彩色图像肤色区域分割算法设计.docx

彩色图像肤色区域分割算法设计.docx

《彩色图像肤色区域分割算法设计.docx》由会员分享，可在线阅读，更多相关《彩色图像肤色区域分割算法设计.docx（33页珍藏版）》请在冰豆网上搜索。

彩色图像肤色区域分割算法设计

彩色图像肤色区域分割算法设计

中文摘要

人脸自动识别系统是目前计算机视觉领域的一个重要研究课题，而人脸自动识别系统中作为定位人脸的人脸检测是整个人脸识别系统正常及高效工作的基础。

由于人脸的非刚性，使人脸检测成为一个相当复杂的模式识别问题。

近年来，由于人脸检测在安全监视、基于内容的图像检索等领域的潜在应用价值，人脸检测已成为一个独立课题并受到众多研究人员的普遍重视。

肤色是人脸非常重要的一个特性。

研究表明:

尽管不同种族、不同年龄、不同性别的人肤色看上去不同,但这种不同主要集中在亮度上,在去除亮度的色度空间里,不同的肤色分布具有聚类性。

为了利用肤色在色度空间的聚类性,本文在多种色彩空间中选取YCbCr色彩空间进行肤色提取。

本文针对复杂背景下的彩色图像，提出了一种应用YCbCr颜色空间的色度分量，建立肤色分布模型，进行肤色区域的分割。

即针对每幅图像，可自动优选对应的阈值，完成肤色区域的分割。

通过大量数据实验证明，这种分割算法是有效和可靠的。

分割后得到的肤色区域和仅利用选定的不变阈值分割方法相比，更加准确。

实验结果表明，本算法是有效的，具有较高的检测性能。

关键词人脸检测，彩色空间，肤色模型，图像分割

TitleColorimagecolorregionsegmentationalgorithm

Abstract

Automaticrecognitionofhumanfacesisanimportantresearchareaofcomputervisionandimageunderstandinginrecentyears.Humanfacedetectionthatactsasonepartoftheautomatichumanfacerecognitionsystemandisresponsibleoflocatingthefacesistheprerequisiteforthewholesystemtoensureitworksnormallyandhighefficiently.Duetohumanface'svariability,humanfacedetectionbecomesarathercomplexissueofpatternrecognition.Recently,becauseofthepotentialvalueinmostareas,suchassecuritysurveillance,content-basedimageretrieval,etc,humanfacedetectionhasbecomeasingleresearchtopicandattractedbroadattentionofmoreandmoreresearchers.

Facialskincolorisaveryimportantfeature.Theresultsshowthat:

Althoughofdifferentraces,differentages,differentsexcolorlookdifferent,butthedifferenceismainlyconcentratedinthebrightness,thebrightnessofthecolorspaceintheremoval,thedifferentnatureofthecolordistributionofcluster.Inordertousecolorinthecolorspaceclustering,thispaperinavarietyofcolorspace,YCbCrcolorspace,selectthecolorextraction.

Inthispaper,colorimagesundercomplexbackground,aYCbCrcolorspace,colorapplicationcomponent,theestablishmentofskincolordistributionmodelforskincolorregionssegmentation.Thatforeachimage,automaticallyoptimalthresholdcorrespondingtocompletethecolorregionsegmentation.Largeamountsofdatathroughexperimentsshowthatthissegmentationalgorithmiseffectiveandreliable.Thecolorsegmentedbyregionandonlytheconstantuseoftheselectedthresholdingmethods,moreaccurate.

Experimentalresultsshowthatthealgorithmisfeasibleandeffective.

