一种基于肤色检测的人眼快速定位方法

眼睛的位置是人脸识别过程中一个很重要的信息.针对彩色人脸图像上的眼睛定位问题,提出一种结合肤色分割和形态学运算的人眼定位方法.该方法首先利用肤色模型通过最大类间方差法自动优选阈值分割图像,接着从非肤色区域入手,采用形态学运算去除非肤色区域中的干扰区域来获取可能的眼睛区域,最后结合人眼的几何特征实现人眼的快速准确定位.实验结果表明,提出的算法有效地平衡了眼睛定位的实时性和准确性之间的矛盾,定位效率高.     

复杂背景下的多姿态人眼定位

针对彩色图像中人脸在复杂背景及多姿态下眼睛定位困难的情况,提出了一种基于肤色分割与Gabor滤波的人眼定位方法。首先采用粒子群算法优化改进的最大类间方差(Otsu)对图像进行肤色分割,找到人脸的候选区域;然后构造Gabor滤波器对候选区域进行滤波;最后经过灰度投影得到眼睛的精确位置。仿真结果表明,该分割算法在复杂背景和多姿态情况下的人眼定位中有明显优势,对于现实环境中的人脸识别有重要意义。     

基于肤色和人脸特征的人眼定位方法

描述了一种能够对不同背景下彩色图像快速定位人眼的框架。首先,对图像进行光照补偿,然后,根据Ycbcr颜色空间肤色聚类的特点分割图像,检测人脸区域,并利用基于像素＂密度＂的滤波方法去除大面积的噪声。最后,利用人脸的结构特征和对称信息准确定位人眼。实验结果表明,该方法能够准确定位人眼,并且对于具有不同背景、带眼镜的、表情变化的图像都能有很好的鲁棒性。     

基于ASM与肤色分割的人眼特征点提取

人眼特征点的快速准确提取是利用视觉方法对驾驶员的驾驶状态进行监测和警告的重要环节.本文利用ASM(主动形状模型)找到进行人眼特征提取的感兴趣区域,对此区域进行肤色分割并提取人眼特征点.实验结果表明,该方法具有很好的可靠性和实时性,为驾驶员疲劳检测的研究奠定了良好的基础.     

驾驶员眼睛疲劳状态检测技术研究

在判断驾驶员疲劳状态时,应首先对眼睛进行精确定位,再根据眼睛面积的减小程度、持续闭合的时间、闭合频率来判断眼睛疲劳状态。在进行人眼定位时,采用在RGB空间进行肤色分割、去除与边界连通的区域的方法,再结合形状验证法逐步减小眼睛区域候选范围,然后,计算眼睛区域的面积、持续闭合时间。实验证明:这种方法在定位人眼时,简单快速,且不受人脸背景、人脸肤色、姿态的影响。     

基于肤色和类Harr特征的人脸图像的人眼检测

人眼检测在表情识别和计算机视觉领域得到了广泛的关注和研究,但是在多数的人眼检测方法中,对于背景较复杂的图像,识别率急速下降,误检率急剧上升。经过研究,使用椭圆肤色模型预处理图像,分割出肤色区域和非肤色区域,检测算法只对肤色区域进行人眼检测,有效降低了复杂背景造成的高误检率。同时特征选取是决定检测算法识别率和误检率等性能标准的关键因素,选取类Harr特征训练Adaboost级联分类器,实验表明了类Harr特征的有效性。     

基于规则与卡尔曼滤波的人眼跟踪

本文提出一种基于YCbCr空间、规则和卡尔曼滤波的人眼跟踪方法。该方法首先利用肤色在YCbCr空间的特性建立肤色模型分割出肤色，然后通过设定的规则得到人眼区域，最后利用卡尔曼滤波的方法实时跟踪人眼。实验表明，该方法能达到实时效果且跟踪正确率较高。     

