基于matlab的彩色圖像皮膚區(qū)域分割及人臉檢測-wenkub.com
2025-06-01 15:47 本頁面
【正文】 通過和同學(xué)們的相互交流，我得到了更大的鍛煉，對 matlab軟件的操作也 更加熟悉，相信這些都會為我以后的深造打下一個(gè)良好的基礎(chǔ)。通過老師的提示并在查閱了 Yang的那篇著名論文后終于對人的膚色聚類性有了了解，原理問題也就基本弄清楚了。從本次課設(shè)的結(jié)果看，我的目的達(dá)到了。on39。 %重構(gòu)法 imshow(s)。 %填孔處理 fe=imerode(s,ones(8,7))。 s=imclose(s,se)。 se=strel(39。使用形態(tài)學(xué)上的連續(xù)的開和閉運(yùn)算可以顯著的改善這種情況。形態(tài)學(xué)的理論基礎(chǔ)是集合論。 數(shù)學(xué) 形態(tài) 學(xué)(Mathematical Morphology)是分析幾何形狀和結(jié)構(gòu)的數(shù)學(xué)方法，它建立在集合代數(shù)的基礎(chǔ)上，是用集合論方法定量描述集合結(jié)構(gòu)的學(xué)科。在這里我選用的是固定閾值法，主要是從運(yùn)算速度上考慮的。 %每一點(diǎn)像素的膚色似然度除以最大膚色似然度所得到的值 ,作為該像素點(diǎn)的灰度值 ? 圖象二值化處理 目的是將皮膚區(qū)域和其他區(qū)域更好地區(qū)分開來。 ]。 cr=double(I(:,:,3))。 圖 33 原始圖像進(jìn)行濾波處理 并 轉(zhuǎn)換 到 YcbCr空間圖 ? 得到似然圖 根據(jù) (Cb,Cr)值通過式 ()找到該值所對應(yīng)的膚色似然度 ，并且得到整幅圖像的最大膚色似然度。 filtered_fB=imfilter(fB, f)。 %提取 R分量 燕山大學(xué)課程設(shè)計(jì)報(bào)告 第 9 頁 共 13 頁 fG=x(:,:,2)。（ 31） ????????? (32) 膚色分割步驟 ? 低通 濾波 為了減少圖像高頻噪聲的影響，先采用低通濾波器對圖象進(jìn)行處理。 我選取了 24幅不同膚色 、年齡和性別的人的彩色圖片，通過手工分割出臉部區(qū)域，然后進(jìn)行統(tǒng)計(jì)，他們在 YCbCr空間中的分布情況如 圖 31所示，這一柱狀圖表明不同人的膚色在 YcbCr空間中有良好的聚類特性。處理的方法就是采用前面已經(jīng)講到過的高斯模型。 而 在膚色模型的選取上，考慮到算法復(fù)雜度和檢測效果的因素，采用高斯膚色模型。當(dāng)然在實(shí)際用于膚色檢測中，可以直接利用公式 ()中的 )]()([ 1 mxCmx T ??? ?項(xiàng)進(jìn)行判決，以提高檢測速度。 統(tǒng)計(jì)分布滿足： 77? Cb? 127 () 燕山大學(xué)課程設(shè)計(jì)報(bào)告 第 6 頁 共 13 頁 并且滿足： 133? Cr? 173 () 不同人種的皮膚雖然相差很大，但在色度上的差異遠(yuǎn)遠(yuǎn)小于亮度上的差異，其實(shí)不同人的 膚色在色度上比較接近，但在亮度上的差異很大，在二維色度平面上，膚色的區(qū)域比較集中，可以用高斯分布描述。它由 YUV 色彩系統(tǒng)衍生而來， Cb=k1U,Cr=k2,其中 k1 、 k2 分別為壓縮系數(shù)，壓縮的目的是防止色差信號對亮度信號的 干擾及超過亮度信號的電平，也就是說 Cb 和 Cr 則是將 U和 V 做少量調(diào)整而得到的。這也正是 HSV 格式在彩色圖像處理和計(jì)算機(jī)視覺的研究中經(jīng)常被使用的原因。這種格式反映了人類觀察色彩的方式，比較好地反映了人對顏色的感受，同時(shí)也有利于圖像處理。故一般處理方法是將 RGB 空間轉(zhuǎn)換為其他的色彩空間，目的是降低分量之間的相關(guān)性，將亮度與反映色彩本質(zhì)特性 的色調(diào)信息分離。而且由于我的研究是面向人臉自動(dòng)識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。 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。 RGB 色系坐標(biāo)中三維空間的三個(gè)軸分別與紅、綠、藍(lán)三基色相對應(yīng)，原點(diǎn)對應(yīng)于黑色，離原點(diǎn)最遠(yuǎn)的頂點(diǎn)對應(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。 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，對應(yīng)于人類視覺的三基色即紅、綠、藍(lán)三個(gè)波段，是對人眼的光譜量化性質(zhì)的近似。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。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)。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
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號-1