RGB颜色空间及其应用研究
|
摘要
RGB颜色空间及其应用研究
本文初步探讨了RGB颜色空间所有颜色点转换为色度图上的颜色点的规律，按色差将所有颜色点聚类于黑蓝绿青红紫黄自8种颜色。同时，对色度图上的可见点按色度坐标剖分于这8种颜色，由此确定的剖分线与GB8416有重大区别，它适合作为RGB图像按颜色分割的一个实用标准。据此提出了色差聚类和色度剖分线2种分割彩色图像的方法。
对于彩色图像，如果按某颜色分割，那么，要增强该颜色所在波段的入射光线。对物体表面色来说，不同颜色表面的光谱反射率各不相同。彩色表面对可见光谱有较高的选择性，黑白系列的表面色对可见光谱的反射没有选择性。
对灰度直方图进行了有益的探索。(A) 给出了峰与谷的数学定义，它有别于连续函数极值的概念，也不同于用导数来定义峰与谷，而是根据给定的邻域直接比较离散数组值的大小。(B) 提出了自然段落的概念，利用它有效地简化了256个数比较结果的分类数目，有利于分类研究直方图。(C) n邻域第m点的方法可以方便地找出数组的少数几个关键点，这些关键点能较好地反映数组所示曲线的轮廓。惯穿于(A)、(B)、(C)中的思想是小波变换的多尺度思想，(A)中的邻域和(B)中的水平数就是尺度，在(C)中n就是尺度。随着邻域、水平数和n的不同，可以获得一系列不同尺度下的结果。用1个关键点来代表直方图所示曲线，当然不如用多个点的效果好，如果256个点都选为关键点，那么，关键点所绘曲线与直方图所示曲线就一模一样了。这就是逐步逼近的多尺度思想。
最后，把颜色分割的方法应用于洞庭湖水域的分割和车牌识别中，取得了较好的效果。
This paper primarily discussed the law of transforming all the color points in RGB color space into color points in chromaticity diagram. And grouped all the color points into eight color such as black, blue, green, cyan, red, purple, yellow and white according to color difference. At the same time, divided the visual points of chromaticity diagram by these eight colors in term of chromaticity coordinate, then the dividing line decided is much different from GB8416. It is more suited to regard as a practical criterion for color segmentation of RGB image.
To segment a color image by one color, it must enhance the incident light on the wave band of this color. As for the object's surface color, different color surface, different spectrum reflectance. The color surface has much more selectivity, while there isn't selectivity of visual spectrum for black and white surface color.
Made valuable questioning for density-histogram. (A) Gave mathematical definition of peak and dip, it's different from that defined by derivative and conception of extreme of continuous function as well, but compare the size of discrete array straightly based on the given horizontal value. (B) Brought forward conception of natural phrase and effectively reduced the classified numbers of 256 results by using it, so it's of be of it to histogram's classified study. (C) The method of the mth point in nth neighborhood can find and array's few key points, these key points will well reflect curve's peak and dip showed by the array. In (A), (B), (C), the multi-resolution of wavelet transformation is permeated for beginning to end. In (A) and (B), the horizontal Value is scale while n is scale in (C), when the horizontal value and n are different,a series of results of different scale will be ocguired.Of course,using a few of key points is preferable to using on key point,therefore,if the 256 points are selected,as
key point,then the curve showed by then is as same as curve showed by histogram.this is the multi-resolution idea of successive approximation.
Finally, applied the method of color segmentation to segmentation of Dongting-lake water area and recognition for vehicle license plates and obtained preferable effects.
本文初步探讨了RGB颜色空间所有颜色点转换为色度图上的颜色点的规律，按色差将所有颜色点聚类于黑蓝绿青红紫黄自8种颜色。同时，对色度图上的可见点按色度坐标剖分于这8种颜色，由此确定的剖分线与GB8416有重大区别，它适合作为RGB图像按颜色分割的一个实用标准。据此提出了色差聚类和色度剖分线2种分割彩色图像的方法。
对于彩色图像，如果按某颜色分割，那么，要增强该颜色所在波段的入射光线。对物体表面色来说，不同颜色表面的光谱反射率各不相同。彩色表面对可见光谱有较高的选择性，黑白系列的表面色对可见光谱的反射没有选择性。
对灰度直方图进行了有益的探索。(A) 给出了峰与谷的数学定义，它有别于连续函数极值的概念，也不同于用导数来定义峰与谷，而是根据给定的邻域直接比较离散数组值的大小。(B) 提出了自然段落的概念，利用它有效地简化了256个数比较结果的分类数目，有利于分类研究直方图。(C) n邻域第m点的方法可以方便地找出数组的少数几个关键点，这些关键点能较好地反映数组所示曲线的轮廓。惯穿于(A)、(B)、(C)中的思想是小波变换的多尺度思想，(A)中的邻域和(B)中的水平数就是尺度，在(C)中n就是尺度。随着邻域、水平数和n的不同，可以获得一系列不同尺度下的结果。用1个关键点来代表直方图所示曲线，当然不如用多个点的效果好，如果256个点都选为关键点，那么，关键点所绘曲线与直方图所示曲线就一模一样了。这就是逐步逼近的多尺度思想。
最后，把颜色分割的方法应用于洞庭湖水域的分割和车牌识别中，取得了较好的效果。
This paper primarily discussed the law of transforming all the color points in RGB color space into color points in chromaticity diagram. And grouped all the color points into eight color such as black, blue, green, cyan, red, purple, yellow and white according to color difference. At the same time, divided the visual points of chromaticity diagram by these eight colors in term of chromaticity coordinate, then the dividing line decided is much different from GB8416. It is more suited to regard as a practical criterion for color segmentation of RGB image.
