申请/专利权人：重庆瑞景信息科技有限公司

申请日：2018-05-22

公开（公告）日：2018-09-28

公开（公告）号：CN108600746A

主分类号：H04N17/02(2006.01)I

分类号：H04N17/02(2006.01)I

优先权：

专利状态码：有效-授权

法律状态：2019.03.29#授权;2018.10.26#实质审查的生效;2018.09.28#公开

摘要：本发明提供一种彩色图像视觉失色的检测方法、系统及装置，该方法包括：采集视频监控中待测的彩色图像；将待测的所述彩色图像转换为HSI形式，并计算待测的彩色图像的色调分量、饱和度分量与强度分量；根据预设的某类分量的阈值范围与待测的彩色图像对应同类别分量进行比较，判断待测的所述彩色图像是否为视觉失色图像。通过计算视频监控系统内的彩色图像中视觉失色的阈值标准，当需要检测摄像设备采集的视频图像是否符合相关规定时，只需获取该摄像设备采集的图像与计算的阈值标准进行比较，即可判断该彩色图像是否为视觉失色图像，通过视觉失色图像判断从而确定出视频监控系统性能的状况，提高了视觉失色检测的效率，实现了自动化检测。

主权项：1.一种彩色图像视觉失色的检测方法，其特征在于，所述方法包括以下步骤：采集视频监控中待测的彩色图像；将待测的所述彩色图像转换为HSI形式，并计算待测的彩色图像的色调分量、饱和度分量与强度分量；根据预设的某类分量的阈值范围与待测的彩色图像对应同类别分量进行比较，判断待测的所述彩色图像是否为视觉失色图像。