基于生物形状知识的人眼定位方法

准确地定位出人眼位置并分离出虹膜、眼睑等区域对虹膜识别、人脸识别等生物特征识别技术具有重要意义.但是,在非理想环境下,人眼图像分辨率通常较低,并且容易受到光照条件、睫毛、阴影等噪声影响,对人眼区域进行正确分割是一项非常具有挑战性的工作.因此,本文针对姿态幅度较小的无遮挡人眼图像分割存在的一些问题,利用Hough圆变换和形态学算法改进低分辨率下人眼的定位.该方法首先利用现有的人脸对齐方法分割出人眼感兴趣区域,采用双线性插值法对人眼图像进行预处理,去除镜面反射光斑;然后根据人眼图像中各区域的灰度分布规律,利用带约束的Hough圆检测算法定位出虹膜;之后结合全局动态阈值、局部自适应阈值及形态学算法分别定位出人眼上下眼睑,并利用最小二乘法拟合上下眼睑,最终分割出人眼虹膜、上下眼睑、巩膜等区域;最后在UBIRIS v1.0数据库及低分辨率人脸图像上对本文提出的算法进行测试.实验结果表明,本文提出的方法对实验室环境下高清虹膜图像及低分辨率人脸图像上的人眼定位均具有较强的鲁棒性.     

驾驶员疲劳驾驶中的眼睛定位创新算法

通过人眼图像来检测驾驶员疲劳驾驶是目前的主流方向,面部及眼睛定位是其中关键的环节。提出了一种新颖的精确定位眼睛的方法。该方法由两部分组成：第一部分,通过肤色聚类分割算法将人脸区域分割,对分割图进行几何过滤,对得到的候选人脸区域中的孔洞计算质心点找到可能的人眼对;第二部分,在检测到人脸区域和眼睛大致位置的基础上,结合提出的眼睛模型,采用新的Hough变换椭圆检测算法精确定位人眼的位置。实验证明所提出的算法是快速可靠的。     

复杂背景中的人脸检测与定位

基于人类视觉机制,描述了一种由粗到细的复杂背景中的人脸检测方法。其基本思想是首先粗略定出人脸可能存在的区域,然后在可能的区域内进一步细致匹配,以证实人脸的存在并对其进行准确定位。在粗略检测中利用人脸的肤色分布统计模型将人脸从背景中分割出来;在准确定位中联合人脸的肤色分布统计模型、发色分布统计模型以及不同方向的头部模型,用模糊模式匹配的方法进行准确定位。实验结果表明该方法比在复杂背景中直接利用肤色信息检测人脸的方法速度快,准确率高,鲁棒性好。     

最大熵和最小交叉熵综合的交互式图像分割

在图像分割中,使用某一种分割方法并不是总有效。最大熵和最小交叉熵阈值化方法是目前常用的两种图像分割方法,但在某些分割应用场合失效。针对此问题,提出基于最大熵和最小交叉熵综合的交互式图像分割方法。首先,利用一种简单的算法将前两种方法有机结合产生一种既满足最大熵原则,又满足最小交叉熵原则的新分割方法,然后通过人机交互,在这三种阈值方法中选择最好的图像分割。仿真实验结果表明,提出的方法不仅分割效果好,算法的普适性增强,而且更实用。     

基于微粒群算法的二维最大熵图像分割算法

将微粒群算法运用于二维最大熵图像阈值分割法。首先构建图像分割的二维最大熵准则函数,然后采用适用于整数规划的微粒群算法最大化该准则函数,最终实现含噪声干扰下图像的有效分割。分割实验表明,该方法具有较强的抗噪声能力,且比普通和基于遗传算法的二维最大熵法运算速度更快。     

面向服装E-Commerce的模特眼睛定位方法

针对电子商务网站二维服装虚拟试穿与搭配展示中模特图像配准的需求,提出了一种基于K-均值聚类和扫描标号法相结合的模特眼睛定位方法.首先对模特图像进行Gamma矫正,进而以K-均值聚类为基础分割图像并完成候选区域的边缘检测,最后采用扫描标号法定位模特眼睛.实验结果表明了该方法的鲁棒性与有效性.     

