基于肤色和人脸形状约束的正面人脸轮廓提取算法

提出了一种基于肤色和人脸形状约束的正面人脸封闭轮廓提取方法.首先在YCgCr空间中对图像数据进行阈值分析,建立肤色模型,并通过肤色模型对肤色区域进行初定位,再经过对肤色区域的连通区域标记,进而根据区域像素数量筛选去除非人脸区域.然后提取人脸初步轮廓,并结合人脸形态比例去除颈部轮廓.最后通过相关形态参数构建出人脸下巴轮廓,最终得到一个连续、封闭的人脸轮廓.     

Android手机中人脸检测算法的改进及实现

为提高智能手机的拍摄效果,提出了一种基于肤色和模板的人脸检测算法:首先,在一种新的颜色空间——YCgCr中利用肤色的聚类分割出肤色区域;然后,构建三维查找表并据此完成二值化,通过噪声处理和几何方法确定出候选人脸区域并对其进行尺度和灰度归一化;最后,通过计算候选人脸和标准人脸模板之间的加权欧氏距离来度量二者的匹配程度,并依据阈值判断出最终的人脸。实验结果表明,本算法的人脸检测比Android 2.3系统自带的人脸检测具有更好的实用性和高效性,提高了Android手机拍摄的效果。     

基于RGB-H-CbCr新颜色空间的肤色检测算法研究

针对以往肤色检查算法很少考虑亮度,仅靠色度信息检测肤色,忽略了由于不同人种和亮度差异而导致的肤色像素在颜色空间上的分布不同,本文提出了一种基于RGB-H-CbCr新颜色空间的肤色检测算法。该算法综合了肤色像素在RGB、YCbCr和HSV三种颜色空间上的分布特征,构建出RGB-H-CbCr新颜色空间肤色模型,来辨别肤色和非肤色点。文中利用Matlab分别对不同人种的肤色图像进行实验仿真,实验结果表明该方法能有效检测人体肤色,能有效提高肤色检测的正检率。     

基于肤色分割和改进的AdaBoostSVM算法的人脸检测

为了提高人脸检测的速度和精度,提出了一种基于肤色分割与改进的AdaBoostSVM算法相结合的人脸检测方法。首先在YCgCr空间通过计算肤色相似度进行肤色分割,进而得到候选的人脸区域。然后,针对人脸检测中正负样本的非对称性对AdaBoostSVM算法进行改进,并用改进的AdaBoostSVM算法对候选人脸进行检测验证。实验结果表明,该方法改善了人脸检测性能,提高了检测速度,能够在复杂背景下进行快速而且较为准确的人脸检测。     

基于复杂背景的彩色图像肤色分割

在使用单个颜色空间进行肤色检测的基础上,提出利用YCbCr和YIQ两种颜色空间同时对单帧图像进行肤色提取的方法,然后对提取的图像进行像素融合和数学形态学处理.实验结果表明,这种方法在确定人脸区域时,简单快速,且减少了人脸的漏检率.     

基于肤色模型和模板匹配的人脸检测方法研究

提出了一种基于人脸肤色信息和模板匹配,对彩色图像中的人脸进行检测的方法。该方法首先在YCbCr色彩空间下,利用肤色信息将彩色图像中的肤色区域和非肤色区域分开,计算得到表示肤色相似度的色度图,然后分割由此色度图所生成的灰度图像,从而得到人脸检测的候选区域,同时计算该区域的欧拉数来进一步缩小人脸搜索的范围,结合人脸模板进行匹配,最终确定并标记出彩色图像中人脸的位置。实验结果表明：该方法能够在具有复杂背景的彩色图像中快速并且准确的检测出人脸,误检率较低。     

基于颜色特征的人脸检测方法

针对RobCup家庭机器人对人脸检测的要求,研究了基于颜色特征的人脸检测方法。该方法首先将人脸图像进行非线性分段色彩变换光线补偿处理,减少光线对肤色的影响,然后在YCbCr颜色空间中建立肤色模型,分割出肤色区域。在颜色空间YCbCr中,嘴巴区域包含的红色分量要高于蓝色分量,利用这个特征分割出嘴巴区域。在YIQ颜色空间中,通过I分量来区分眼睛与皮肤,分割出人眼,最后根据嘴巴、眼睛的几何中心特征映射人脸,人脸检测的仿真结果验证了该方法的有效性。     

彩色图像中的人脸检测方法

综合了肤色检测、眼睛定位和支持向量机人脸验证方法,实现了彩色图像中的人脸检测.提出了一种基于区域的皮肤检测算法.将像素局部特征引入模糊C均值法,用其分割图像,根据肤色像素的数量判断分割区域是否为肤色区域.在肤色区域中利用眼睛的亮度图和色度图定位人脸样本,最后利用训练好的支持向量机预测人脸样本是否为人脸.     