全文数据：彩色图像视觉失色的检测方法、系统及装置技术领域本发明涉及视频监控领域，特别是涉及一种彩色图像视觉失色的检测方法、系统及装置。背景技术传统的监控系统处理的都是灰度图像，但是随着经济，社会的发展，灰度图像监控系统已经难以满足社会的需求，目前彩色监控设备在监控系统中的应用越来越普及。彩色监控的应用受到两个主要因素的推动：第一，彩色是一个强有力的描绘子，它可简化从场景中提取和识别目标；第二，人可以辨别几千种彩色色调和亮度，但相比之下只能辨别几十种灰度色调，所以彩色图像在人工图像分析的应用中特别重要。现有彩色图像处理可分为两个主要领域：全彩色处理和伪彩色处理。第一类要求图像用全彩色传感器获取，如彩色电视摄像机或彩色扫描仪。第二类是对一种特定的单色灰度或灰度范围赋予一种颜色。在过去的十年里，随着彩色传感器和用于处理彩色图像的硬件的价格大大降低，现在的全彩色图像处理技术的应用日益广泛，包括监控，出版，可视化和互联网应用等。颜色在对图像进行分析时有着重要的作用，在安防应用中尤其重要。然而，监控摄像机的性能却不是十分理想。低照度的环境下真实获取场景的颜色信息较为困难，所以部分摄像机厂家在低照度时会将摄像机切换到黑白模式后，再进行视频编码。丢失色度信息后的影像不利于信息回溯，虽然公安部指定了行业标准并禁止了该类行为。但从码流的数据结构上看，与黑白摄像机的输出影像格式不同，视觉失色的监控视频输出仍包含R,G,B分量，因此，无法单从简单的码流结构上分析图像是否视觉失色。发明内容鉴于以上所述现有技术的缺点，本发明的目的在于提供一种彩色图像视觉失色的检测方法、系统及装置，用于解决现有技术无法由计算机客观评估视频监控是否视觉失色，从而导致无法判断监控摄像系统设计、工作模式是否配置合理的问题。为实现上述目的及其他相关目的，本申请的第一方面，本发明提供一种彩色图像视觉失色的检测方法，包括：采集视频监控中待测的彩色图像；将待测的所述彩色图像转换为HSI形式，并计算待测的彩色图像的色调分量、饱和度分量与强度分量；根据预设的某类分量的阈值范围与待测的彩色图像对应同类别分量进行比较，判断待测的所述彩色图像是否为视觉失色图像。在第一方面的某些实施方式中，所述采集视频监控中待测的彩色图像的步骤之前，还包括：获取视频监控中的彩色图像，并将所述彩色图像归类为视觉失色图像集与视觉无失色图像集；计算所述彩色图像分别在所述视觉失色图像集与视觉无失色图像集的图像信息；根据所述图像信息将所述彩色图像从RGB形式转换为HSI形式，分别计算所述视觉失色图像集与视觉无失色图像集中每张图像的色调分量、饱和度分量与强度分量；按照色调分量、饱和度分量与强度分量分别统计所述视觉失色图像集与视觉无失色图像集中所有图像各自分量对应的均值，并计算两个图像集之间对应分量的均值差；结合HSI彩色模型的几何关系并根据所述均值差相差最大的分量为视觉失色的最大影响因素，同时生成该类分量的阈值范围。在第一方面的某些实施方式中，所述结合HSI彩色模型的几何关系并根据所述均值差相差最大的分量为视觉失色的最大影响因素，同时生成该类分量的阈值范围的步骤，包括：计算两个图像集各自对应色调分量、饱和度分量、强度分量之间的均值差，筛选最大的均值差所对应的分量为视觉失色的最大影响因素，将相关影响因素导入HSI彩色模型几何关系，根据该类分量分别在觉失色图像集与视觉无失色图像集的矩阵均值生成对应的阈值范围。在第一方面的某些实施方式中，所述根据预设的某类分量的阈值范围与待测的彩色图像对应同类别分量进行比较，判断待测的所述彩色图像是否为视觉失色图像的步骤，包括：转换待测的所述彩色图像格式为HSI图像，选择与所述阈值范围同类的分量并比较待测的彩色图像分量是否在阈值范围内，当待测的所述彩色图像对应类型分量在阈值范围内时，则判定待测的彩色图像为视觉失色图像；当待测的所述彩色图像对应类型分量不在阈值范围内时，则判定待测的彩色图像为视觉无失色图像。本申请的第二方面，提供一种彩色图像视觉失色的检测装置，包括：采集模块，用于采集视频监控中待测的彩色图像；处理模块，用于将待测的所述彩色图像转换为HSI形式，并计算待测的彩色图像的色调分量、饱和度分量与强度分量；检测模块，用于根据预设的某类分量的阈值范围与待测的彩色图像对应同类别分量进行比较，判断待测的所述彩色图像是否为视觉失色图像。