基于matlab的彩色圖像皮膚區(qū)域分割及人臉檢測-文庫吧
2025-05-16 15:47 本頁面
【正文】 較 區(qū)域模型 該模型又稱 IFTHEN 模型、簡單門限模型，它主要是利用了膚色在色彩空間的聚類性 (即取值范圍 )，將一塊滿足一定條件的區(qū)域標(biāo)定為膚色區(qū)域。采用這個(gè)模型來判別膚色需要分兩步走 :首先通過統(tǒng)計(jì)的方法確定模型 (即歸屬于膚色的具體范圍 )。其次利用這個(gè)模型來判別新的像素或區(qū)域是否為膚色。因此，對(duì)于一幅新的圖像，如果某個(gè)像素或區(qū)域滿足給定的條件就為膚色，否則就是非膚色。從上面的判斷過程來看，它是一種較簡單的膚色模型。該模型的困難之處在于如何確定閾值。閾值選擇不當(dāng)可能會(huì)使膚色檢測率下降，誤檢率上升。此方法計(jì)算簡單，使用方便，速度快，但是效果不是很好，只適用于特定條件下的膚色檢測。 簡單高斯模型 這種方法是假設(shè)膚色分布服從單峰高斯分布。它主要通過統(tǒng)計(jì)分析，預(yù)測高斯分布的參數(shù)，其中參數(shù)確定常用的方法有 EM算法， MaximumLikelihood 或通過統(tǒng)計(jì)直接求得色彩空間中每個(gè)分量 (一般利用的是該色彩空間中的色度分量 )的均值與方差。采用這種方法也分為兩步 :首先選擇方法確定模型的參數(shù) (即均值和方差 )；其次利用該模型來判別新的像素或區(qū)域是否為膚色。簡單高斯模型相對(duì)區(qū)域模型能更好的表示膚色分布，因此相對(duì)而言，它的膚色檢測率也 高出許多，并且模型的參數(shù)也易于計(jì)算，但是速度比區(qū)域模型慢。 混合高斯模型 由于具有不同種族的膚色直方圖并不完全滿足單峰高斯分布，通過研究可以采用多峰的高斯分布來精確表示。因此，提出了混合高斯模型，如公式 所示 : 燕山大學(xué)課程設(shè)計(jì)報(bào)告 第 3 頁 共 13 頁 ??? mi ii wxpwpxp 1 )|()()( （ ） 其中， )(xp 為膚色像素在色彩空間中的混合概率密度，)|( iwxp 為分量的概率密度， )( iwp 為分量的先驗(yàn)概率， i=1, 2,...，m 為混合密度的分量個(gè)數(shù)。該模型表明膚色的每個(gè)像素密度都屬于概率密度的混合體。在這個(gè)模型中主要難點(diǎn)是對(duì)混合高斯模型的參數(shù)估計(jì)。其參數(shù)的估計(jì)常采用 Dempster 等人提出的基于極大似然的算法。利用該算法需要進(jìn)行迭代，而迭代的收斂速度受參數(shù)的初值影響，同時(shí)與分量密度個(gè)數(shù)關(guān)系很大，分量越多，運(yùn)算越復(fù)雜。這種方法相對(duì)于前面兩種模型來說，膚色的檢測率要高得多，誤檢率也要小得多，但是模型的確定 (即模型的參數(shù)估計(jì) )較難，速度較慢，不適合快速的膚色檢測。 直方圖模型 通過對(duì)膚色直方圖的統(tǒng)計(jì)，然 后利用閾值來進(jìn)行判別。對(duì)于三維直方圖，盡管效果很好，但是需要很多的訓(xùn)練樣本而且訓(xùn)練時(shí)間很長，這里不詳細(xì)討論這種方法。 常見色彩空間比較 RGB 空間 由于彩色圖像是多光譜圖像的一種特殊情況，對(duì)應(yīng)于人類視覺的三基色即紅、綠、藍(lán)三個(gè)波段，是對(duì)人眼的光譜量化性質(zhì)的近似。因此利用 R、 G、 B 三基色這三個(gè)分量來表征顏色是很自然的一種格式。而且多數(shù)的圖像采集設(shè)備都是以 CCD 技術(shù)為核心，直接感知色彩的 R、 G、 B 三個(gè)分量，這也使得三基色模型成為圖像成像、顯示、打印等設(shè)備的基礎(chǔ)，具有十分重要的作用。 RGB 色彩 空間用 R、 G、 B 三種基本顏色分量來表示數(shù)字圖像像素的顏色值。 RGB 色系坐標(biāo)中三維空間的三個(gè)軸分別與紅、綠、藍(lán)三基色相對(duì)應(yīng)，原點(diǎn)對(duì)應(yīng)于黑色，離原點(diǎn)最遠(yuǎn)的頂點(diǎn)對(duì)應(yīng)于白色，其他顏色落在三維空間中由紅、綠、藍(lán)三基色組成的彩色立方體中。其他的色彩空間常以 RGB 色彩空間為基礎(chǔ)，其分量可以燕山大學(xué)課程設(shè)計(jì)報(bào)告 第 4 頁 共 13 頁 描述為 RGB 三色的線性或非線性函數(shù)。 RGB 色彩空間通過色彩的相加來產(chǎn)生其他顏色，通常稱為加色合成法 (Additive Color Synthesis)。 一般來說， RGB 色彩空間由于 R, G, B 分量相關(guān)性強(qiáng)，不大容易直接建立膚色模型。 為了把膚色區(qū)域同非膚色區(qū)域分離，需要使用適合不同膚色和不同光照條件的可靠膚色模型。而對(duì)于RGB 色彩空間而言， R、 G、 B三個(gè)基色不僅代表顏色，還表示了亮度。由于周圍環(huán)境光照的改變引起亮度變化會(huì)使人臉檢測更復(fù)雜，在這樣的條件下，直接利用 RGB 空間聚類進(jìn)行膚色分割是不可靠的。雖然在 RGB 空間難于將膚色有效地聚成密集分布的一類，但人體膚色的特征色調(diào)在紅色區(qū)內(nèi)，這一特征表現(xiàn)在圖像中，就是膚色的 RGB 值符合： R G B 膚色的這一特征相當(dāng)穩(wěn)定，無論是人種的變化還是環(huán)境光照的變化，都不足以造成上式變?yōu)?GR 或 BG 膚色的聚類結(jié)果簡單而穩(wěn)定。而且由于我的研究是面向人臉自動(dòng)識(shí)別空間中的人臉檢測環(huán)節(jié)，人臉檢測空間的輸入圖像已經(jīng)過光線補(bǔ)償?shù)阮A(yù)處理，從另一方面避免了光照的影響。通過手工提取圖像中大量膚色像素進(jìn)行實(shí)驗(yàn)分析，發(fā)現(xiàn)結(jié)果與上式吻合。 RGB 色彩空間的這種膚色模
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1