KeywordsHumanFaceDetection,ColorSpace,SkinColorModel,ImageSegmentation

目录

1．引言1

1.1课题的背景、目标和意义1

1.2课题的研究现状1

1.2.1阈值分割方法2

1.2.2边缘检测方法3

1.2.3区域提取方法4

1.2.4结合特定理论工具的分割方法5

1.3论文完成的任务6

2．彩色图像分割的基本理论8

2.1彩色图像的分割的应用8

2.2颜色模型9

2.2.1RGB模型9

2.2.2HSV颜色模型10

2.2.3YCbCr模型10

2.3颜色模型的选择11

2.3.1颜色模型的选择11

2.3.2基于YCbCr色彩系统下的肤色模型11

3．基于肤色的彩色图像分割15

3.1肤色特征分析15

3.2图像分割处理方法16

3.3彩色图像的肤色分割算法描述。

17

3.3.1彩色空间的选取18

3.3.2肤色模型的建立19

3.3.3图像的去噪20

3.3.4阈值动态获取算法22

4．实验结果24

4.1分割算法流程24

4.2分割算法性能分析24

5．结论26

参考文献27

附录29

1．引言

1.1课题的背景、目标和意义

近些年来，随着工农业、医学、军事等领域自动化和智能化需求的迅猛发展，对图像处理技术的要求也越来越高。

其中，对图像的自动识别与理解就是一项重要任务，而对图像进行分割来提取目标是其关键步骤之一，如果得不到合理的图像分割图，也就无法对图像进行正确的识别与理解。

图像分割（ImageSegmentation）就是按照一定的规则将一幅图像分成若干部分或子集的过程。

简单的说，就是把图像中的物体与背景或物体与物体分割开。

在有关图像分割技术的文献中，由于不同领域的侧重点不同，有时也以诸如边缘检测技术、阈值化技术、目标检测技术、目标轮廓技术等提法出现。

虽然近年来研究成果越来越多,但由于图像分割本身所具有的难度,使研究没有大的突破性的进展。

仍然存在的问题主要有两个:

其一是没有一种普遍使用的分割算法；其二是没有一个好的通用的分割评价标准。

从图像分割研究的历史来看,可以看到对图像分割的研究有几个明显的趋势:

一是对原有算法的不断改进；二是新方法、新概念的引入和多种方法的有效综合运用。

人们逐渐认识到现有的任何一种单独的图像分割算法都难以对一般图像取得令人满意的分割效果,因而很多人在把新方法和新概念不断的引入图像分割领域的同时,也更加重视把各种方法综合起来运用。

在新出现的分割方法中,基于小波变换的图像分割方法就是一种很好的方法。

三是交互式分割研究的深入.由于很多场合需要对目标图像进行边分割分析,例如对医学图像的分析,因此需要进行交互式分割研究。

事实证明,交互式分割技术有着广泛的应用。

四是对特殊图像分割的研究越来越得到重视。

目前有很多针对立体图像、彩色图像、多光谱图像以及多视场图像分割的研究,也有对运动图像及视频图像中目标分割的研究,还有对深度图像、纹理（Texture）图像、计算机断层扫描（CT）、磁共振图像、共聚焦激光扫描显微镜图像、合成孔雷达图像等特殊图像的分割技术的研究。

五是对图像分割评价的研究和对评价系数的研究越来越得到关注.相信随着研究的不断深入,存在的问题会很快得到圆满的解决。

1.2课题的研究现状

图像分割技术在科学领域中具有广泛的应用。

由于手工分割对操作者的依赖性强，既耗时费力又可能丢失大量有用信息，因此，研究计算机自动或半自动的图像分割方法是非常重要的。

另一方面，图像分割作为一种重要的图像处理技术，得到人们广泛的重视和研究，一直是图像科学研究中的热点和焦点之一。

然而，实践证明对图像进行有效的分割，特别是在复杂自然背景下分割目标，难度是很大的。

对图像分割理论与技术的进一步研究具有非常重要的意义。

图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，至今已提出上千种分割算法。

但因尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用分割算法。

另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。

最近几年又出现了许多新思路、新方法或改进算法。

对一些经典方法和新出现的方法作了概述，并将图像分割方法分为阈值分割方法、边缘检测方法、区域提取方法和结合特定理论工具的分割方法4类。

1.2.1阈值分割方法

阈值分割方法的历史可追溯到近40年前,现已提出了大量算法。

对灰度图像的取阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值,然后将图像中各个象素的灰度值都与这个阈值相比较,并根据比较结果将对应的像素分为两类。

这两类象素一般分属图像的两类区域,从而达到分割的目的。

从该方法中可以看出,确定一个最优阈值是分割的关键。

现有的大部分算法都是集中在阈值确定的研究上。

阈值分割方法根据图像本身的特点,可分为单阈值分割方法和多阈值分割方法；也可分为基于像素值的阈值分割方法、基于区域性质的阈值分割方法和基于坐标位置的阈值分割方法。

若根据分割算法所有的特征或准则,还可以分为直方图与直方图变换法、最大类空间方差法、最小误差法与均匀化误差法、共生矩阵法、最大熵法、简单统计法与局部特性法、概率松弛法、模糊集法、特征空间聚类法、基于过渡区的阈值选取法等。

最近几年又提出了许多新方法,如程杰提出的一种基于直方图的分割方法[1],该方法对Otsu准则的内在缺陷进行了改进,并运用对直方图的预处理及轮廓追踪,找出了最佳分割阈值。