To segment a color image by one color, it must enhance the incident light on the wave band of this color. As for the object's surface color, different color surface, different spectrum reflectance. The color surface has much more selectivity, while there isn't selectivity of visual spectrum for black and white surface color.
Made valuable questioning for density-histogram. (A) Gave mathematical definition of peak and dip, it's different from that defined by derivative and conception of extreme of continuous function as well, but compare the size of discrete array straightly based on the given horizontal value. (B) Brought forward conception of natural phrase and effectively reduced the classified numbers of 256 results by using it, so it's of be of it to histogram's classified study. (C) The method of the mth point in nth neighborhood can find and array's few key points, these key points will well reflect curve's peak and dip showed by the array. In (A), (B), (C), the multi-resolution of wavelet transformation is permeated for beginning to end. In (A) and (B), the horizontal Value is scale while n is scale in (C), when the horizontal value and n are different,a series of results of different scale will be ocguired.Of course,using a few of key points is preferable to using on key point,therefore,if the 256 points are selected,as
key point,then the curve showed by then is as same as curve showed by histogram.this is the multi-resolution idea of successive approximation.
Finally, applied the method of color segmentation to segmentation of Dongting-lake water area and recognition for vehicle license plates and obtained preferable effects.
引文
[1] 吴继宗，叶关荣．光辐射测量[M]．北京：机械工业出版社，1992．
[2] 郝允祥．陈遐举，张保洲．光度学[M]．北京：北京师范大学出版社，1988
[3] 章孝灿，黄智才，赵元洪．遥感数字图像处理[M]．杭州：浙江大学出版社，1997．168-184．
[4] 朱述龙，张占眭．遥感图像获取与分析[M]．北京：科学出版社，2000．135-138．
[5] 国家遥感中心．遥感文选[M]．北京：科学出版社，1981．
[6] 张永生．遥感图像信息系统[M]．北京：科学出版社，2000．
[7] 李冬田．地质遥感[M]．北京：水利电力出版社，1995．
[8] 许殿元．丁树柏．遥感图像信息处理[M]．北京：宇航出版社，1990．
[9] 张庸．遥感成像原理及图像特征[M]．北京：地质出版社，1994．
[10] [美]Ken Milburn 著，路晓村，李艳萍，徐小青．数字图像宝典[M]．北京：电子工业出版社，2001．
[11] 李启炎，叶建雄，何文欣．图像处理与图像制作[M]．上海：同济大学出版社，2000．
[12] 荆其诚，焦书兰，喻柏林，胡维生．色度学[M]．北京：科学出版社，1979．
[13] 李在清，喻伯林，焦书兰编译．颜色测量基础[C]．北京：技术标准出版社，1979．
[14] [德]海因维希著，张永辉译．色度学与彩色电视[M]．北京：中国电影出版社，1985．
[15] 章毓晋．图像工程 上册 图像处理和分析[M]．北京：清华大学出版社，1999．
[16] 章毓晋．图像工程 下册 图像理解与计算机视觉[M]．北京：清华大学出版社，2000．
[17] 荆仁杰，叶秀清，徐胜荣，陈存椿．计算机图像处理[M]．杭州：浙江大学出版社．1990．
[18] [美]K．R．Castleman著，朱志刚，林学，石定机．数字图像处理[M]．北京：PRENTICE HALL出版分司、电子工业出版社，1998．
[19] 王润生．图像理解[M]．长沙：国防科技大学出版社，1995．
[20] 李在铭．数字图像处理压缩与识别技术[M]．成都：电子科技大学出版社，2000．
[21] 边肇祺，张学工．模式识别[M]，北京：清华大学出版社，2000．
[22] 孙即祥．模式识别中的特征提取与计算机视觉不变量[M]．北京：国防工业出版社，2001．
[23] 湖南省志编纂委员会．湖南省志 第二卷 地理志 下册[M]．长沙：湖南人民出版社 1987．
[24] 湖南省国土委员会．湖南国土资源[M]．长沙：1985．内部资料．
[25] 清源计算机工作室．MATLAB6.0基础及应用[M]．北京：机械工业出版社，2001．
[26] 清源计算机工作室．MATLAB6.0高级应用—图形图像处理[M]．北京：机械工业出版社，2001．
[27] 王晓丹，吴崇明．基于MATLAB的系统分与设计—图像处理[M]．西安：西安电子科技大学出版社，2000．
[28] 张志涌．精通MATLAB5.3版[M]．北京：北京航空航天大学出版社，2001．
