基于matlab的彩图像皮肤区域分割及人脸检测

直条图和直方图图片第一章 引言
近年来,随着人工智能的快速发展，人脸识别技术逐渐成为模式识别与计算机视觉领域的一个研究热点，可用于身份认证、人员监视、图像数据库检索以及目标跟踪等场合。
人脸识别(Face Recognition)是将输入的人脸图像与系统已知人脸库中的模型进行比较,以确定是否存在相匹配的人脸，而人脸检测( Face Detection) 是指在输入图像中确定所存在的人脸的位置与大小，所以快速有效的人脸检测则显得至关重要，是实现人脸识别的前提和基础。
人脸检测系统要求实现对输入的可能包含人脸的图像进行处理,并输出图像中是否存在人脸以及人脸的数目、位置、尺度、位姿等参数信息。传统的人脸检测方法大多是在亮度空间内进行,利用灰度的变化做多尺度空间的全搜索,计算量非常大、效率极低,而在人脸区域中,肤一定是占主导地位的像素彩值，虽然肤因人而异,但经过研究可以发现肤在彩空间中的一定范围内是呈聚类特性的,特别是在排除了光照亮度和在经过变换的彩空间中，利用肤这
一特征可以排除掉在灰度图像中的非皮肤区域，这对人脸检测起到了积极的作用。
第二章 算法理论与实现原理
2.1肤分割理论
肤特征主要由肤模型进行描述，而肤模型的选取与度空间(chrominance space)的选择密切相关。人脸检测常用的度空间主要RGB(红、绿、蓝三基)、rgb(亮度归一化的三基)、HSI(调、饱和度、亮度)、YIQ(NTSC制的光亮度和度模型)、YUV(PAL制的光亮度和度模型)、YCbCr(CCIR601)编码方式的度模型、CIEL(国际照明委员会提出的基于度学的彩模型)等。
另外，用肤模型对肤进行分割分为两个阶段:模型建立与模型运用。模型的建立主要是通过对大量肤像素集进行统计分析，然后确定模型中的参数;对于模型的运用，主要是通过已建立的肤模型来判别所输入的像素或区域是否为肤，或者给出其与肤的相似程度。不论在什么样的彩空间中，肤模型大体上分为四种:区域模型或IF-THEN模型、简单高斯模型、混合高斯模型和直方图模型。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。