此方法对红外图像有很强的针对性。

付忠良提出的基于图像差距度量的阈值选取方法[2],多次导出Ostu方法,得到了几种与Ostu类似的简单计算公式,使该方法特别适合需自动产生阈值的实时图像分析系统。

严学强等人提出了基于量化直方图的最大熵阈值处理算法[3],将直方图量化后采用最大熵阈值处理算法,使计算量大大减小。

俞勇等人提出的基于最小能量的图像分割方法[4],运用了能量直方图来选取分割阈值。

华长发等人提出了一种基于二维熵阈值的图像分割快速算法[5],使传统二维阈值方法的复杂度从O（W2S2）降至O（W2/3S2/3）。

赵雪松等人提出的综合全局二值化与边缘检测的图像方法[6],将全局二值化与边缘检测有效的结合起来,从而达到对信封图分割的理想效果。

任明武等人提出的一种基于边缘模式的直方图构造新方法[7],使分割阈值受噪声和边缘的影响减少到最小。

ZikuanChen等人提出的基于小波的自适应阈值分割方法[8],把小波引入图像分割,利用小波分析取得阈值,得到了很好的分割效果。

赵立初等人提出的基于小波分析的图像自适应阈值选择算法[9],使图像直方图的特征点可以通过小波变换的特征点由粗到精地表示,使阈值能进行自适应选择。

靳宏磊等人提出的二维灰度直方图的最佳分割方法[10],找到了一条最佳分割曲线,使该算法得到的分割效果明显优于一维直方图阈值方法。

乐宁等人根据过渡区内象素点具有的邻域方向性特点,引入了基于一元线性回归处理的局部区域随机波动消除方法,将图像过渡区算法进行了改进[11],等。

所有的这些算法不管采取什么方法,结合什么工具,基本思想是一致的,就是为了寻求最佳阈值。

1.2.2边缘检测方法

边缘检测方法是人们研究得比较多的一种方法,它通过检测图像中不同区域的边缘来达到分割图像的目。

很多的边缘检测算法是基于图像的灰度函数求导和在图像中匹配特定的边缘模型这两种方法,如Marr_Hildreth算法和Canny算法就是这两种方法的经典代表。

在具体做法上,表现为空域算子与图像模板求卷积和用迭代等方法求匹配函数的系数等。

根据检测边缘采用方式的不同,边缘检测方法大致包括以下几类:

基于局部图像函数的方法、多尺度方法、图像滤波法、基于反应_扩散方程的方法、多分辨分法、基于边界曲线拟合方法[12]、状态空间搜索法、动态规划法、边界跟踪法、哈夫变换法[13]等。

基于局部图像函数方法的基本思想是将灰度看成高度,用一个曲面来拟合一个小窗口内的数据,然后根据该曲面来决定边缘点。

多尺度方法实际上是用不同尺度的滤波算子对图像进行卷积,并考察由此得到的边缘点随尺度的变化而具有的性质,结合多种不同尺度的信息来最终决定边缘点。

图像滤波法是基于对平滑滤波后的图像求其一阶导数的极大值或二阶导数的过零点来决定边缘的,它的核心问题是要设计一个合适的滤波器,通常使用的滤波器有LOG滤波器、可控滤波器、B_样条滤波器等。

基于反应_扩散方程的方法借助反应_扩散方程的观点来看待多尺度滤波,从而达到边缘检测的目的。

多分辨率方法是从初始图像用规则或不规则的方式逐步降低分辨率,得到金字塔形的一个图像序列,再在此基础上进行图像分割。

此方法的基本着眼点是较大的物体能在较低的分辨率下存在,而噪声则不能。

基于边界曲线拟合方法是用平面曲线来表示不同区域之间图像的边界线,试图根据图像梯度等信息找出能正确表示边界的曲线来达到分割图像的目的。

状态空间搜索法也称图（Graph）搜索法或启发式（Heuristic）搜索法,该方法用图结构表示边界点和边界段,通过在图中搜索对应最小代价的通道找到闭合边界,它把边缘检测和边界连接有机地结合起来,在图像受噪声影响较大时仍能取得较好的效果。

动态规划（DynaicProgramming）法是一个多步决策的过程,它通过把一个N步过程化为N个单步过程的方法使算法复杂度降低,根据动态规划的原理,可将全局最优化成局部最优之和。

要使此方法的结果令人满意,决策过程必须是一个马尔可夫过程。

边界跟踪（HoundaryTracking）法也称边缘点链接（EedgePiontLinking）法,由图像梯度图中一个边缘点出发,依次搜索并连接相邻边缘点从而逐步检测出边界的方法。

