基于颜色特征提取及纹理特征提取的皮肤区域检测研究

摘要

皮肤区域识别是人脸检测、定位和跟踪技术的基础；图像中皮肤自动检测在图像内容识别和过滤，视频压缩以及基于内容的检索等方面发挥着十分重要的作用。由于颜色和纹理是皮肤最为显著的特征，因此基于颜色和纹理的皮肤检测方法的研究显得尤为重要。 在使用颜色特征检测皮肤区域的方法中，使用贝叶斯判决器的非参数肽色建模方法能够建立性能良好的肤色分类器。皮肤纹理的检测是基于区域的检测，目前对纹理检测的研究大多是将图像分成若干区域进行纹理过滤。 本文主要研究内容如下： 一、提出一种在YCbCr颜色空间中基于贝叶斯判决的改进肤色模型。相对于仅在色度平面Cb-Cr建立的肤色分类器，新肤色模型使用贝叶斯判决器同时在Y-Cb和Y-Cr两个颜色平面上建立肤色和非肤色概率比值的分布图。本文采用了3σ高斯归一化和线性化方法，将两个分布图中的概率比值归一化至[0，1]。这样，使用一个阈值对两个分布图有着相同的分类标准。 二、非参数模型的典型缺点是描述肤色分布区域的数据量大。本文的肤色分类器采用改进数组形式的双查询表来描述对概率比值分布图分类后的二值分布图。双查询表能有效保持二值图的分类性能，而需要存储的数据却只有不到原来的七十分之一。 本文同时对Cb-Cr平面基于贝叶斯判决的查询表等三个肤色模型进行了实验，实验结果是新肤色模型有着比较低的漏检率和误检率。 三、提出一种使用滑动窗口和基于高斯混和模型(GaussianMixtureModelGMM)的皮肤纹理检测模型。将滑动窗口思想应用在皮肤纹理检测上可以进行像素级的纹理检测，也可以精确统计纹理模型的性能。在提取窗口纹理特征向量的方式上，除了使用传统的灰度共生矩阵方法外，本文还尝试使用第二代小波变换方法。 两种方法都基本实现了对皮肤区域的检测，实验证明本文提出纹理检测模型是有效的。

目录

文摘

英文文摘

原创性声明及本论文使用授权说明

第一章绪论

1.1课题背景与研究意义

1.2皮肤检测原理概述

1.3论文主要工作

1.4论文章节安排

第二章肤色检测的基本问题

2.1肤色检测概述

2.1.1颜色是皮肤区域的首要特征

2.1.2肤色模型概述

2.2颜色空间

2.3肤色模型

2.3.1概述

2.3.2两类肤色模型

2.4本章小结

第三章基于贝叶斯判决和双查询表的肤色检测

3.1模型基本原理

3.1.1 YCbCr颜色空间

3.1.2肤色像素的分布

3.1.3贝叶斯判决器

3.1.4概率比值归一化

3.1.5中值滤波

3.1.6 双查询表

3.2实验过程与分析

3.2.1实验过程

3.2.2实验结果分析

3.2.3实验补充说明

3.3本章小结

第四章使用滑动窗口和基于GMM的纹理模型

4.1概述

4.1.1纹理特征的描述

4.1.2有关皮肤纹理的研究

4.2第二代小波变换

4.2.1第二代小波变换概述

4.2.2 Harr正向小波变换

4.2.3二维小波分解

4.3灰度共生矩阵

4.3.1灰度共生矩阵原理

4.3.2灰度共生矩阵特征量

4.4 GMM

4.4.1 GMM原理

4.4.2 GMM的参数估计

4.5使用滑动窗口和基于GMM的纹理模型

4.6实验过程与结果

4.6.1利用第二代小波变换提取纹理特征

4.6.2利用灰度共生矩阵提取纹理特征

4.6.3实验总结

4.7本章小结

第五章结论与讨论

参考文献

攻读硕士学位期间发表的论文

致谢