[29] 伯晓晨，李涛．MATLAB工具箱应用指南—信息工程篇[M]．北京：电子工业出版社，2000．
[30] 李涛，贸勇军．MATLAB工具箱应用指南—应用数学篇[M]．北京：电子工业出版社，2000．
[31] 胡昌华，张军波．基于MATLAB的系统分与设计—小波分析[M]．西安：西安电子科技大学出版社，1999．
[32] 杨福生．小波变换的工程分与应用[M]．北京：科学出版社，1999．
[33] 赵松年，熊小芸．子波变换和子波分析[M]．北京：电子工业出版社，1996．
[34] 刘伟铭．高速公路系统控制方法[M]．北京：人民交通出版社，1998．
[35] 戴青云，余英林．一种基于小波与形态学的车牌图像分割方法[J]．中国图像图形学报，2000．(5)：410-415．
[36] 王少杰，朱志刚，石定机，等．货运列车车型车号自动分割和识别算法[J]．模式识别与人工智能，1998，(5)：328-334．
[37] 张西宁，郑南宁．汽车牌照自动识别中的目标与背景的快速分割[J]，信息与控制，1988，(2)，27-31．
[38] 张谷川，陈忠良．超高车辆检测及电车识别系统[J]，仪器仪表学，1998，19(5)：515-518．
[39] 李宏贵，罗正发，李国桢，李兴国．一种基于小波特征的红外图像识别方法[J]，模式识别与人工智能，2000，(3) 106-110．
[40] 刘宏兵，杨万海，马剑虹．图像小波边缘提取中阈值选取的一种自适应方法[J]，西安电子科技大学学报(自然科学版)，2000，27(3)：294-297
[41] 林敏，叶关荣．棉花色泽仪的研制[J]，仪器仪表学报，1998，19(4)：438-440．
[42] 魏兴昌，梁昌洪．用周期小波换变快速求解电磁散射问题[J]，西安电子科技大学学报(自然科学版) 2000，(4)：248-251．
[43] 付彪，吴先良，李世雄．小波变换法求电磁波动方程的高频解[J]，安徽大学学报(自然科学版)，1999，23(3)：58-64．
[44] 叶学松，陈裕泉，吕维雪，陈君柱，等．基于心音小波分析的冠状动脉疾病无损检测的研究[J]，浙江大学学报(自然科学版)，1999，33(1)：47-51．
[45] 杨云雁，李世雄．一维有耗散波动方程的奇性分析和小波[J]，地球物理学报，1999，42(1)：94-101．
[46] 裴正林，余钦范．基于小波变换和BP神经网络的地震波初至拾取方法[J]，勘察科学技术，1999，(4)：61-64．
[47] 黄捍东，胡光岷，贺振华，黄德济．利用多尺度边缘检测研究碳酸盐岩裂缝分布[J]，物探化探计算技术，2000，22(1)：21-25．
[48] 赵静，侯伯亨．基于小波变换说话人识别技术的研究[J]，西安电子科技大学学报(自然科学版)，2000，27(4)：437-441．
[49] 范留明，黄润秋，吉随旺．地震动信号的小波分析[J]，物探化探计算技术，2000，22(1)：1-4．
[50] 戴悟僧．小波变换的频响应特性及其在语音去噪中的应用[J]．数据采集与处理，2000，15(1)：12-17．
[51] 王嘉，余松煜．一种改进的基于零树集合的小波图像压缩算法[J]，数据采集与处理，2000，15(1)：18-22．
[52] 代俊光，陈光祚．一种奇异信号测量中的小波分析方法[J]，电子测量与仪器学报，2000．14(1)：13-16．
[53] 李文哲，张飒飒．颜色光学在遥感技术中的应用[J]，山东师大学报：自科版．1999，14(3)．282-285．
[54] 温令平．令仃洋悬浮泥沙遥感定量分析，水运工程[J]．2001，(9)．9-13，17
[55] 施晶晶．中巴资源一号卫星湖泊信息提取—以南京景为例，湖泊科学
[J]．2001，13(3)．280-284．
[56] 张鹰．水深遥感方法研究，河海大学学报[J]．1998，26(6)．68-72．
[57] 柯长青．基于地图与遥感信息的大纵湖近期水域变化研究，海洋湖沼通报[J]．2001，(2)．16-22．
[58] 赵键，李勇，廉保旺，赵乃煌，等．一种基于小波变换的图像压缩方法[J]，数据采集与处理，2000，15(2)：167-169．
[59] 邹采荣，连乃祥，高西奇，何振亚．基于区域联合编码的小波图像压缩方法[J]，数据采集与处理，2000，15(2)：162-167．
[60] 伯晓晨．刘建平．基于颜色直方图的图象检索中国图象图形学报．1999，4(1)．33-37．
[61] 贾根莲．基于八叉树的颜色减少方法内蒙古大学学报：自科版[J]．1998，29(3)．299-300．
[62] 李为，林雪梅．基于均匀颜色知觉空间的多光谱图像彩色合成，光学技术[J]．1997，(1)．10-12．
[63] 杨朝霞．图像处理中RGB与HLS之间的转换，现代计算机[J]．1998，(7)．38-40．
[64] 贾克斌，周俊林，应用颜色矢量分析法快速识别多种不同颜色目标，电子测量与仪器学报[J]．1998，12(4)．1-6．
[65] 周宏文，李见为．基于统计模式识别的彩色图象分割方法[J]．光电工程．1999，26(5)．53-57．
[66] 金韬，任秀丽．图像检索中颜色特征的提取与匹配，计算机辅助设计与图形学学报[J]．2000，12(6)．459-462．
[67] 彭明生，莫玉龙．一种基于模糊熵和遗传算法的图像分割方法，上海大学学报：自科版[J]．1999，5(6)．481-485．
[68] 刘凯，黄峰等．台风卫星云图分割方法研究，微机发展[J]．2001，11(1)．54-55．
[69] 刘相滨，向坚持．基于相交颜色直方图的图像检索算法，计算机与现代化[J]．2001，(4)．19-22．
[70] 公安部技术监督委员会办公室 编．社会公共安全标准汇编(道路交通管理1)[M]．北京：中国标准出版社，1997．
[71] 国家技术监督局．中华人民共和国国家标准 量和单位 GB3100-3102-93 北京：中国标准出版社，1994．
[72] GB7921-85，均匀色空间和色差公式[S]．
[73] GB15608-1995，中国颜色体系[S]
[74] G83979-83，物体色的测量方法[S]．
[75] G83977-83，颜色的表示方法[S]．
[76] G88416-87，视觉信号表面色[S]．
[77] GB8417-87，灯光信号颜色[S]．
[78] GB11186.1-89，涂膜颜色的测量方法 第一部分 原理[S]．
[79] GB11186.2-89，涂膜颜色的测量方法 第二部分 颜色测量[S]．
[80] GB11186.3-89，涂膜颜色的测量方法 第三部分 色差计算[S]．
[81] GB15741-1995，汽车和挂车号牌板(架)及其位置[S]．
[82] Castlman K. R. Digital Image Processing. Prentice-Hall. 1996.
