色特征向量;对图像分块,用奇异值分解方法降低图像块特征向量维度和噪声,连接图像块向量得到图像的特征向量;用欧式距离对图像进行相似性检测。实验结果表明,该方法平均检索精度明显高于其他同类检索方法。 由此可知，查询图像和数据库图像的相似性为Dqd。图2图像检索流程3图像检索流程本文对于图像的奇异值分解检索方法流程如图2所示，算法具体步骤如下:首先将待查询图像转换到HSV颜色空间，提取像素ir特征，再用LTrP方法，根据式(3)(7)提取图像iTP，iP1，iP2，iP3，iMP特征;然后将待查询图像分割为L个大小为b×b不重叠的块;接着用式(8)对待查询图像块的颜色和纹理特征向量进行奇异值分解，选取奇异值分解的前k个值作为图像块的特征向量，并将图像块特征向量合并为图像的特征向量;最后用式(14)，(15)在图像特征库中查找和查询图像相似性最小的图像。4实验结果与分析在实验中，为了便于与别的方法进行比较，需要选用合适的图片数据库，本文使用Corel数据库［13］，该数据库是目前比较流行的用于图像检索的基准测试数据库。本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name图像边缘检测方法-电动折弯机数控滚圆机滚弧机张家港电动滚圆机滚弧机该数据库由1000幅大小为384×256或256×384分辨率的图像组成，共有10个分类，每个分类分别有100幅图像。为了测试算法的性能，使用检索精度作为评估度量标准，检索精度定义如下:P=RNTN(16)其中，RN表示检索到的图像数量，TN表示与检索图像相关的图像数量。实验中，分别选取10种分类图像(非洲人、沙滩、遗迹、公共汽车、恐龙、大象、鲜花、马、山、食物)中的1幅图像在该数据库中进行查询，每类图像的检索精度与其他检索算法的比较结果如表1所示。图3图像分块检索精度较流行的用于图像检索的基准测试数据库。该数据库由1000幅大小为384×256或256×384分辨率的图像组成，共有10个分类，每个分类分别有100幅图像。为了测试算法的性能，使用检索精度作为评估度量标准，检索精度定义如下:P=RNTN(16)其中，RN表示检索到的图像数量，TN表示与检索图像相关的图像数量。实验中，分别选取10种分类图像(非洲人、沙滩、遗迹、公共汽车、恐龙、大象、鲜花、马、山、食物)中的1幅图像在该数据库中进行查询，每类图像的检索精度与其他检索算法的比较结果如表1所示。图3图像分块检索精度比较图像块的划分对图像特征向量的提取会有一定的影响。为了检测本方法检索性能，本文做了基于不同分块数的图像检索实验，对比结果如图3所示。从图3中可以看出，将图像分为4块时，图像类的检索精度明显比分为16块和64块的精度高，稳定性也比较好;将图像分为64块时，图像的检索性能有所下降，稳定性也较差;分为16块时检索性能和稳定性都不好。从细节上看，对于海滩、建筑、恐龙、大象、鲜花和马这类图像，它们的图像细节和背景比较复杂，当图像块划分越小时检测精度越高;而非洲人、公共汽车、山、食物这类图像，它们图像背景和图像简单，当图像分块越大时检测精度越高。因此，可以看出图像块划分过多或过少都不一定能提高图像的检索性能，提高的程度和图像本身及其背景有关。图像边缘检测方法-电动折弯机数控滚圆机滚弧机张家港电动滚圆机滚弧机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name