基于肤色分割的复杂背景图像的人脸检测

提出了一种基于肤色分割和KL变换相结合的检测人脸的方法。首先利用肤色模型将彩色图像分割成肤色区域和非肤色区域，然后对肤色区域进行预处理，剔除一些不包含人脸的区域，最后对肤色区域进行KL变换，通过椭圆面积；位则．确认人脸区域。实验结果表明这种方法能较好地在复杂背景中检测出人脸。     

基于Adaboost与肤色分割融合的驾驶员图像脸部检测

采用改进的基于Adaboost的人脸检测算法检测出可能存在的初始人脸区域,适当扩大初始人脸区域的面积,在此基础上,利用基于RGB颜色空间的肤色分割算法进行人脸区域的二次定位,根据定义的脸部区域重合度和人脸几何特征实现对脸部区域的精确融合检测。实验结果证实了该算法的鲁棒性和实时性。     

基于肤色与特征的快速人脸定位方法研究

根据在线考试安全监控的特点,针对视频流图像提出一种基于肤色模型和特征定位的快速入脸定位算法,并建立了系统原型,适用于实际网络在线考试中的身份认证。该方法以普通PC摄像头作为图像采集设备,以采集的视频流为数据源,截取视频流中的单帧图像,通过转换彩色空间、入脸肤色建模、后处理操作实现了入脸定位,通过图像马赛克、边缘提取,显著特征点定位等技术定位入脸图像的各特征点。在此基础上通过入眼定位实现了在视频流中对于人脸的跟踪算法研究。试验结果表明,所实现的入脸检测适用于近距离入脸的检测,定位速度快,误检率低,可以在实时系统中应用。     

图像阈值分割方法的比较与分析

本文在介绍了三种具有代表性的图像阈值分割法的基础上,通过对它们的性能进行分析比较,给出了这种瓶值分割法的适用范围。最后,针对三种分割法的不足,提出了一种基于边缘检测与局部直方图的图像分割算法。     

结合图像增强和肤色分割的人脸检测新方法

彩色图像中通常存在噪音、模糊、背景等问题,直接影响到人脸检测的结果。提出一种AdaBoost算法结合图像增强和肤色分割的人脸检测新方法。对输入图像进行平滑、锐化图像增强操作,较好地消除噪声干扰和增强图像的边缘信息;利用肤色分割,将肤色区域和背景有效地区分开;在候选区域用AdaBoost算法精确地定位出人脸位置。实验结果证明,该方法对“漏检”和“错检”问题均有较好的改善。     

基于肤色和区域形态的视频图像人脸检测

本文针对复杂背景下的视频图像系列,提出了基于肤色和区域形态相结合的人脸检测算法。其算法首先采用高斯模型来模拟肤色分布并构造出肤色概率图进行人脸的初定位,再利用区域生长对其进行分割初步达到潜在脸区和非脸区分离,最后对潜在脸区采用形状分析的准则进行排除。实验证明,此算法对一些外部影响如姿势变化、人脸旋转和脸部表情具有一定的鲁棒性。     

一种基于肤色的快速人脸检测算法

针对待处理的图像为彩色图像,提出了一种基于肤色和五官比例的快速人脸检测方法.系统分为两个部分,首先对彩色图像进行预处理、建模、分割等,然后对二值化图像进行人脸区域的锁定,并计算各区域是否符合比例参数,这样筛选出的区域可以过滤掉很多非人脸图像.实验证明这种方法快速、检测率高.     

图像阈值分割方法的比较与分析

本文在介绍了三种具有代表性的图像阈值分割法的基础上,通过对它们的性能进行分析比较,给出了 这三种阈值分割法的适用范围。最后,针对三种分割法的不足,提出了一种基于边缘检测与局部直方 图的图像分割算法。     

基于Real Adaboost的肤色分割方法

提出了一种基于Real AdaBoost算法构造的肤色置信度分类器及动态阈值相结合的肤色分割方法。根据肤色在YCrCb色度空间的聚类性,通过大量肤色和非肤色样本用Real AdaBoost训练一族查找表(LUT)型圆形弱分类器,组成一个能输出连续置信度的强分类器,利用肤色强分类器计算图像中像素的肤色相似度,最后用大津法确定阈值对肤色相似图进行二值分割。实验表明,该方法能较好地描述肤色分布,误检率低,鲁棒性好。     

基于权值优化与纹理特征的快速人脸分割算法

针对传统GrabCut在GMM迭代估计阶段仅单纯地考虑像素点的RGB彩色信息,当前景细节区域与它的周围区域颜色差异较大时容易发生分割错误,以及基于像素的运算导致分割效率不高的问题,提出一种结合权值优化与CS-LBP纹理特征的改进算法。该算法首先利用多尺度分水岭对图像进行预分割,构建区域邻接图,然后对每个区域进行颜色和纹理特征的提取,通过权值迭代优化算法使区域的数据项权值与周边分块区域的权值相关联,采用自适应参数将纹理约束项引入能量函数,并将改进算法应用于人脸图像分割,有效改善了分割效果。实验结果表明,本算法分割结果更加准确,效率更高。     

基于均值偏移的户外图像快速分割算法

提出一种改进的基于均值偏移的户外图像快速分割算法,使其能够满足基于视觉的户外移动机器人导航对图像处理的快速性要求。阐述了均值偏移算法的基本原理,给出了图像快速分割的具体实现方法:对图像进行尺度空间变换,用均值偏移算法在选定的颜色空间中对图像进行分割。通过对多种户外环境下采集到的图像进行实验,结果表明该算法对户外彩色图像快速分割取得了良好的效果。     