在第二方面的某些实施方式中，所述检测系统在采集模块之前还包括：获取模块，用于获取视频监控中的彩色图像，并将所述彩色图像归类为视觉失色图像集与视觉无失色图像集；第一计算模块，用于计算所述彩色图像分别在所述视觉失色图像集与视觉无失色图像集的图像信息；第二计算模块，用于根据所述图像信息将所述彩色图像从RGB形式转换为HSI形式，分别计算所述视觉失色图像集与视觉无失色图像集中每张图像的色调分量、饱和度分量与强度分量；第三计算模块，用于按照色调分量、饱和度分量与强度分量分别统计所述视觉失色图像集与视觉无失色图像集中所有图像各自分量对应的均值，并计算两个图像集之间对应分量的均值差；阈值生成模块，用于结合HSI彩色模型的几何关系并根据所述均值差相差最大的分量为视觉失色的最大影响因素，同时生成该类分量的阈值范围。在第二方面的某些实施方式中，所述阈值生成模块包括：计算两个图像集各自对应色调分量、饱和度分量、强度分量之间的均值差，筛选最大的均值差所对应的分量为视觉失色的最大影响因素，将相关影响因素导入HSI彩色模型几何关系，根据该类分量分别在觉失色图像集与视觉无失色图像集的矩阵均值生成对应的阈值范围。在第二方面的某些实施方式中，所述检测模块包括：转换待测的所述彩色图像格式为HSI图像，选择与所述阈值范围同类的分量并比较待测的彩色图像分量是否在阈值范围内，当待测的所述彩色图像对应类型分量在阈值范围内时，则判定待测的彩色图像为视觉失色图像；当待测的所述彩色图像对应类型分量不在阈值范围内时，则判定待测的彩色图像为视觉无失色图像。本申请的第三方面，提供一种彩色图像视觉失色的检测装置，所述装置包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行指令，所述一个或多个处理器执行所述执行指令使得电子设备执行如上述的彩色图像视觉失色的检测方法。如上所述，本发明的彩色图像视觉失色的检测方法、系统及装置，具有以下有益效果：本发明通过计算视频监控系统内的彩色图像中视觉失色的阈值标准，当需要检测摄像设备采集的视频图像是否符合相关规定时，只需获取该摄像设备采集的图像与计算的阈值标准进行比较，即可判断该彩色图像是否为视觉失色图像，通过视觉失色图像判断从而确定出视频监控系统性能的状况，提高了视觉失色检测的效率，实现了自动化检测，无需人为判断即可评判出视频监控系统是否符合行业规定。附图说明图1显示为本发明提供的一种彩色图像视觉失色的检测方法流程图；图2显示为本发明提供的一种彩色图像视觉失色的检测方法中步骤S1之前的流程图；图3显示为本发明提供的一种彩色图像视觉失色的检测方法中步骤S3的详细流程图；图4显示为本发明提供的一种彩色图像视觉失色的检测系统框架图；图5显示为本发明提供的一种彩色图像视觉失色的检测系统完整框架图；图6显示为本发明提供的一种彩色图像视觉失色图像集与视觉无失色图像集；图7显示为本发明提供的一种彩色图像视觉失色检测的RGB图像分解；图8显示为本发明提供的一种彩色图像视觉失色检测HSI彩色模型。具体实施方式以下由特定的具体实施例说明本申请的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效。在下述描述中，参考附图，附图描述了本申请的若干实施例。应当理解，还可使用其他实施例，并且可以在不背离本公开的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变.下面的详细描述不应该被认为是限制性的，并且本申请的实施例的范围仅由公布的专利的权利要求书所限定.这里使用的术语仅是为了描述特定实施例，而并非旨在限制本申请。空间相关的术语，例如“上”、“下”、“左”、“右”、“下面”、“下方”、“下部”、“上方”、“上部”等，可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。