基于matlab的彩色圖像皮膚區(qū)域分割算法研究及實現(xiàn)(已修改)
2025-07-09 18:34 本頁面
【正文】 通信工程系綜合實習報告題目： 基于MATLAB的彩色圖像皮膚區(qū)域分割算法研究與實現(xiàn)姓 名： 劉 奇 指導教師： 楊 敏 班 序 號： 11206213 學 號：20061002153成 績： 2009年9 月目 錄 第一章 引言 2第二章 算法理論與實現(xiàn)原理 3 3 3 區(qū)域模型 4 簡單高斯模型 4 混合高斯模型 5 直方圖模型 5 6 RGB 6 HSV 7 YCbCr 7第三章 系統(tǒng)設計 8 8 9 10 10 GUI設計步驟 11 系統(tǒng)功能描述 12第四章 系統(tǒng)調試 13 13 13 14 RGB到YCbCr空間轉換 14 14 14 14 14 調試難點 15 復雜背景下漏檢和錯檢 15 15 15第五章 實習總結 16參考文獻 16實習日志 16第一章 引言近年來,隨著人工智能的快速發(fā)展，人臉識別技術逐漸成為模式識別與計算機視覺領域的一個研究熱點，可用于身份認證、人員監(jiān)視、圖像數(shù)據(jù)庫檢索以及目標跟蹤等場合。人臉識別(Face Recognition)是將輸入的人臉圖像與系統(tǒng)已知人臉庫中的模型進行比較,以確定是否存在相匹配的人臉，而人臉檢測( Face Detection) 是指在輸入圖像中確定所存在的人臉的位置與大小，所以快速有效的人臉檢測則顯得至關重要，是實現(xiàn)人臉識別的前提和基礎。人臉檢測系統(tǒng)要求實現(xiàn)對輸入的可能包含人臉的圖像進行處理,并輸出圖像中是否存在人臉以及人臉的數(shù)目、位置、尺度、位姿等參數(shù)信息。傳統(tǒng)的人臉檢測方法大多是在亮度空間內進行,利用灰度的變化做多尺度空間的全搜索,計算量非常大、效率極低,而在人臉區(qū)域中,膚色一定是占主導地位的像素色彩值，雖然膚色因人而異,但經過研究可以發(fā)現(xiàn)膚色在色彩空間中的一定范圍內是呈聚類特性的,特別是在排除了光照亮度和在經過變換的色彩空間中，利用膚色這一特征可以排除掉在灰度圖像中的非皮膚區(qū)域，這對人臉檢測起到了積極的作用。本文主要探討了在彩色圖像皮膚區(qū)域中，采用分割算法以膚色作為人臉檢測核心的一種新方法和新思路。第二章 算法理論與實現(xiàn)原理膚色特征主要由膚色模型進行描述，而膚色模型的選取與色度空間(chrominance space)的選擇密切相關。人臉檢測常用的色度空間主要RGB(紅、綠、藍三基色)、rgb(亮度歸一化的三基色)、HSI(色調、飽和度、亮度)、YIQ(NTSC制的光亮度和色度模型)、YUV(PAL制的光亮度和色度模型)、YCbCr(CCIR601)編碼方式的色度模型、CIEL(國際照明委員會提出的基于色度學的彩色模型)等。另外，用膚色模型對膚色進行分割分為兩個階段:模型建立與模型運用。模型的建立主要是通過對大量膚色像素集進行統(tǒng)計分析，然后確定模型中的參數(shù)。對于模型的運用，主要是通過已建立的膚色模型來判別所輸入的像素或區(qū)域是否為膚色，或者給出其與膚色的相似程度。不論在什么樣的色彩空間中，膚色模型大體上分為四種:區(qū)域模型或IFTHEN模型、簡單高斯模型、混合高斯模型和直方圖模型。 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)域標定為膚色區(qū)域。采用這個模型來判別膚色需要分兩步走:首先通過統(tǒng)計的方法確定模型(即歸屬于膚色的具體范圍)。其次利用這個模型來判別新的像素或區(qū)域是否為膚色。因此，對于一幅新的圖像，如果某個像素或區(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。閾值選擇不當可能會使膚色檢測率下降，誤檢率上升。此方法計算簡單，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膚色分布服從單峰高斯分布。它主要通過統(tǒng)計分析，預測高斯分布的參數(shù)，其中參數(shù)確定常用的方法有EM算法，MaximumLikelihood或通過統(tǒng)計直接求得色彩空間中每個分量(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。簡單高斯模型相對區(qū)域模型能更好的表示膚色分布，因此相對而言，它的膚色
物理相關推薦
鄂ICP備17016276號-1