[83] Kanade T, Okutomi M. A stereo matching algorithm with an adaptive window: theory and experiment. IEEE PAMI-16(9):920-932. 1994.
[84] Takashi M. A survey of image processing and computer vision softwsre systems onworkstaions. IAPR/TC5, 1-35. 1992.
[85] T. Willliams. Image understanding tools. Proc. ICPR, pp606-610, 190
[86] Rosenfeld A. Image analysis and computer vision. CVIU, 62:90-143. 1995.
[87] J. Mundy, et. al. The image understanding environment programs. Proc. IUW, pp185-214, 1992.
[88] Daubechies I. The wavelet transform, time-frequency localization and signal analysis. IEEE IT-36(5):961-1005. 1990.
[89] AloimonosY, etal. Special, IssuronPurposive, Qualitative, Active Vision. CVGIP-IU, 56(1):1_129. 1992.
[90] C. Weems, E. Risemman, A. Hanson and Arosenfeld. The DARPA image understanding benchmark for parallel computers. J. Parallel and Distribued Computing(JPDC) 11. pp163-169, 1991.
[91] J. Mundy. et. al. The RADIUS common development environment. Proc. SPIE 1623 pp50-64. 1992.
[92] Haralick R M. Performance characterization in computer vision, CVGIPIU. 60:245-249. 1994.
[93] Said A, Pearlman W A. An image multi-resolution representation for lossless and lossy image compression. IEEE IP-5: 1303-1310. 1996.
[94] Pal N R, pal S K. Areview on image segmenttaion techniques. PR. 26: 1377-1294. 1993.
[95] Zhang Y J. Two new concepts for N16 space. IEEE SP1-6(9):221-223. 1999.
[96] Bhanu B, Poggio T. Special section on learning in computer vision. IEEE PAMI-16(9):865-919. 1994.
[97] Borgefors G. Distance transformations in digital images. CVGIP. 34:344-371. 1986.
[98] Bouzouane A, et al. A multiagent model for artificial integrated vision. Proc. Vision Interface95, 45-52. 1995.
[99] Crevier D, Lepage R. Knowledge-based image underatanding systems: a survey. CVIU, 67(2):161-185. 1997.
[100] Finkel L H, Sajda P. Constructing visual perception American Scientist. 82(3): 224-237. 1994.
[101] Furht B, Smoliar S W, Zhang Y J. Video and image processing in multimedia systems. Kluwer Acadeimc Publlishers, 226-270. 1995.
[102] GaoY Y, Zhang Y J. Object classification using mixed color feature. Proc. ICASSP2000, 4:2003-2006. 2000.
[103] Gonzalez R C, Woods R E. Digital Image processing. 3rd. Addison-Wesley, 1992.
[104] He Y, Zhang Y J. An Analytical Study of fhe Effect of Noise on the Performance of Differential Edge Operators> Proc 2ICSP, 2:1314-1317. 1993.
[105] Huang T, Stucki P, et al. Special Section on 3-D Modeling in Image Analysis and Synthesis. IEEE PAMI-15(6):529-616. 1993.
[106] G Z, Cao X P. A subpixel edge detector using expectation of first-order derivatives. SPIE, 1657-:415-425. 1992.
[107] Jacobs C E, et al. Fast multiresolutiom image querying. Proc. SIGGAPH95, 277-286. 1995.
[108] Jain A K, Vailya A. Image retrieval using color and shape. PR, 29(8):1233-
1244. 1996.
[109] Jain A K, Dorai C. Practicing Vision: integration, evaluatiou and applications. PR, 30(2): 183-196. 1997.
[110] Jensen K, Anastassiou D. Subpixel edge localization and th interpolation of still images. IEEE IP-4:285-295. 1995.
[111] Kanade T, Okutomi M. A stereo matching algorithm with an adaptive window: theory and experiment. Proc. ICRA, 1088-1095. 1991.
[112] Kanade K, Yoshida A, Oda K, et al. A stereo machine for video-rate dense depth mapping and its new appplications. Proc. 15 CVPR, 196-202. 1996.
[113] Lee H J, Lei W L. Region matching and depth finding for 3_D objects in stereo aerial photographs. PR, 23(1):81-94. 1990.
[114] Lew M S, Huang T S, Wong K. Learning and feature selection in stero matching. IEEE PAMI-16(9):869-881. 1994
[115] Mahdavieh Y, Gonzalez R C. Advances in Image Analysis. SPIE Press. 1992.