虽然在一些实例中术语第一、第二等在本文中用来描述各种元件，但是这些元件不应当被这些术语限制。这些术语仅用来将一个元件与另一个元件进行区分。例如，第一预设阈值可以被称作第二预设阈值，并且类似地，第二预设阈值可以被称作第一预设阈值，而不脱离各种所描述的实施例的范围。第一预设阈值和预设阈值均是在描述一个阈值，但是除非上下文以其他方式明确指出，否则它们不是同一个预设阈值。相似的情况还包括第一音量与第二音量。本申请提供一种彩色图像视觉失色的检测系统、方法及设置，适用于电子设备中，于实际的实施方式中，所述电子设备例如为包括但不限于笔记本电脑、平板电脑、移动电话、智能手机、媒体播放器、个人数字助理PDA、导航仪、智能电视、智能手表、数码相机等等，还包括其中两项或多项的组合。应当理解，本申请于实施方式中描述的电子设备只是一个应用实例，该设备的组件可以比图示具有更多或更少的组件，或具有不同的组件配置。所绘制图示的各种组件可以用硬件、软件或软硬件的组合来实现，包括一个或多个信号处理和或专用集成电路。在本申请的具体实施方式中，将以所述电子设备为智能手机为例进行说明。所述电子设备包括存储器、存储器控制器、一个或多个处理单元CPU、外设接口、RF电路、音频电路、扬声器、麦克风、输入输出IO子系统、触摸屏、其他输出或控制设备，以及外部端口。这些组件通过一条或多条通信总线或信号线进行通信。所述电子设备还包括用于为各种组件供电的电源系统。该电源系统可以包括电源管理系统、一个或多个电源例如电池、交流电AC、充电系统、电源故障检测电路、电源转换器或逆变器、电源状态指示器例如发光二极管LED，以及与便携式设备中的电能生成、管理和分布相关联的其他任何组件。所述电子设备支持各种应用程序，诸如以下各项中的一者或多者：绘图应用程序、呈现应用程序、文字处理应用程序、网站创建应用程序、盘编辑应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息应用程序、健身支持应用程序、照片管理应用程序、数字相机应用程序、数字视频摄像机应用程序、网页浏览应用程序、数字音乐播放器应用程序和或数字视频播放器应用程序。请参阅图1，为本发明提供一种彩色图像视觉失色的检测方法流程图，包括：步骤S1，采集视频监控中待测的彩色图像；具体地，彩色图像是指每个像素由R、G、B分量构成的图像，其中R、G、B是由不同的灰度级来描述的；彩色模型是坐标系统和子空间的说明，其中位于系统中的每种颜色都由单个点来表示。现在所用的大多数彩色模型不是面向硬件如彩色监视器和打印机的，就是面向应用的。在数字图像处理中，最通用的面向硬件的模型是RGB红，绿，蓝模型，该模型适用于彩色监视器和一大类彩色视频摄像机。在RGB模型中，每种颜色出现在红、绿、蓝的原色光谱分量中。步骤S2，将待测的所述彩色图像转换为HSI形式，并计算待测的彩色图像的色调分量、饱和度分量与强度分量；常用的彩色模型是HSI色调，饱和度，亮度模型，这种模型更符合人描述和解释颜色的方式。另外，采用HSI模型具有如下优点，它可在彩色图像中从携带的彩色信息色调和饱和度中消去强度分量的影响，因此，需要将RGB形式的图像转换为HSI形式的彩色图像。步骤S3，根据预设的某类分量的阈值范围与待测的彩色图像对应同类别分量进行比较，判断待测的所述彩色图像是否为视觉失色图像。在本实施例中，采用HSI彩色模型，通过将待测的彩色图像与预设的阈值范围进行比较，如果待测的所述彩色图像在阈值范围内，则所述彩色图像为视觉失色图像；如果待测的所述彩色图像不在阈值范围内，则所述彩色图像为视觉无失色图像，通过上述方式自动对摄像设备采集的彩色图像进行识别，能够迅速检测彩色图像是否为失色图像，从而评价涉及摄像系统多媒体系统的性能。请参阅图2，本发明提供的一种彩色图像视觉失色的检测方法中步骤S1之前的流程图，在步骤S1之前，还包括：步骤S01，获取视频监控中的彩色图像，并将所述彩色图像归类为视觉失色图像集与视觉无失色图像集；具体地，一般视频监控系统所包含大量的彩色图像，如，每一张彩色图像可用图像矩阵fx,y,z进行表示，而在对彩色图像进行归类之前，需要对每张所述彩色图像进行标定，如，人为标定进行分类，选择m张视觉失色图像构成视觉失色图像集，选择n张视觉无失色图像构成视觉无失色图像集，详见图6，包含失色图像集与无失色图像集。