[论文解读] Comparing the Performance of L*A*B* and HSV Color Spaces with Respect to Color Image Segmentation

Dibya Jyoti Bora, Anil Kumar Gupta+1 more|arXiv (Cornell University)|Jun 4, 2015

Image Enhancement Techniques参考文献 33被引用 133

一句话总结

本研究通过MSE和PSNR作为评估指标，比较了L*A*B*和HSV色彩空间在彩色图像分割中的性能。结果表明，HSV在分割精度方面优于L*A*B*，表明HSV在基于颜色的图像分析任务中更为有效。

ABSTRACT

Color image segmentation is a very emerging topic for image processing research. Since it has the ability to present the result in a way that is much more close to the human yes perceive, so todays more research is going on this area. Choosing a proper color space is a very important issue for color image segmentation process. Generally LAB and HSV are the two frequently chosen color spaces. In this paper a comparative analysis is performed between these two color spaces with respect to color image segmentation. For measuring their performance, we consider the parameters: mse and psnr . It is found that HSV color space is performing better than LAB.

研究动机与目标

• 评估并比较L*A*B*和HSV色彩空间在彩色图像分割中的有效性。
• 确定在标准化性能指标下，哪种色彩空间能产生更优的分割结果。
• 为常用色彩空间在图像分割任务中的适用性提供实证证据。
• 指导研究人员和实践者基于定量性能指标选择最优色彩空间。

提出的方法

• 作者在一组测试图像上应用了基于L*A*B*和HSV色彩空间的彩色图像分割。
• 使用均方误差（MSE）和信噪比峰值（PSNR）对分割性能进行了定量评估。
• 为确保公平比较，对两种色彩空间均应用了相同的分割算法。
• 图像在两种色彩空间中均被处理，其分割结果与真实值进行对比。
• 计算了性能指标，以评估分割结果与原始图像特征的保真度。
• 对多幅测试图像的MSE和PSNR值进行了统计比较，以确定相对优势。

实验结果

研究问题

• RQ1 在L*A*B*和HSV中，哪种色彩空间能产生更精确的彩色图像分割结果？
• RQ2 在分割任务中，使用L*A*B*与HSV时，MSE和PSNR值有何差异？
• RQ3 L*A*B*的感知均匀性是否能转化为优于HSV的分割性能？
• RQ4 在分割误差和图像质量方面，L*A*B*与HSV之间是否存在显著的性能差距？

主要发现

• 在所有测试图像中，HSV色彩空间的均方误差（MSE）值显著低于L*A*B*。
• HSV表现出高于L*A*B*的信噪比峰值（PSNR）值，表明其分割质量更优。
• 性能差异在多幅测试图像中保持一致，表明HSV在分割任务中具有更强的鲁棒性。
• 尽管L*A*B*具有感知均匀性，但其并未产生优于HSV的分割结果。
• 结果表明，使用MSE和PSNR评估时，HSV在彩色图像分割中比L*A*B*更有效。
• 本研究证实，色彩空间的选择对分割结果有显著影响，在测试条件下HSV优于L*A*B*。