[116] Maitre H, Luo W. Using models to improve stereo reconstuction. IEEEPAMI- 149(2): 269-277. 1992.
[117] Mallat S, Hwang W L. Singularty detection and processing with wavelets, IEEE IT-38(2):617-643. 1992.
[118] Marchand S, Sharaiha Y M. discrete convexity, straightness, and the 16-neighborhood, CVIU, 66(3): 316-329. 1997.
[119] Mehtre B M, Kankanhalli M S, Lee W F. Shape measures for content based image retrieval: acomparison. Information Processing&Management, 33(3):319-337. 1997.
[120] Mehtre B M, Kankanhalli M S, Lee W F. Content-based image retrieval using a composite color-shape approach. In formation Processing&Managemen t, 34(1): 109-120. 1998.
[121] Niblack W, Barber R, Equitz W, et al. The QBIC project:querying images by content using color, texture, aud shape. SPIE, 1908: 173-187. 1993.
[122] Niblack W, et al. Updates to the QBIE system. SPIE, 3312:150-161. 1997.
[123] Okutomi M, Kanade T. A locally adaptivc window for signal matching. IJCV, 7(2): 143-162. 1992,
[124] Ortega M, et al. Supporting similarity queries in MARS, Proc. ACM Multimedia, 403-413. 1997.
[125] Perry T S. Bio-mechanically engineered athletes. IEEE Spectrum. (4):43-44. 1990.
[126] Pizlo Z. Rosenfeld A. Recognition of planar shapes from perspective images using contour-based invariants CVGIP:Image Understanding, 56(3):330-350. 1992.
[127] Rosenfeld A. Image analysis and computer vision: 1994. CVIU, 62:90-143. 1995.
[128] Said A. Pearlman W A. An image multi-resolution representation for lossless and lossy image compression. IEEE IP-5: 1303-1310. 1996.
[129] Scassellati B, et al. Retrieving images by 2D shape: acmparison of computation methods with human perceptual judgmebts. SPIE, 2185:2-14. 1994.
[130] Swain M J, Ballard D H. Color indexing. IJCV. 7:11-32. 1991.
[131] Watanabe M, Ohta Y. Operative integation of multiple stereo algorifhm. Proc, 3ICCV, 363-379. 1990.
[132] Young I T, Gerbrands J J, Vliet L J. Fundamental of Image Processing. Delft University of Technology. 1995.
[133] Yu H F, Zen Hwang R L, et al. Color spaces conversion of image between the input and output devices by means of artificial neural network. Proc. 1ICIG, 50-53. 2000.
[134] Zhang Y J, Liu Z W, He Y. Comparison and impovement of color-based image retrieval techniques>SPIE 3312:371-382. 1998.
[135] Zhang Y J, Luo H B. Hierarchical video organization based on compact representation of video units. Proc. VLBV99, 67-70. 1999.
[136] Zhao W Y, Nandbakumar N. Effects of camera alignment errors onstereoscopic depth estimates. PR, 29(12):2115-2126. 1996.
[137] Zhang Y J, Yao Y R, He, Y. Color image segmentation based on HIS model. High technology Letters, 4(1):28-31. 1998.
[138] Zhang Y J, Li Q, Ge J H. A computerassisted instruction courseware for 'Image Processing and Analysis'. Proc. ICCE99, 2:317-374. 1999.
[139] Zimmer Y, Tepper R, Akselrod S. Animproved method to compute the convex hullof a shape in a binary image. PR, 30:397-402. 1997.
[2] 郝允祥．陈遐举，张保洲．光度学[M]．北京：北京师范大学出版社，1988
[3] 章孝灿，黄智才，赵元洪．遥感数字图像处理[M]．杭州：浙江大学出版社，1997．168-184．
[4] 朱述龙，张占眭．遥感图像获取与分析[M]．北京：科学出版社，2000．135-138．