步骤S02，计算所述彩色图像分别在所述视觉失色图像集与视觉无失色图像集的图像信息；具体地，将各个图像集内的每张彩色图像按照RGB三通道转换成用矩阵信息表示为图像信息，详见图7，将彩色监视器或彩色摄像装置采集的彩色图像转换为RGB图像。步骤S03，根据所述图像信息将所述彩色图像从RGB形式转换为HSI形式，分别计算所述视觉失色图像集与视觉无失色图像集中每张图像的色调分量、饱和度分量与强度分量；具体地，通过分析RGB彩色模型几何结构图和HSI彩色模型几何结构图，我们可以获得RGB彩色空间到HSI彩色空间的转换公式，应用该转换公式，根据步骤S02中计算所得的RGB三通道矩阵信息，分别计算失色图像集和无失色图像集中每一张图像的色调分量H矩阵，饱和度分量S矩阵，以及强度分量I矩阵。RGB-HSI彩色空间转换公式如下；其中，饱和度分量由下式给出：强度分量由下式给出：其中，R、G、B分别代表红、绿、蓝三种颜色的分量，采用矩阵信息的方式表示HSI各自对应的分量。步骤S04，按照色调分量、饱和度分量与强度分量分别统计所述视觉失色图像集与视觉无失色图像集中所有图像各自分量对应的均值，并计算两个图像集之间对应分量的均值差；具体地，在视觉失色图像集中分别求取所有彩色图像的H分量的均值，记为lmh,S分量的均值记为lms，I分量均值矩阵均值记为lmi；在视觉无失色图像集分别求取所有彩色图像的H分量的均值，记为ulmh,S分量的均值记为ulms，I分量均值记为ulmi；再计算两个图像集在H、S、I三个量各自对应的均值之差，分别记录为Δmh，Δms，Δml；例如，可用以下方式表达：Δmh＝|lmh-ulmh|Δms＝|lms-ulms|Δml＝|lml-ulml|其中，关于H分量、S分量、I分量各自对应的矩阵均值，详见如下公式：计算失色图像集和无失色图像集所有图像H分量的矩阵均值：计算失色图像集和无失色图像集所有图像S分量的矩阵均值：计算失色图像集和无失色图像集所有图像I分量的矩阵均值：步骤S05，结合HSI彩色模型的几何关系并根据所述均值差相差最大的分量为视觉失色的最大影响因素，同时生成该类分量的阈值范围。具体地，详见图8，计算两个图像集各自对应色调分量、饱和度分量、强度分量之间的均值差，筛选最大的均值差所对应的分量为视觉失色的最大影响因素，将相关影响因素导入HSI彩色模型几何关系，根据该类分量分别在觉失色图像集与视觉无失色图像集的矩阵均值生成对应的阈值范围。在本实施例中，计算两个图像集在H,S,I三个分量的差值矩阵，分别记为Δmh，Δms，Δml。如果经过实验计算，两个图像集在S分量上的矩阵差值Δms远远大于在H分量上的矩阵差值Δmh，则确定HSI彩色模型中S分量是导致彩色图像视觉失色的主要因素；其中，计算视觉失色图像集中所有图像的S分量矩阵均值，所得结果均小于0.1，同样地，计算视觉无失色图像集中所有图像的S分量矩阵均值，所得结果均大于0.1，所以根据实验我们设定判断视觉失色的阈值范围α小于等于0.1。请参阅图3，为本发明提供的一种彩色图像视觉失色的检测方法中步骤S3的详细流程图，包括：转换待测的所述彩色图像格式为HSI图像，选择与所述阈值范围同类的分量并比较待测的彩色图像分量是否在阈值范围内，当待测的所述彩色图像对应类型分量在阈值范围内时，则判定待测的彩色图像为视觉失色图像；当待测的所述彩色图像对应类型分量不在阈值范围内时，则判定待测的彩色图像为视觉无失色图像。在本实施例中，将待测的彩色图像统一转换为HSI图像，例如，如果阈值范围为小于等于0.1的S分量时，只需检测待测的彩色图像S分量是否小于等于0.1时，当其小于等于该阈值范围时，则确定待测的彩色图像为视觉失色图像；当其大于该阈值范围时，则确定待测的彩色图像为视觉无失色图像。