随着信息技术的发展,彩色图像的应用也更加广泛。与灰度图像相比,彩色图像携带了更多的可视化信息。彩色图像处理已成为一个重要的研究领域。由于彩色图像中颜色表示的复杂性,灰度图像的处理技术通常不能直接应用于彩色图像处理中,彩色图像处理能否成功的关键在于如何充分地利用颜色信息。 本文首先对颜色光学以及人眼颜色视觉特性进行了综述性研究。在此基础上,对目前所提出的主要的颜色空间进行了归类分析,并对各种颜色空间的转换关系进行了论述。 对于颜色之间的距离度量给予了新的定义。通过分析HSI与RGB颜色空间参数之间的数值关系,定义了颜色相似系数,判断彩色像素颜色之间相似性,从而提出了颜色相似性度量方法。该方法计算简单,易于实现。 提出了一种基于BP神经网络的彩色图像颜色分类方法。RGB颜色空间内的数值参数与基于人眼颜色视觉特性的颜色类别划分具有非线性的对应关系。BP神经网络具有高效的学习能力以及对人类认知系统的模仿能力,具有很强的非线性分类能力。基于BP神经网络作为分类器对提取的颜色特征矢量分类,采用特征矢量标准化以及模糊化预处理、最大隶属度输出等一系列措施,对RGB颜色空间内的颜色矢量进行分类。 提出了一种基于脉冲噪声检测的彩色图像选择性滤波方法。脉冲噪声在图像中是一种常见的噪声,对图像质量有较大影响。滤除脉冲噪声,对图像处理很重要。根据脉冲噪声的颜色特征,分别提出了脉冲噪声多颜色通道标量检测方法和基于颜色相似性的矢量检测方法。根据脉冲噪声的检测结果,采用改进的自适应中值滤波方法对脉冲噪声有选择地滤除,显著地提高了脉冲噪声的滤波性能。 图像分割是图像处理中的关键环节。由于彩色图像的颜色表示以及人眼颜色视觉特性的非线性,彩色图像分割具有比灰度图像分割更大的难度。基于所提出的颜色相似性度量方法,在颜色聚类中实现图像区域分割过程,从而提出了一种新的彩色图像区域分割方法,该方法简捷、有效,具有较好的实时性。 在彩色图像处理的基本理论方法基础上,以足球机器人视觉系统为研究对象,提出了一套基于颜色信息的彩色色标搜索与分割方法。其中,在假设颜色样本图像