复杂背景下多姿态人脸图像中的人眼检测

研究了复杂背景下多姿态人脸图像中的人眼检测方法.首先，将得到的图像映射到YCbCr空间，利用肤色在YCbCr颜色空间的分布特性建立肤色模型，分割出肤色并得到人脸的区域；再次，利用人眼的分布特点及自身特性预先设定一系列的规则，通过规则得到可能的人眼区域；最后，设计了人眼模板分布模型，并利用该模型对人眼位置进行最后的确认.实验表明，该方法具有较高的检测速度和检测正确率.     

彩色图像中的人脸检测方法

综合了肤色检测、眼睛定位和支持向量机人脸验证方法,实现了彩色图像中的人脸检测.提出了一种基于区域的皮肤检测算法.将像素局部特征引入模糊C均值法,用其分割图像,根据肤色像素的数量判断分割区域是否为肤色区域.在肤色区域中利用眼睛的亮度图和色度图定位人脸样本,最后利用训练好的支持向量机预测人脸样本是否为人脸.     

基于彩色图像分割的路标检测算法研究

针对交通标志检测问题,首先比较了RGB,HSV,Lab颜色空间中进行颜色分割的优缺点,并提出了基于Lab颜色空间进行交通路标定位的方法,然后对HSV空间阈值分割、Lab空间阈值分割、Lab空间聚类分割的效果进行了分析与比较,证明了Lab空间阈值分割的效果较好,最后结合交通标志的颜色信息,采用Hough变换方法定位出圆形路标,采用最优拐角检测方法定位出三角形和矩形路标。实验结果证明,该方法能准确定位出交通标志。     

IC真实缺陷图像的分色

在彩色ＩＣ缺陷图像的检测与识别系统中,通常采用分色技术来降低图像识别的难度。该文利用３种方法（ＨＳＶ彩色模型、ＨＬＳ彩色模型及明度信息）对ＩＣ缺陷图像进行了分色处理,并对其结果做了主客观评价,结果表明ＨＳＶ模型在突出缺陷及与原始图像的相似性方面优于其他两种方法。     

基于全景视觉机器人定位的路标提取方法

针对全景图像像素点过多、图像复杂导致单一图像分割算法难以提取出图像中人工路标的问题,提出了一种用HSV阈值分割法与OTSU最大类间方差法相结合的算法.通过对两种算法的结合使用,可以更有效地滤除图像中的干扰区域及干扰点,从而将路标从图像中提取出来.利用三角定位法的相交圆法计算出移动机器人的坐标,完成对移动机器人的定位.结果表明,该方法能够提取出全景图像中的路标,有效地避免了错误提取的情况,具有一定的可行性.     

基于金字塔连接算法的彩色图像分割

根据金字塔连接算法的特性，提出一种彩色图像自动分割算法。根据HSV颜色空间颜色和亮度无关，将彩色图像从RGB空间变换到HSV空间，然后用基于金字塔的图像分割算法对色调、饱和度和亮度3个分量进行分割．通过合并得到最终分割结果．试验表明，这是一种计算高效的自动分割算法，     

彩色图像的矢量阈值自适应分割算法

针对彩色图像,提出了一种矢量阈值的自适应分割算法,该算法中的阈值是一个矢量．在图像分割时,通过先求取图像像素矢量与阚值矢量之间的差矢量,再根据差矢量与阈值矢量之间的夹角确定像素所属的区域(背景区域或目标区域)．同时基于类间方差法(Ostu法)给出了最佳阈值矢量选择原则——扩展类间矢量方差法,从而实现彩色图像矢量阈值的自适应分割．实验结果表明,采用此图像分割算法分割效果要优于采用灰度图像的阈值分割算法．     

基于减法聚类和K均值聚类的彩色图像分割算法

传统图像分割方法大都存在分割速度低下、过度分割等缺点.针对上述问题,提出一种新的彩色图像区域分割算法.这种方法首先将图像转化至L＊a＊b＊空间,并划分为子块,抽取图像子块的颜色、纹理和位置特征组成子块的特征向量,然后运用减法聚类,获得聚类簇数和初始蔟中心,最后利用改进的K均值算法在像素点特征空间进行聚类,进而分割图像成区域.实验结果表明这种新方法具有分割效率高、分割效果理想等优点.     

足球机器人视觉图像分割算法

为提高机器人在比赛中对多目标提取及识别的准确度和效率,采用离线的自适应阈值颜色分类法,同时识别不同颜色的多个目标物,对颜色的变化有一定的适应性;然后用改进的数学形态学中的膨胀腐蚀算法对颜色分类后的图像滤波,该方法在保证图像处理效率的同时提高分割精度;最后使用种子填充法来实现同时分割和多目标特征提取,减少像素点遍历次数,提高算法效率。实验证明,通过上述方法可以使足球机器人适应一定的光照变化,准确快速地分割多个目标。