请参阅图4，为本发明提供的一种彩色图像视觉失色的检测系统框架图，包括：采集模块1，用于采集视频监控中待测的彩色图像；处理模块2，用于将待测的所述彩色图像转换为HSI形式，并计算待测的彩色图像的色调分量、饱和度分量与强度分量；检测模块3，用于根据预设的某类分量的阈值范围与待测的彩色图像对应同类别分量进行比较，判断待测的所述彩色图像是否为视觉失色图像。具体地，所述检测模块3包括：转换待测的所述彩色图像格式为HSI图像，选择与所述阈值范围同类的分量并比较待测的彩色图像分量是否在阈值范围内，当待测的所述彩色图像对应类型分量在阈值范围内时，则判定待测的彩色图像为视觉失色图像；当待测的所述彩色图像对应类型分量不在阈值范围内时，则判定待测的彩色图像为视觉无失色图像。请参阅图5，为本发明提供的一种彩色图像视觉失色的检测系统完整框架图，所述检测系统在采集模块之前还包括：获取模块01，用于获取视频监控中的彩色图像，并将所述彩色图像归类为视觉失色图像集与视觉无失色图像集；第一计算模块02，用于计算所述彩色图像分别在所述视觉失色图像集与视觉无失色图像集的图像信息；第二计算模块03，用于根据所述图像信息将所述彩色图像从RGB形式转换为HSI形式，分别计算所述视觉失色图像集与视觉无失色图像集中每张图像的色调分量、饱和度分量与强度分量；第三计算模块04，用于按照色调分量、饱和度分量与强度分量分别统计所述视觉失色图像集与视觉无失色图像集中所有图像各自分量对应的均值，并计算两个图像集之间对应分量的均值差；阈值生成模块05，用于结合HSI彩色模型的几何关系并根据所述均值差相差最大的分量为视觉失色的最大影响因素，同时生成该类分量的阈值范围。所述阈值生成模块05具体包括：计算两个图像集各自对应色调分量、饱和度分量、强度分量之间的均值差，筛选最大的均值差所对应的分量为视觉失色的最大影响因素，将相关影响因素导入HSI彩色模型几何关系，根据该类分量分别在觉失色图像集与视觉无失色图像集的矩阵均值生成对应的阈值范围。由于视觉失色检测方法与检测系统为一一对应的关系，在此不一一赘述相应优点。本申请的第三方面，提供一种彩色图像视觉失色的检测装置，所述装置包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行指令，所述一个或多个处理器执行所述执行指令使得电子设备执行如上述的彩色图像视觉失色的检测方法。于某些实施方式中，所述处理器还与IO端口和输入结构可操作地耦接，该IO端口可使得电子设备20能够与各种其他电子设备进行交互，该输入结构可使得用户能够与电子设备20进行交互。因此，输入结构可包括按钮、键盘、鼠标、触控板等。此外，电子显示器可包括触摸部件，该触摸部件通过检测对象触摸其屏幕例如，电子显示器的表面的发生和或位置来促进用户输入。所述处理器可操作地与存储器和或非易失性存储设备耦接。更具体地，处理器可执行在存储器和或非易失性存储设备中存储的指令以在计算设备中执行操作，诸如生成图像数据和或将图像数据传输到电子显示器。如此，处理器可包括一个或多个通用微处理器、一个或多个专用处理器ASIC、一个或多个现场可编程逻辑阵列FPGA、或它们的任何组合。所述存储器可包括高速随机存取存储器，并且还可包括非易失性存储器，例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。在某些实施例中，存储器还可以包括远离一个或多个处理器的存储器，例如经由RF电路或外部端口以及通信网络未示出访问的网络附加存储器，其中所述通信网络可以是因特网、一个或多个内部网、局域网LAN、广域网WLAN、存储局域网SAN等，或其适当组合。存储器控制器可控制设备的诸如CPU和外设接口之类的其他组件对存储器的访问。综上所述，本发明通过计算视频监控系统内的彩色图像中视觉失色的阈值标准，当需要检测摄像设备采集的视频图像是否符合相关规定时，只需获取该摄像设备采集的图像与计算的阈值标准进行比较，即可判断该彩色图像是否为视觉失色图像，通过视觉失色图像判断从而确定出视频监控系统性能的状况，提高了视觉失色检测的效率，实现了自动化检测，无需人为判断即可评判出视频监控系统是否符合行业规定。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