基于人工蜂群优化的二维最大熵图像分割

针对二维最大熵图像分割方法计算量大的问题,提出基于人工蜂群优化的二维最大熵图像分割算法。利用人工蜂群优化算法收敛快、避免局部最优、控制参数少等优点,将二维最大熵法最佳二维阈值视为最佳蜜源,实现基于人工蜂群优化的二维最大熵图像分割。实验结果表明,该方法的收敛速度较快、抗噪性较强。     

灰度图像最大熵分割方法的改进

传统的最大熵分割方法只考虑了图像的灰度概率,忽略了对应的灰度值。为了充分利用灰度图像的灰度信息和空间信息,改进了传统的二维灰度直方图,生成二维差值属性灰度直方图。另外,改进了灰度均值和二维熵的计算方法。在计算熵时,以二维差值属性灰度直方图为基础,用空间信息值来代替灰度概率,生成二维差值属性信息值熵。在实验中,对多张不同的灰度图像分别用改进的最大熵方法与传统的最大熵分割方法进行分割,并对分割结果进行比较分析。实验结果表明,改进的最大熵分割方法能有效地分割灰度图像及噪声图像,有很强的抗噪声能力,并能产生清晰的分割结果。     

基于空间模式聚类最大熵图像分割算法研究

研究图像分割优化问题,在分割图像中,提取信息受到各种因素影响,分割效果不理想。针对图像分割计算复杂,造成图像分割分辨率低,清晰度不高。同时,当图像中的信息量非常大时,图像分割非常耗时。为了有效地分割图像,提出了一种基于空间模式聚类和最大熵算法原理相结合的图像分割方法。首先对图像采用最大熵算法进行图像分割,为每个熵区域定义特征量。根据不同的特征量计算相似区域之间的欧氏距离和空间距离,从而确定像素聚类中心的距离。然后对分割后的图像区域采用基于空间模式聚类方案进行合并,并对图像进行二值化处理。仿真表明与传统图像分割相比,提高了分割效率,分割出的图像边缘效果清晰,证明了算法的可行性和有效性。     

基于修正二维熵的水声图像分割

水声图像常分为亮区、暗区和混响区,而传统的单阈值方法不能根据需要获得相应区域,针对该问题,提出一种基于修正的灰 度-梯度二维直方图的最大熵分割方法。该方法根据先验知识截取部分灰度-梯度二维直方图,并对其进行最大熵阈值分割。实验结果表明,该方法可以根据需要提取出感兴趣的区域,并且能得到更好的分割效果。     

基于最大累积剩余熵的红外图像分割

经典阈值化分割方法是常用的图像分割方法之一,但对于低对比度,低信噪比的红外图像分割效果不理想,将累积剩余熵运用于红外图像分割,即寻求使得累积剩余熵最大的灰度值作为分割阈值,实验结果表明:基于最大累积剩余熵的图像分割方法是一种有效的红外图像分割方法,比起经典的阈值分割方法,分割红外图像的效果要好。     

模糊熵的区域合并和图割的快速矿岩分割

目的 针对现有区域合并和图割的结合算法没有考虑矿岩图像模糊特性,导致分割精度和运行效率较低,模糊边缘无法有效分割的问题,利用快速递推计算的最大模糊2-划熵信息设置以区域为顶点的图割模型似然能来解决。方法 首先利用双边滤波器和分水岭算法对矿岩图像进行预处理,并将其划分为若干一致性较好的区域;然后利用图像在计算最大模糊2-划分熵时,目标和背景的模糊隶属度函数来设计图割能量函数似然能,使得能量函数更接近模糊图像的真实情况,期间为了提高最大模糊2-划分熵值的搜索效率,提出了时间复杂度为O（n²）的递推算法将模糊熵的计算转化为递推过程,并保留不重复的递推结果用于后续的穷举搜索;最后利用设计的图割算法对区域进行标号,以完成分割。结果 本文算法的分割精度较其他区域合并和图割结合算法提高了约23%,分割后矿岩颗粒个数的统计结果相对于人工统计结果,其误差率约为2%,运行时间较其他算法缩短了约60%。结论 本文算法确保精度同时,有效提高矿岩图像的分割效率,为自动化矿岩图像高效分割的工程实践提供重要指导依据。