[5] 国家遥感中心．遥感文选[M]．北京：科学出版社，1981．
[6] 张永生．遥感图像信息系统[M]．北京：科学出版社，2000．
[7] 李冬田．地质遥感[M]．北京：水利电力出版社，1995．
[8] 许殿元．丁树柏．遥感图像信息处理[M]．北京：宇航出版社，1990．
[9] 张庸．遥感成像原理及图像特征[M]．北京：地质出版社，1994．
[10] [美]Ken Milburn 著，路晓村，李艳萍，徐小青．数字图像宝典[M]．北京：电子工业出版社，2001．
[11] 李启炎，叶建雄，何文欣．图像处理与图像制作[M]．上海：同济大学出版社，2000．
[12] 荆其诚，焦书兰，喻柏林，胡维生．色度学[M]．北京：科学出版社，1979．
[13] 李在清，喻伯林，焦书兰编译．颜色测量基础[C]．北京：技术标准出版社，1979．
[14] [德]海因维希著，张永辉译．色度学与彩色电视[M]．北京：中国电影出版社，1985．
[15] 章毓晋．图像工程 上册 图像处理和分析[M]．北京：清华大学出版社，1999．
[16] 章毓晋．图像工程 下册 图像理解与计算机视觉[M]．北京：清华大学出版社，2000．
[17] 荆仁杰，叶秀清，徐胜荣，陈存椿．计算机图像处理[M]．杭州：浙江大学出版社．1990．
[18] [美]K．R．Castleman著，朱志刚，林学，石定机．数字图像处理[M]．北京：PRENTICE HALL出版分司、电子工业出版社，1998．
[19] 王润生．图像理解[M]．长沙：国防科技大学出版社，1995．
[20] 李在铭．数字图像处理压缩与识别技术[M]．成都：电子科技大学出版社，2000．
[21] 边肇祺，张学工．模式识别[M]，北京：清华大学出版社，2000．
[22] 孙即祥．模式识别中的特征提取与计算机视觉不变量[M]．北京：国防工业出版社，2001．
[23] 湖南省志编纂委员会．湖南省志 第二卷 地理志 下册[M]．长沙：湖南人民出版社 1987．
[24] 湖南省国土委员会．湖南国土资源[M]．长沙：1985．内部资料．
[25] 清源计算机工作室．MATLAB6.0基础及应用[M]．北京：机械工业出版社，2001．
[26] 清源计算机工作室．MATLAB6.0高级应用—图形图像处理[M]．北京：机械工业出版社，2001．
[27] 王晓丹，吴崇明．基于MATLAB的系统分与设计—图像处理[M]．西安：西安电子科技大学出版社，2000．
[28] 张志涌．精通MATLAB5.3版[M]．北京：北京航空航天大学出版社，2001．
[29] 伯晓晨，李涛．MATLAB工具箱应用指南—信息工程篇[M]．北京：电子工业出版社，2000．
[30] 李涛，贸勇军．MATLAB工具箱应用指南—应用数学篇[M]．北京：电子工业出版社，2000．
[31] 胡昌华，张军波．基于MATLAB的系统分与设计—小波分析[M]．西安：西安电子科技大学出版社，1999．
[32] 杨福生．小波变换的工程分与应用[M]．北京：科学出版社，1999．
[33] 赵松年，熊小芸．子波变换和子波分析[M]．北京：电子工业出版社，1996．
[34] 刘伟铭．高速公路系统控制方法[M]．北京：人民交通出版社，1998．
[35] 戴青云，余英林．一种基于小波与形态学的车牌图像分割方法[J]．中国图像图形学报，2000．(5)：410-415．
[36] 王少杰，朱志刚，石定机，等．货运列车车型车号自动分割和识别算法[J]．模式识别与人工智能，1998，(5)：328-334．
[37] 张西宁，郑南宁．汽车牌照自动识别中的目标与背景的快速分割[J]，信息与控制，1988，(2)，27-31．
[38] 张谷川，陈忠良．超高车辆检测及电车识别系统[J]，仪器仪表学，1998，19(5)：515-518．
[39] 李宏贵，罗正发，李国桢，李兴国．一种基于小波特征的红外图像识别方法[J]，模式识别与人工智能，2000，(3) 106-110．
[40] 刘宏兵，杨万海，马剑虹．图像小波边缘提取中阈值选取的一种自适应方法[J]，西安电子科技大学学报(自然科学版)，2000，27(3)：294-297
[41] 林敏，叶关荣．棉花色泽仪的研制[J]，仪器仪表学报，1998，19(4)：438-440．
[42] 魏兴昌，梁昌洪．用周期小波换变快速求解电磁散射问题[J]，西安电子科技大学学报(自然科学版) 2000，(4)：248-251．
[43] 付彪，吴先良，李世雄．小波变换法求电磁波动方程的高频解[J]，安徽大学学报(自然科学版)，1999，23(3)：58-64．
[44] 叶学松，陈裕泉，吕维雪，陈君柱，等．基于心音小波分析的冠状动脉疾病无损检测的研究[J]，浙江大学学报(自然科学版)，1999，33(1)：47-51．
[45] 杨云雁，李世雄．一维有耗散波动方程的奇性分析和小波[J]，地球物理学报，1999，42(1)：94-101．
[46] 裴正林，余钦范．基于小波变换和BP神经网络的地震波初至拾取方法[J]，勘察科学技术，1999，(4)：61-64．
[47] 黄捍东，胡光岷，贺振华，黄德济．利用多尺度边缘检测研究碳酸盐岩裂缝分布[J]，物探化探计算技术，2000，22(1)：21-25．
[48] 赵静，侯伯亨．基于小波变换说话人识别技术的研究[J]，西安电子科技大学学报(自然科学版)，2000，27(4)：437-441．
[49] 范留明，黄润秋，吉随旺．地震动信号的小波分析[J]，物探化探计算技术，2000，22(1)：1-4．
[50] 戴悟僧．小波变换的频响应特性及其在语音去噪中的应用[J]．数据采集与处理，2000，15(1)：12-17．
[51] 王嘉，余松煜．一种改进的基于零树集合的小波图像压缩算法[J]，数据采集与处理，2000，15(1)：18-22．
[52] 代俊光，陈光祚．一种奇异信号测量中的小波分析方法[J]，电子测量与仪器学报，2000．14(1)：13-16．
[53] 李文哲，张飒飒．颜色光学在遥感技术中的应用[J]，山东师大学报：自科版．1999，14(3)．282-285．
[54] 温令平．令仃洋悬浮泥沙遥感定量分析，水运工程[J]．2001，(9)．9-13，17
[55] 施晶晶．中巴资源一号卫星湖泊信息提取—以南京景为例，湖泊科学
[J]．2001，13(3)．280-284．
[56] 张鹰．水深遥感方法研究，河海大学学报[J]．1998，26(6)．68-72．
[57] 柯长青．基于地图与遥感信息的大纵湖近期水域变化研究，海洋湖沼通报[J]．2001，(2)．16-22．
[58] 赵键，李勇，廉保旺，赵乃煌，等．一种基于小波变换的图像压缩方法[J]，数据采集与处理，2000，15(2)：167-169．
[59] 邹采荣，连乃祥，高西奇，何振亚．基于区域联合编码的小波图像压缩方法[J]，数据采集与处理，2000，15(2)：162-167．
[60] 伯晓晨．刘建平．基于颜色直方图的图象检索中国图象图形学报．1999，4(1)．33-37．
[61] 贾根莲．基于八叉树的颜色减少方法内蒙古大学学报：自科版[J]．1998，29(3)．299-300．
[62] 李为，林雪梅．基于均匀颜色知觉空间的多光谱图像彩色合成，光学技术[J]．1997，(1)．10-12．
[63] 杨朝霞．图像处理中RGB与HLS之间的转换，现代计算机[J]．1998，(7)．38-40．
[64] 贾克斌，周俊林，应用颜色矢量分析法快速识别多种不同颜色目标，电子测量与仪器学报[J]．1998，12(4)．1-6．
[65] 周宏文，李见为．基于统计模式识别的彩色图象分割方法[J]．光电工程．1999，26(5)．53-57．
[66] 金韬，任秀丽．图像检索中颜色特征的提取与匹配，计算机辅助设计与图形学学报[J]．2000，12(6)．459-462．
[67] 彭明生，莫玉龙．一种基于模糊熵和遗传算法的图像分割方法，上海大学学报：自科版[J]．1999，5(6)．481-485．
[68] 刘凯，黄峰等．台风卫星云图分割方法研究，微机发展[J]．2001，11(1)．54-55．
[69] 刘相滨，向坚持．基于相交颜色直方图的图像检索算法，计算机与现代化[J]．2001，(4)．19-22．
[70] 公安部技术监督委员会办公室 编．社会公共安全标准汇编(道路交通管理1)[M]．北京：中国标准出版社，1997．
[71] 国家技术监督局．中华人民共和国国家标准 量和单位 GB3100-3102-93 北京：中国标准出版社，1994．
[72] GB7921-85，均匀色空间和色差公式[S]．
[73] GB15608-1995，中国颜色体系[S]
[74] G83979-83，物体色的测量方法[S]．
[75] G83977-83，颜色的表示方法[S]．
[76] G88416-87，视觉信号表面色[S]．
[77] GB8417-87，灯光信号颜色[S]．
[78] GB11186.1-89，涂膜颜色的测量方法 第一部分 原理[S]．
[79] GB11186.2-89，涂膜颜色的测量方法 第二部分 颜色测量[S]．
[80] GB11186.3-89，涂膜颜色的测量方法 第三部分 色差计算[S]．
[81] GB15741-1995，汽车和挂车号牌板(架)及其位置[S]．
[82] Castlman K. R. Digital Image Processing. Prentice-Hall. 1996.
[83] Kanade T, Okutomi M. A stereo matching algorithm with an adaptive window: theory and experiment. IEEE PAMI-16(9):920-932. 1994.
[84] Takashi M. A survey of image processing and computer vision softwsre systems onworkstaions. IAPR/TC5, 1-35. 1992.
[85] T. Willliams. Image understanding tools. Proc. ICPR, pp606-610, 190
[86] Rosenfeld A. Image analysis and computer vision. CVIU, 62:90-143. 1995.
[87] J. Mundy, et. al. The image understanding environment programs. Proc. IUW, pp185-214, 1992.
[88] Daubechies I. The wavelet transform, time-frequency localization and signal analysis. IEEE IT-36(5):961-1005. 1990.
[89] AloimonosY, etal. Special, IssuronPurposive, Qualitative, Active Vision. CVGIP-IU, 56(1):1_129. 1992.
[90] C. Weems, E. Risemman, A. Hanson and Arosenfeld. The DARPA image understanding benchmark for parallel computers. J. Parallel and Distribued Computing(JPDC) 11. pp163-169, 1991.
[91] J. Mundy. et. al. The RADIUS common development environment. Proc. SPIE 1623 pp50-64. 1992.
[92] Haralick R M. Performance characterization in computer vision, CVGIPIU. 60:245-249. 1994.
[93] Said A, Pearlman W A. An image multi-resolution representation for lossless and lossy image compression. IEEE IP-5: 1303-1310. 1996.
[94] Pal N R, pal S K. Areview on image segmenttaion techniques. PR. 26: 1377-1294. 1993.
[95] Zhang Y J. Two new concepts for N16 space. IEEE SP1-6(9):221-223. 1999.
[96] Bhanu B, Poggio T. Special section on learning in computer vision. IEEE PAMI-16(9):865-919. 1994.
[97] Borgefors G. Distance transformations in digital images. CVGIP. 34:344-371. 1986.
[98] Bouzouane A, et al. A multiagent model for artificial integrated vision. Proc. Vision Interface95, 45-52. 1995.
[99] Crevier D, Lepage R. Knowledge-based image underatanding systems: a survey. CVIU, 67(2):161-185. 1997.
[100] Finkel L H, Sajda P. Constructing visual perception American Scientist. 82(3): 224-237. 1994.
[101] Furht B, Smoliar S W, Zhang Y J. Video and image processing in multimedia systems. Kluwer Acadeimc Publlishers, 226-270. 1995.