权利要求：1.一种彩色图像视觉失色的检测方法，其特征在于，所述方法包括以下步骤：获取视频监控中的彩色图像，并将所述彩色图像归类为视觉失色图像集与视觉无失色图像集；计算所述彩色图像分别在所述视觉失色图像集与视觉无失色图像集的图像信息；根据所述图像信息将所述彩色图像从RGB形式转换为HSI形式，分别计算所述视觉失色图像集与视觉无失色图像集中每张图像的色调分量、饱和度分量与强度分量；按照色调分量、饱和度分量与强度分量分别统计所述视觉失色图像集与视觉无失色图像集中所有图像各自分量对应的均值，并计算两个图像集之间对应分量的均值差；结合HSI彩色模型的几何关系并根据所述均值差相差最大的分量为视觉失色的最大影响因素，生成预设的某类分量的阈值范围；采集视频监控中待测的彩色图像；将待测的所述彩色图像转换为HSI形式，并计算待测的彩色图像的色调分量、饱和度分量与强度分量；根据预设的某类分量的阈值范围与待测的彩色图像对应同类别分量进行比较，判断待测的所述彩色图像是否为视觉失色图像。2.根据权利要求1所述的彩色图像视觉失色的检测方法，其特征在于，所述结合HSI彩色模型的几何关系并根据所述均值差相差最大的分量为视觉失色的最大影响因素，同时生成该类分量的阈值范围的步骤，包括：计算两个图像集各自对应色调分量、饱和度分量、强度分量之间的均值差，筛选最大的均值差所对应的分量为视觉失色的最大影响因素，将相关影响因素导入HSI彩色模型几何关系，根据该类分量分别在视觉失色图像集与视觉无失色图像集的矩阵均值生成对应的阈值范围。3.根据权利要求1所述的彩色图像视觉失色的检测方法，其特征在于，所述根据预设的某类分量的阈值范围与待测的彩色图像对应同类别分量进行比较，判断待测的所述彩色图像是否为视觉失色图像的步骤，包括：转换待测的所述彩色图像格式为HSI图像，选择与所述阈值范围同类的分量并比较待测的彩色图像分量是否在阈值范围内，当待测的所述彩色图像对应类型分量在阈值范围内时，则判定待测的彩色图像为视觉失色图像；当待测的所述彩色图像对应类型分量不在阈值范围内时，则判定待测的彩色图像为视觉无失色图像。4.一种彩色图像视觉失色的检测系统，其特征在于，所述系统包括：获取模块，用于获取视频监控中的彩色图像，并将所述彩色图像归类为视觉失色图像集与视觉无失色图像集；第一计算模块，用于计算所述彩色图像分别在所述视觉失色图像集与视觉无失色图像集的图像信息；第二计算模块，用于根据所述图像信息将所述彩色图像从RGB形式转换为HSI形式，分别计算所述视觉失色图像集与视觉无失色图像集中每张图像的色调分量、饱和度分量与强度分量；第三计算模块，用于按照色调分量、饱和度分量与强度分量分别统计所述视觉失色图像集与视觉无失色图像集中所有图像各自分量对应的均值，并计算两个图像集之间对应分量的均值差；阈值生成模块，用于结合HSI彩色模型的几何关系并根据所述均值相差最大的分量为视觉失色的最大影响因素，生成预设的某类分量的阈值范围；采集模块，用于采集视频监控中待测的彩色图像；处理模块，用于将待测的所述彩色图像转换为HSI形式，并计算待测的彩色图像的色调分量、饱和度分量与强度分量；检测模块，用于根据预设的某类分量的阈值范围与待测的彩色图像对应同类别分量进行比较，判断待测的所述彩色图像是否为视觉失色图像。5.根据权利要求4所述的彩色图像视觉失色的检测系统，其特征在于，所述阈值生成模块包括：计算两个图像集各自对应色调分量、饱和度分量、强度分量之间的均值差，筛选最大的均值差所对应的分量为视觉失色的最大影响因素，将相关影响因素导入HSI彩色模型几何关系，根据该类分量分别在觉失色图像集与视觉无失色图像集的矩阵均值生成对应的阈值范围。6.根据权利要求4所述的彩色图像视觉失色的检测系统，其特征在于，所述检测模块包括：转换待测的所述彩色图像格式为HSI图像，选择与所述阈值范围同类的分量并比较待测的彩色图像分量是否在阈值范围内，当待测的所述彩色图像对应类型分量在阈值范围内时，则判定待测的彩色图像为视觉失色图像；当待测的所述彩色图像对应类型分量不在阈值范围内时，则判定待测的彩色图像为视觉无失色图像。7.一种彩色图像视觉失色的检测装置，其特征在于，所述装置包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行指令，所述一个或多个处理器执行所述执行指令使得电子设备执行如权利要求1～3任一项所述的彩色图像视觉失色的检测方法。

百度查询： 重庆瑞景信息科技有限公司 彩色图像视觉失色的检测方法、系统及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD