脸部美化的自适应算法研究.doc

脸部美化的自适应算法研究 周芹芹，郑朝晖 (武汉理工大学 理学院, 湖北 武汉 430070) 摘 要: 通过人脸特征的检测和识别对图片中人物脸部进行自动美化处理，利用搜索算法用颜色空 间、空域和连通性来自动准确定位人脸和头发等特征区域，然后通过人脸的自适应美白和磨皮进行脸部 美化．该方法解决了边界难处理的问题，将有助于人脸的自适应美化处理各特征区域． 关键词: 特征检测；空域；自适应；美化 中图分类号：TP391.4 文献标志码：A 文章编号：1673-0143 2011 01-0049-05 适 应 美 化 处 理． 该 算 法 具 有 不 受 人 脸 位 置 、 姿 势、表情等因素影响和自适应的优点． 引言 0 人脸识别处理是机器视觉和模式识别领域最 富有挑战性的课题之一，目前主要应用在公安、 金融、网络安全、物业管理以及考勤等领域，但 在智能化图像美化处理系统方面的研究并不多， 如同 Photoshop、PacisR、NoiseNinja 等图像处理软 件也多为手动处理，智能化处理还不完善．本文 通过自动检测和识别人脸特征对人物头像进行自 人脸及头发定位算法 1 人脸的肤色及头发在颜色空间中的分布相对 比较集中，满足一定的分布规律．利用这一特点 可以根据一定阈值进行肤色及头发分割．肤色及 头发分割的算法结构图如图 1 所示． 图 1 肤色及头发分割结构图 在 RGB 空间中的一幅人脸图像，若图像中的像 素满足如下条件 2 ，属于肤色范围： R 95, G 40, B 20, 1. 1 人脸肤色分割 为了确定肤色像素的取值范围，需要收集大 量人脸图片进行实验，并采集人脸肤色区域像素 点，观察其在色度空间的分布规律，求出每个像 素的 RGB 值以寻求像素的统计特点．如 Jebara 等 1 采用高斯混合模型 （GMM, Gaussian Mixture Model） 表示人脸肤色 R、G、B 各分量的统计分 布，通过阈值比较判断像素是否为人脸像素． 通过研究发现肤色分布 有一定的统计规律． ( 1 ) max R, G, B min R, G, B 15, R G 15, R G, R B. 根据（1） 式给出的阈值条件，将人脸分割为 肤色和非肤色区域．将满足条件的像素点赋值为 1，否???赋值为 0．肤色分割算法的流程图如图 2 所 示，处理结果如图 3 所示． 图 2 肤色分割算法流程图 读入彩色图像 取各分量值 判断是否为肤色 否 像素 z i, j 赋值为 0 是 像素 z i, j 赋值为 1 输入原始图像 确定阀值 肤色、头发分割 输出分割结果  图 3 肤色分割对比效果图 Y = 0. 30*R + 0. 59*G + 0. 11*B, 1. 2 头发分割 ( 2 ) 为了确定头发像素的取值范围，同样需要采 集头发区域像素点，观察其在色度空间的分布规 律 ． 通 过 研 究 发 现 头 发 颜 色 分 布 有 一 定 统 计 规 律，在 RGB 空间中的一幅头发图像，若图像中 的像素满足如下条件属于头发范围： Y 70. 根 据 （2） 式给 出的 阈 值条 件 ，将 图像 分 割 为头发和非头发区域．将满足条件的像素点赋值 为 2，否则赋值为 0．头发分割算法的流程图如 图 4 所示，处理结果如图 5 所示． 图 4 头发分割算法流程图 图 5 头发分割对比效果图 1. 3 空穴去除非脸部和头发 空穴是由一种颜色背景区域包围起来的其他 颜色区域．空穴检出的对象通常是两种颜色的二 值图像 3 ．算法的思想如下： 步骤 1 将所 有的背景像 素赋 0，所有 空穴 像素赋 1，空穴数置 0． 步骤 2 寻找一个空穴的开始像素(值为 1)， 并将其值改为当前空穴数，存储，空穴数增加 1． 步骤 3 所有像素正向搜索 ( 向右向下)．找 到值为 1 的像素 ( 表示没有被搜索过)，正向搜 索 其 周 围 有 没 有 值 为 当 前 空 穴 数 的 像 素 ． 如 果 有，将当前像素值赋以空穴数的值，再继续搜索． 步骤 4 所有像素反向搜索 ( 向左向上)．找 到值为 1 的像素 ( 表示没有被搜索过)，反向搜 读入彩色图像 取各分量值 判断是否为头发 否 像素 y i, j 赋值为 0 是 像素 y i, j 赋值为 2  有，将当前像素值赋以空穴数的值，再继续搜索． 步骤 5 如果正向和反向均搜索完毕且没有 值为当前空穴数的像素，表示当前空穴所有像素 已被遍历，转步骤 2． 步骤 6 如果步骤 2 中没有寻找到开始像素， 表示所有的空穴已被遍历． 利用空穴检