哈夫变换法是利用图像全局特性而直接检测目标轮廓的一种常见的方法,该方法的主要优点是受噪声和曲线间断的影响较小。

最近,徐蔚然等人提出了基于语法、语义信息的多滤波集成边缘检测方法[14]。

该方法把图像灰度分布的形式所包含的边界信息看成是语义信息,把不同滤波器所提取出的灰度分布形式的信息看成是语法信息,然后从语法信息出发,按一定的逻辑推出不同种类的边界,最后用模糊逻辑得出符合实际需要的边缘检测结果。

宋焕生等人提出了多尺度脊边缘方法[15]。

该方法利用Mallat算法,对图像进行二进度小波分解,然后计算出在二进尺度空间的多尺度脊边缘及强度,最后通过脊边缘跟踪、滤波和小波反变换,得到分割结果。

张静等人提出了行扫描空间带通滤波法[16],是在总结前人理论和实验结果的基础上提出的一种边缘提取新方法,对电视图像的自动跟踪识别有很好的效果。

殷德奎等人提出了基于多分辨分析的多模板边缘提取方法,根据图像边缘灰度阶跃噪声在不同分辨率层次上表现出来的相关性质,合理地确定检测规划并推断出边缘。

此方法适用于复杂噪声环境和宽分割阈值下的边缘定位。

王宇生等人提出了基于积分变换的边缘检测算法[18],该方法引入了灰度尺度和空间尺度,将图像变为表示象素点相互吸引的向量场,从而将边缘检测问题转化为在向量场中寻找相分离向量的问题。

梁毅军等人提出了用BD模型检测边缘的方法[19],证明了BD模型是GD模型的快速算法,并且取得的效果和用GD模型取得的效果是一样的。

杨恒等人提出了基于图像信息测度（EIM）的多尺度边缘检测方法[20],该方法利用EIM能自适应地调整多尺度边缘检测中的滤波度参数,克服了传统图像信息定义的缺陷,使该方法具有较好的抗噪声和检测结果。

周凌翔等人提出了结合信噪比与定位精度的新的边缘检测准则[21],导出了满足最佳性质的算子,利用该算子进行边缘检测,取得了较好的效果。

CGALAMBOS等人提出了哈夫变换的改进算法[22],利用角度信息来控制选择和分配象在同一直线上的过程,使分割效果优于标准哈夫变换的同时,大大减少了计算量。

1.2.3区域提取方法

区域提取法有两种基本形式:

一种是从单个像素出发,逐渐合并以形成所需的分割区域；另一种是从全图出发,逐渐分裂切割至所需的分割区域。

在实际中使用的通常是这两种基本形式的结合。

根据以上两种基本形式,区域提取法可以分为区域生长法和分裂合并法。

区域生长法的基本思想是将具有相似性质的像素合起来构成区域,具体做法是选给定图像中要分割的目标物体内的一个小块或者说种子域,再在种子区域的基础上不断将其周围的像素点以一定的规则加入其中,达到最终将代表该物体的所有像素点结合成一个区域的目的。

该方法的关键是要选择合适的生长或相似准则。

生长准则一般可分为三种:

基于区域灰度差准则、基于区域内灰度分布统计性质准则和基于区域形状准则。

分裂合并法是先将图像分割成很多的一致性较强的小区域,再按一事实上的规则将小区域融合成大区域,达到分割图像的目的。

区域提取法的缺点是往往会造成过度分割,即将图像分割成过多的区域。

因此,近年来针对这种方法的研究较少。

不过,还是有一些新的算法出现,如王广君等人提出的基于四叉树结构的图像分割方法[23],将区域增长和人工智能结合起来,使分割速度大大提高,算法同时能得到图像目标大小、目标灰度、目标个数、目标边界等。

该方法对多目标图像分割有更好的适应性。

刘宁宁等提出的基于代理机模型的交互式图像分割方法[24],代理机是完成特定功能的模块,通过控制界面和汇报界面实现与操作者的交互。

该方法特别适合医学图像分割。

钱晓峰等人提出的一种逆时针追踪轮廓线的彩色图像区域分割算法[25],其基本思想是按逆时针顺序追踪轮廓线,在追踪过程中避免了象素点的行政管理判断,采用回溯搜索解决奇点问题,从而保证追踪过程的连续性和正确性。

