人体皮肤分割技术的研究和应用

论文摘要

图像分割(Image Segmentation)是将图像划分成若干具有特征一致性且互不重叠的图像区域的过程。图像分割技术长期以来得到人们的广泛关注和研究。皮肤分割也是图像分割中一个重要的分支,具有重要的意义。皮肤分割(Skin Region Segmentation)在人脸和手势识别与跟踪、Web图像内容过滤、人物检索和医疗诊断等方面有广泛应用。研究表明,尽管不同种族、年龄、性别的人脸肤色看上去不同,但这种不同主要集中在亮度上,在除去亮度的色度空间中,不同肤色分布具有聚类性。由此可见,皮肤分割是可行的。建立动态肤色模型来进行皮肤分割是本文方法的重点。本文提出了椭圆边界模型并设计了椭圆边界增量模型的迭代学习皮肤分割框架。采用椭圆边界统计模型对肤色建模,将建模后的通用模型同具体的图像结合起来,形成一个针对于当前图像的局部模型(特殊模型),利用这个局部模型来对图像进行分割,以实现对特定图像皮肤区域的精确分割。此方法分两个重要的步骤:(1)训练通用的肤色模型,并对当前图像进行初分割;(2)采用增量学习过程,以当前图像数据更新模型以适应于此特定图像,实现对图像的自适应建模,并对人体皮肤区域进行精确分割。总的来说这是一个迭代的学习过程。皮肤的检测和分割的应用非常广泛,本文举例说明了它在人脸定位方面的应用。采用提出的椭圆边界增量模型对图像进行皮肤分割,然后分析皮肤区域的特征,做出决策,以实现对含有人脸图像的人脸区域定位。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 研究的背景和意义
• 1.2 皮肤分割面临的挑战
• 1.3 国内外研究现状和动态
• 1.4 本文的研究工作和论文结构
• 1.4.1 本文的主要研究工作
• 1.4.2 本文的章节内容
• 第二章 皮肤分割概述及应用
• 2.1 皮肤分割技术概述
• 2.3 皮肤分割的应用
• 2.4 统计皮肤模型
• 2.4.1 颜色空间
• 2.4.2 各种肤色统计模型
• 2.5 物理皮肤分割模型
• 2.5.1 肤色反射模型
• 2.5.2 皮肤的波谱特性
• 2.6 本章小结
• 第三章 基于椭圆边界增量模型的皮肤分割
• 3.1 椭圆边界模型
• 3.1.1 椭圆边界模型
• 3.1.2 椭圆边界增量模型
• 3.2 通用模型的训练
• 3.2.1 样本数据的获取和处理
• 3.2.2 模型的参数估计和试验结果
• 3.3 增量模型皮肤分割
• 3.3.1 增量模型概述
• 3.3.2 增量模型皮肤分割框架
• 3.3.3 椭圆边界模型算法及数学原理
• 3.4 试验和结果分析
• 3.5 本章小结
• 第四章 皮肤分割在人脸定位中的应用
• 4.1 人脸识别和人脸定位简述
• 4.2 应用皮肤分割技术进行人脸定位
• 4.2.1 肤色区域的分割
• 4.2.2 肤色区域的预处理
• 4.2.3 模板匹配
• 4.2.4 实验结果分析
• 4.2.5 结论
• 4.3 本章小结
• 第五章 总结和展望
• 5.1 本文工作总结
• 5.2 进一步的研究工作
• 参考文献
• 致谢
• 研究成果