基于YCgCr颜色空间光照自适应肤色区域检测.docVIP

基于YCgCr颜色空间光照自适应肤色区域检测 　　摘要:为了校正由于光源颜色变化而引起的图像色彩的偏差，在RGB颜色空间基于Gray World假设，采用颜色平衡方法对输入的彩色图像进行颜色校正;为了有效地检测彩色图像中的肤色区域，采用了新颜色空间YCgCr，并在该颜色空间建立了联合亮度信息和Cg－Cr色度查找表的肤色模型。大量实验结果表明，该模型具有较强的光照适应性，可应用于复杂环境下的彩色图像中的人体肤色区域检测。 　　关键词:肤色模型; RGB颜色空间; YCgCr颜色空间; 肤色检测; 光照自适应 　　中图分类号:TP391.41文献标志码:A 　　文章编号:1001－3695(2008)02－0467－02 　　 　　0引言 　　 　　肤色信息作为人体表面的重要特征之一，在基于彩色图像的人脸检测与跟踪#65380;手势识别和基于内容的不良图像过滤等应用中，起着非常重要的作用。研究表明，人体的肤色在一定的颜色空间内能够聚成一类[1~3]，即在某一颜色空间中，抽取亮度信息后，肤色会收敛于一个小色度区域。肤色在颜色空间中的聚类特性，是基于肤色检测和分割应用的基础，并且它不会因为人体方向#65380;姿势和大小的改变而变化。因此，利用肤色来检测人体皮肤区域是一个快速#65380;可靠的方法。 　　最广泛使用的颜色模型是RGB表示法，在该模型中颜色被定义为由R#65380;G#65380;B三个主分量组成。在该颜色空间中，肤色对光照变化非常敏感，因为在该颜色空间中R#65380;G#65380;B各分量均包含了亮度信息，它们之间存在着很大的相关性，而这种相关性，不利于肤色的检测和分割。因此改变对光照变化敏感的方法就是将RGB颜色空间的图像转换到亮度和色度分离的颜色空间。 　　Carcia等人比较了肤色在YCgCr和VHS颜色空间中的聚类结果[1];Cai等人介绍了在CIE Lab颜色空间中的聚类结果[2]，认为CIE Lab颜色空间比RGB和VHS颜色空间具有更好的认知均匀性。这些方法在某种特定条件下均比较成功，但均未考虑到环境光照对肤色检测的影响。Chai等人假设非肤色区域具有均衡亮度的前提下检测人脸[4]，该方法不适合于复杂背景下的肤色区域检测。 　　本文采用了YCgCr颜色空间建立了肤色模型，并且考虑了光照的影响，能够对于复杂环境下的肤色进行检测，具有较强的适应性。 　　 　　1YCgCr颜色空间 　　 　　文献[5]中比较了九种不同的颜色空间，得出的结论是TSL颜色空间在单高斯模型和混合高斯模型下提供了最好的结果。YCbCr颜色空间[6]具有与人视觉感知的一致性#65380;与TSL颜色空间一样肤色聚类效果好及亮度和色度相互独立的特点，所以YCbCr颜色空间是经常被使用的建立肤色模型的空间。 　　肤色在YCgCr颜色空间比在YCbCr颜色空间具有更好的聚集性，因此本文采用了一种基于YCbCr的新颜色空间YCgCr。YCgCr颜色空间类似于YCbCr颜色空间，是离散的颜色空间，来源于国家电视标准委员会制彩色电视信号的传输。其中:Y代表图像的亮度信息，Y∈[16，235];Cg和Cr分量代表颜色信息，Cg，Cr∈[16，240]。该颜色空间将RGB分解成亮度信息和色度信息，分别进行处理。其转换公式如下: 　　 　　2颜色平衡及自适应肤色模型的建立 　　 　　2.1颜色平衡介绍 　　在肤色区域检测的方法中，大多数方法只考虑了白色光源，在有色光源的情况下，均不能正确检测到肤色区域，从而会影响基于肤色检测的后续工作。当光照发生变化时，Y#65380;Cg和Cr色度分量较标准图像会发生位置偏移，其范围也发生变化，如图1所示。 　　要使肤色检测模型能够适应光源颜色的变化[7]必须要进行光照补偿及颜色平衡校正。颜色平衡过程:决定特定场景的光照强度，然后调整图像的红#65380;绿#65380;蓝三个分量的强度，恢复图像场景的原始颜色特征。对于大多数图像来说，不能精确决定环境的光照条件，所以本文采用Gray World假设方法[8]对彩色图像进行颜色平衡。 　　颜色平衡方法具体计算步骤如下:a)计算图像的R#65380;G#65380;B三分量各自的总和，sumR#65380;sumG#65380;sumB;b)计算R#65380;G#65380;B各分量的调整系数，令aR=sumG/sumR，aG=sumG/sumG=1，aB=sumG/sumB;c)利用调整系数调整图像的R#65380;G#65380;B三分量值:R=R×aR;G=G×aG;B=B×aB;d)将调整后图像的R#65380;G#65380;B三分量值大于255的值调整为255。 　　2.2自适应肤色模型的建立 　　G