王楠等人提出的一种改进的彩色图像区域分割方法,充分利用彩色图像的颜色信息,采用灰图像和彩色信息分别处理的方法,根据图像具体的彩色信息进行了自适应分割。

魏宝刚等人提出的基于区域生长法的多颜色空间,多度量准则的聚类算法和零碎区域的全并算法,使多颜色空间上的交互式图像分割取得了很好的效果。

ThomasLORENZ提出的基于设定值地图的区域生长方法等。

1.2.4结合特定理论工具的分割方法

图像分割技术的发展与许多其他学科和领域如数学、物理学、生理学、电子学、计算机科学等密切相关。

近年来,随着各学科新理论和方法的产生,人们也提出了许多结合特定理论工具的分割方法,例如基于数学形态学的分割方法,基于统计模式识别的分割方法,基于神经网络的分割方法,基于信息论的分割方法,基于模糊集合和逻辑的分割方法,基于小波分析和变换的分割方法,基于遗传算法的分割方法等[1]。

基于数学形态学分割方法的基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。

基于统计模式识别的分割方法的基本思想是将图像中的象素根据测量结构分为不同的类,每个类都有相似或相近的特征,然后通过学习或训练,将图像分为不同的目标。

基于神经网络的分割方法的基本思想是通过训练多层感知机来得到线性决策函数,然后用决策函数对象素进行分类来达到分割的目的。

基于信息论的分割方法引入了熵的概念,大部分算法借助了求熵极值的方法来达到分割的目的。

基于模糊集合和逻辑的分割方法是以模糊数学为基础,利用隶属度来解决图像中由于信息不全面、不准确、含糊、矛盾等造成的不确定性问题,该方法在医学图像分析中有广泛的应用。

基于小波分析和变换的分割方法是借助新出现的数学工具小波变换来分割图像的一种方法,也是现在非常新的一种方法。

小波变换是一种多尺度多通道分析工具,比较适合对图像进行多尺度的边缘检测。

例如,可利用高斯函数的一阶或二阶导数作为小波函数,利用Mallat算法分解小波,然后基于马尔算子进行多尺度边缘检测。

这里小波分解的级数可以控制观察距离的“调焦”,而改变高斯函数的标准差可选择所检测边缘的细节程度。

小波变换的计算复杂度较低,抗噪声能力强。

理论证明,以零点为对称点的对称二进小波适应检测屋顶状边缘,而以零点为反对称点的反对称二进小波适合检测阶跃状边缘。

近年来多进制（Multi_Band）小波也开始用于边缘检测。

另外,利用正交小波基的小波变换也可提取多尺度边缘,并可通过对图像奇异度的计算和估计来区分一些边缘的类型。

基于遗传算法的分割方法的基本思想是利用遗传算法具有能是一种迭代式优化算法并具有合局搜索能力的优点,帮助确定分割阈值。

新近出现的算法如王月兰等人提出的基于信息融合技术的彩色图像分割方法,该方法应用剥壳技术将问题的复杂度降低,然后将信息融合技术应用到彩色图像分割中,为彩色分割在同领域中的应用提供了一种新的思路与解决办法。

靳华等人提出的用树型小波来提取纹理特征进行纹理图像分割的方法[23]。

贾天旭等人提出的基于小波包分解自适应Gabor函数设计的纹理分割算法,该方法首先用Shannon小波包解检测纹理的主频,求设计Gabor函数,然后根据Gabor函数与纹理图像的卷积,就可以在纹理的连接处产生良好的阶跃边缘。

JinSangKIM等人提出的图像序列的多特征聚类分割方法,先用自组织特征地图（SOFM）神经网络聚类方法将一个多特征空间转换成一维空间,然后将神经网络的输出融合,从而得到期望的分割结果。

陈燕新等人提出的基于竞争Hopfield网络自动聚类图像分割方法；罗述谦等人提出的基于有偏场的适配模糊聚类分割算法；薛景浩等人提出的基于特征散度的图像FCM聚类分割方法；薛景浩等人提出的一种新的基于图像间模糊散度的阈值化算法以及它在多阈值选择中的推广算法,采用了模糊集合分别表达分割前后的图像,通过最小模糊散度准则来实现图像分割中最优阈值的自动提取。

该算法针对图像阈值化分割的要求构造了一种新的模糊隶属度函数,克服了传统S_函数带宽对分割效果的影响,有很好的通用性和有效性,等等。

1.3论文完成的任务

本文采用阈值分割法对图像进行分割。

论文共分为五章，各章的内容概括如下：

（1）第一章：

引言，概述了图像分割的背景、目标和意义，重点描述了图像分割的研究内容、方法、应用前景，并简要描述了目前肤色信息在人脸检测技术中的应用状况以及发展方向。

（2）第二章：

彩色图像分割的基本原理和颜色模型的简单介绍和颜色模型的选择。

（3）第三章：

彩色图像的肤色分割算法描述。

（4）第四章：

算法实现及结果分析。

（5）第五章：

总结与展