基于视频引导模型更新的视频肤色增强方法

在视频的采集和跨媒体再现过程中，相机的色域限制往往会导致获取的图像色彩失真。其中肤色作为人眼最敏感的色彩之一，肤色失真可能会降低观众的视觉体验。肤色增强是一种针对图像或视频中人类肤色的处理技术，通过对失真的肤色进行调整，达到提高显示质量的目的。尤其是在视频处理领域，在提高肤色模型自适应性的同时，还需要考虑算法的实时性与计算工作量，因此，提出一种面向实时视频处理的自适应肤色增强方法。利用镜头边界来引导肤色模型更新，以此降低模型更新的计算工作量；其次，建立一种根据镜头边界更新的动态肤色模型进行皮肤检测；最后，基于主观实验建立了偏好肤色模型，并且实现了针对不同种族的肤色增强。与现有方法相比，所提方法在主观评价实验中取得了更高的平均主观分值。实验结果表明，所提方法可以显著降低模型更新带来的计算工作量，同时实现有针对性的肤色增强。