版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、本文研究了圖像分割的相關(guān)算法,包括基于膚色的圖像分割、橢圓輪廓的快速檢測(cè)、基于Snake的輪廓檢測(cè)、基于PCA的邊緣檢測(cè)、基于像素幾何特性的連續(xù)邊緣抽取等,并將它們用于人臉自動(dòng)檢測(cè)。 彩色圖像處理中,顏色一直是區(qū)分不同目標(biāo)的重要依據(jù)。顏色空間有多種,基于RGB的三基色空間是用三個(gè)通道表示每個(gè)像素的顏色,三個(gè)通道是相互獨(dú)立的,像素的亮度信息與色彩信息混合在一起,顏色之間是無(wú)序的,無(wú)論怎樣規(guī)定順序,從視覺(jué)上來(lái)看,相鄰顏色之間也難以做
2、到保持相關(guān)性。正因?yàn)槿绱?,為了分離色彩和亮度,使得顏色能夠相對(duì)有序,提出了很多顏色空間,如HSV、HSB、HSL、YCrCb、Lab、XYZ、YUV等。這些顏色空間都是企圖將色彩從三維降到二維,將亮度與色彩分離,雖然每種空間在一定范圍內(nèi)能夠適用,但都還不能夠具有通用性和徹底性。從三維變換到二維本身就是有損變換,不可能做到一一對(duì)應(yīng),所以這樣的空間與RGB空間相比,顏色集小了;每種空間也不可能完全分離顏色和亮度,用二維數(shù)據(jù)表示顏色,顏色之間
3、也還不是線(xiàn)性有序的。本文在顏色排序方面做了一些分析和嘗試。 膚色處理是彩色圖像處理中的一個(gè)分支,處理與人體相關(guān)的圖像,使用膚色分割可以提高圖像分割的速度。盡管任何一個(gè)膚色模型都不能包含所有狀況下的膚色,但每一種模型在實(shí)用中都有著自身的優(yōu)勢(shì)。本文在分析了顏色排序和各種膚色模型的基礎(chǔ)上,提出了一個(gè)融合色彩和亮度的三維球形膚色模型,并用實(shí)驗(yàn)證明了模型的實(shí)用性。 人的臉、各種球、車(chē)輪等自然界的很多物體都是圓形的,圖像處理中,橢圓
4、的識(shí)別和檢測(cè)也是常用的算法。本文提出了一個(gè)在彩色圖像中快速抽取橢圓的算法,并在人臉檢測(cè)中檢驗(yàn)了它。確定一個(gè)橢圓需要5個(gè)參數(shù),圓心橫坐標(biāo)、縱坐標(biāo)、主軸、輔軸、旋轉(zhuǎn)角度,很多算法都是用Hough變換找這5個(gè)參數(shù),計(jì)算量大,而且不能檢測(cè)非完整橢圓。本文提出的橢圓檢測(cè)算法從橢圓的幾何特性出發(fā),對(duì)分割出的區(qū)域抽取輪廓,計(jì)算區(qū)域的質(zhì)心作為區(qū)域中心點(diǎn),根據(jù)主輔軸的正交特性確定軸長(zhǎng)和旋轉(zhuǎn)角度,得到理想橢圓,最后將輪廓與理想橢圓擬合,確定區(qū)域是否是橢圓。
5、實(shí)驗(yàn)中將本文算法與Hough變換算法作了比較,本文算法要快于傳統(tǒng)的FEHT(Fast Ellipse Hough Transform)算法。 基于二階統(tǒng)計(jì)特性的主分量分析(PCA)方法,通常是用于人臉識(shí)別中,本文利用它的數(shù)據(jù)聚合方向和分列處理的幾何方向性,將它用于邊緣檢測(cè)。用PCA抽取矩陣特征值時(shí),是在數(shù)據(jù)集中尋找一組正交的投影軸,投影數(shù)據(jù)最密集的那條軸就是第一主分量,也是數(shù)據(jù)聚合的主方向;矩陣中的數(shù)據(jù)是按行列存放的,為了聚合數(shù)
6、據(jù),需選擇能將盡量多的相似數(shù)據(jù)聚在一起的投影方向,這就說(shuō)明PCA總是從數(shù)據(jù)集中找相似數(shù)據(jù)子集,每個(gè)子集內(nèi)的類(lèi)內(nèi)離散度要最小,即數(shù)據(jù)要相似,反映在圖像上,就是灰度值要一致,當(dāng)用部分主分量近似表示數(shù)據(jù)集時(shí),圖像中的大塊灰度平滑區(qū)域就能被抽取出來(lái),與較大特征值對(duì)應(yīng)的特征向量就是由灰度平滑區(qū)域的數(shù)據(jù)構(gòu)成的?;赑CA的邊緣檢測(cè)方法檢測(cè)到的邊緣沒(méi)有Canny算法細(xì)致,沒(méi)有Sobel算法準(zhǔn)確,但與人的視覺(jué)感受比較接近。沿著這一思路深入研究,基于高階
7、統(tǒng)計(jì)特性的獨(dú)立成分分析(ICA)、線(xiàn)性鑒別分析(LDA)等方法也應(yīng)該同樣可以用于圖像處理的低層操作中。 Snake算法是動(dòng)態(tài)輪廓抽取中智能化程度較高的算法。它將蛇的生理特征引入到圖像處理中,用圖像的不同特征代替蛇爬行時(shí)的前進(jìn)力和身體張力,在一定條件下能夠成功地獲得凹凸輪廓。由于該算法會(huì)受到起始點(diǎn)和收斂性的影響,很多人提出了改進(jìn)算法。本文提出利用圖像的相鄰像素點(diǎn)顏色特征改進(jìn)圖像力,使得Snake算法可以直接在彩色圖像上實(shí)現(xiàn)。
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 圖像分割和邊緣檢測(cè)方法在昆蟲(chóng)圖像中的應(yīng)用.pdf
- 顯著性檢測(cè)方法及其在黃瓜病害圖像分割中的應(yīng)用研究.pdf
- 序列圖像分割中的邊緣檢測(cè)方法研究及其在相控HIFU中的應(yīng)用.pdf
- 基于水平集的圖像分割方法研究及其在醫(yī)學(xué)圖像中的應(yīng)用.pdf
- Gabor ASM及其在人臉?lè)指钪械膽?yīng)用.pdf
- 水平集方法及其在圖像分割中的應(yīng)用研究.pdf
- 圖像分割及其在圖像深度估計(jì)中的應(yīng)用.pdf
- 醫(yī)學(xué)圖像分割算法研究及其在骨分割中的應(yīng)用.pdf
- 圖像分割的水平集模型及其在醫(yī)學(xué)圖像分割中的應(yīng)用研究.pdf
- 彩色圖像分割及其在圖像檢索中的應(yīng)用.pdf
- 圖像特征提取方法及其在人臉識(shí)別中的應(yīng)用.pdf
- SAR圖像中目標(biāo)分割及其邊緣檢測(cè)方法的研究.pdf
- 醫(yī)學(xué)圖像分割方法研究及其應(yīng)用.pdf
- 水平集方法在圖像分割中的應(yīng)用研究.pdf
- 圖像邊緣檢測(cè)算法及其在交通視頻分割中的應(yīng)用研究.pdf
- 圖像分割中的邊緣檢測(cè)方法研究.pdf
- 基于膚色分割的彩色圖像人臉檢測(cè).pdf
- 不良圖像中的人臉檢測(cè)方法研究.pdf
- 免疫規(guī)劃及其在圖像分割中的應(yīng)用研究.pdf
- 聚類(lèi)分析及其在圖像分割中的應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論