结合粗糙集与分层思想的彩色图像分割算法

针对彩色图像分割算法中小目标区域容易错分割以及计算复杂度高的问题,提出一种基于HSI空间的结合粗糙集理论与分层思想的彩色图像分割方法。首先,由于彩色图像HSI空间的奇异点对应于RGB空间的灰色像素点,为了消除奇异点,在RGB空间寻找"灰色区域"进行分割与标记;然后,将图像转换到HSI颜色空间,在强度I分量上,考虑到空间邻域信息以及区域分布差异,设计了变阈值渐变性同质函数对原始直方图进行加权,将加权直方图和原始直方图分别作为粗糙集的上、下近似集,构造了新的粗糙度函数进行分割;其次,针对初分割得到的每个区域,在色调H分量上采用直方图阈值化完成细分割;最后,为了避免过分割,在RGB空间上进行区域合并。相比Mushrif等提出的粗糙集分割算法(MUSHRIF M M, RAY A K. Color image segmentation: rough-set theoretic approach. Pattern Recognition Letters, 2008, 29(4): 483-493),该算法更容易分割出图像中的小目标区域,避免了因RGB三个分量的相关性造成的错误分割,算法运行速度提高了5~8倍。实验结果表明:该算法分割效果较好,具有一定的抗噪性与鲁棒性。     

基于色调直方图和区域合并的彩色图像分割算法

近年来随着机器视觉、模式识别和基于内容的图像检索等技术的不断提高以及彩色图像的大量使用,图像分割特别是彩色图像的分割显示出越来越重要的地位。为此提出了一种快速有效的彩色图像分割方法,主要包括三个步骤：首先将RGB颜色空间转换成HSV空间,把图像中的像素点根据饱和度和亮度划分为奇异点和非奇异点;然后对非奇异点和奇异点分别采用基于色调和灰度直方图进行分割;最后综合这两种分割结果,采用区域合并技术进行合并。实验结果表明,该方法对彩色图像能够有效地提取目标物体,具有一定的鲁棒性。     

基于Canny算子的肤色分割在彩图中的人脸检测

结合Canny算子提取图像的边界,利用边界信息可以实现大块连通区域的自然分割,同时使用颜色插补的方法来代替传统的金字塔采样,让模板自动匹配经上述分割后的各个待测区域。实验结果证实该方法对于包含部分遮挡、肤色干扰等较复杂环境下的图片的检测率有很大提高。     

基于Snake模型的图像分割新算法

针对目前基于Snake模型的图像分割算法普遍存在噪声鲁棒性差、适用范围受限、易发生弱边缘泄露以及轮廓曲线难以收敛到细小深凹边界的缺陷,提出了一种基于Snake模型的图像分割新算法。首先,选取新的扩散项代替具有各向同性光滑作用的拉普拉斯算子;其次,引入p-拉普拉斯泛函到平滑能量项中强化法线方向外力;最后,利用边缘保护项使外力场方向与边缘方向一致,以防止弱边缘泄漏并促使轮廓线收敛到细小深凹边界。实验结果表明,所提模型不仅克服了现有基于Snake模型的图像分割算法的缺陷,具有更好的分割效果,明显提高了抗噪性能和角点定位精度,而且耗时更少,适用于噪声图像、医学图像以及含有很多弱边缘的自然图像分割。     

基于图论Gomory-Hu算法的快速图像分割

Gomory-Hu算法是图论中的经典算法,用于寻找图的最小流割等价树,具有最优解,但是该算法很难处理较大的图像,而且倾向于分割出孤立点集。为此,给出了孤立点的判定方法,并提出一种基于Gomory-Hu算法的图像分割方法。该算法首先通过快速聚类减少图中顶点数目,然后构造新的赋权图,并应用Gomory-Hu算法对图进行最优划分,得到分割结果。提出的算法对多幅自然图像进行了分割实验,平均分割时间在3 s内。实验结果证明了算法的有效性和快速性。     

快速几何可变形彩色昆虫图像分割算法

为了解决大部分现有几何可变形方法无法用于彩色图像分割的问题,给出了快速几何可变形彩色图像分割算法,并应用于昆虫图像。实验结果表明：该算法能够很好地分割出昆虫对象,而基于通道-通道的几何可变形算法在不同通道上得到不同的昆虫对象边缘。     

基于均值偏移的彩色图像分割算法

提出了一种基于均值偏移的彩色图像分割算法。首先阐述了在CIE LUV均匀彩色模型下均值偏移算法的基本原理,然后给出了在图像分割中的具体实现方法：选定一个像素,在适当的空间窗和色彩窗限定的特征空间中寻找模式点,实现窗口中心从选定点到模式点的偏移,重复此过程,直到找到稳定的模式点并用模式点的色彩值代替该像素,遍历所有像素,最终达到对所有像素进行聚类。通过两幅图像对算法进行检验,实验结果证明该算法对彩色图像具有良好的分割效果。     

一种快速的模糊C均值聚类彩色图像分割方法

FCM用于彩色图像分割存在聚类数目需要事先确定、计算速度慢的问题,为此,提出一种快速的模糊C均值聚类方法（FFCM）。首先,对原始彩色图像进行基于梯度图的分水岭变换,从而把原始彩色图像数据分成一些具有色彩一致性的子集;然后,利用这些子集的大小和中心点进行模糊聚类。由于FFCM聚类样本数量显著减小,因此可以大幅提高模糊C均值聚类算法的计算速度,进而可以采用聚类有效性指标确定聚类数目。实验表明,这种方法不需要事先确定聚类数目,在聚类有效性能不变的前提下,可以使模糊聚类的速度得到明显提高,实现了彩色图像的快速分割。