[102] GaoY Y, Zhang Y J. Object classification using mixed color feature. Proc. ICASSP2000, 4:2003-2006. 2000.
[103] Gonzalez R C, Woods R E. Digital Image processing. 3rd. Addison-Wesley, 1992.
[104] He Y, Zhang Y J. An Analytical Study of fhe Effect of Noise on the Performance of Differential Edge Operators> Proc 2ICSP, 2:1314-1317. 1993.
[105] Huang T, Stucki P, et al. Special Section on 3-D Modeling in Image Analysis and Synthesis. IEEE PAMI-15(6):529-616. 1993.
[106] G Z, Cao X P. A subpixel edge detector using expectation of first-order derivatives. SPIE, 1657-:415-425. 1992.
[107] Jacobs C E, et al. Fast multiresolutiom image querying. Proc. SIGGAPH95, 277-286. 1995.
[108] Jain A K, Vailya A. Image retrieval using color and shape. PR, 29(8):1233-
1244. 1996.
[109] Jain A K, Dorai C. Practicing Vision: integration, evaluatiou and applications. PR, 30(2): 183-196. 1997.
[110] Jensen K, Anastassiou D. Subpixel edge localization and th interpolation of still images. IEEE IP-4:285-295. 1995.
[111] Kanade T, Okutomi M. A stereo matching algorithm with an adaptive window: theory and experiment. Proc. ICRA, 1088-1095. 1991.
[112] Kanade K, Yoshida A, Oda K, et al. A stereo machine for video-rate dense depth mapping and its new appplications. Proc. 15 CVPR, 196-202. 1996.
[113] Lee H J, Lei W L. Region matching and depth finding for 3_D objects in stereo aerial photographs. PR, 23(1):81-94. 1990.
[114] Lew M S, Huang T S, Wong K. Learning and feature selection in stero matching. IEEE PAMI-16(9):869-881. 1994
[115] Mahdavieh Y, Gonzalez R C. Advances in Image Analysis. SPIE Press. 1992.
[116] Maitre H, Luo W. Using models to improve stereo reconstuction. IEEEPAMI- 149(2): 269-277. 1992.
[117] Mallat S, Hwang W L. Singularty detection and processing with wavelets, IEEE IT-38(2):617-643. 1992.
[118] Marchand S, Sharaiha Y M. discrete convexity, straightness, and the 16-neighborhood, CVIU, 66(3): 316-329. 1997.
[119] Mehtre B M, Kankanhalli M S, Lee W F. Shape measures for content based image retrieval: acomparison. Information Processing&Management, 33(3):319-337. 1997.
[120] Mehtre B M, Kankanhalli M S, Lee W F. Content-based image retrieval using a composite color-shape approach. In formation Processing&Managemen t, 34(1): 109-120. 1998.
[121] Niblack W, Barber R, Equitz W, et al. The QBIC project:querying images by content using color, texture, aud shape. SPIE, 1908: 173-187. 1993.
[122] Niblack W, et al. Updates to the QBIE system. SPIE, 3312:150-161. 1997.
[123] Okutomi M, Kanade T. A locally adaptivc window for signal matching. IJCV, 7(2): 143-162. 1992,
[124] Ortega M, et al. Supporting similarity queries in MARS, Proc. ACM Multimedia, 403-413. 1997.
[125] Perry T S. Bio-mechanically engineered athletes. IEEE Spectrum. (4):43-44. 1990.
[126] Pizlo Z. Rosenfeld A. Recognition of planar shapes from perspective images using contour-based invariants CVGIP:Image Understanding, 56(3):330-350. 1992.
[127] Rosenfeld A. Image analysis and computer vision: 1994. CVIU, 62:90-143. 1995.
[128] Said A. Pearlman W A. An image multi-resolution representation for lossless and lossy image compression. IEEE IP-5: 1303-1310. 1996.
[129] Scassellati B, et al. Retrieving images by 2D shape: acmparison of computation methods with human perceptual judgmebts. SPIE, 2185:2-14. 1994.
[130] Swain M J, Ballard D H. Color indexing. IJCV. 7:11-32. 1991.
[131] Watanabe M, Ohta Y. Operative integation of multiple stereo algorifhm. Proc, 3ICCV, 363-379. 1990.
[132] Young I T, Gerbrands J J, Vliet L J. Fundamental of Image Processing. Delft University of Technology. 1995.
[133] Yu H F, Zen Hwang R L, et al. Color spaces conversion of image between the input and output devices by means of artificial neural network. Proc. 1ICIG, 50-53. 2000.
[134] Zhang Y J, Liu Z W, He Y. Comparison and impovement of color-based image retrieval techniques>SPIE 3312:371-382. 1998.
[135] Zhang Y J, Luo H B. Hierarchical video organization based on compact representation of video units. Proc. VLBV99, 67-70. 1999.
[136] Zhao W Y, Nandbakumar N. Effects of camera alignment errors onstereoscopic depth estimates. PR, 29(12):2115-2126. 1996.
[137] Zhang Y J, Yao Y R, He, Y. Color image segmentation based on HIS model. High technology Letters, 4(1):28-31. 1998.
[138] Zhang Y J, Li Q, Ge J H. A computerassisted instruction courseware for 'Image Processing and Analysis'. Proc. ICCE99, 2:317-374. 1999.
[139] Zimmer Y, Tepper R, Akselrod S. Animproved method to compute the convex hullof a shape in a binary image. PR, 30:397-402. 1997.