偏好肤色的获取与再现研究

目的基于人眼长期观察实践对色彩形成的认知以及识别肤色时的主观偏好记忆性,对偏好记忆的肤色进行获取以及再现。方法选取代表人群拍摄肤色数据,并通过心理物理试验获取偏好肤色数据库,采用YCb Cr空间建立椭圆模型对肤色和偏好肤色分布进行模拟。利用椭圆模型,提出一种基于仿射变换的偏好肤色再现算法。结果实现了输入图像中肤色到偏好肤色的转换和再现,并使用瑟斯顿成对比较法对仿射变换再现算法和其他算法的再现效果进行了评价。结论算法具有较高的观察者偏好度,更符合人们的主观感受,肤色再现效果较好。

如意黄金散联合地塞米松对非哺乳期乳腺炎患者创周肤色及垂体泌乳素水平的影响

目的 探究如意黄金散联合地塞米松对非哺乳期乳腺炎(NPM)患者创周肤色及垂体泌乳素(PRL)水平的影响。方法 选取2021年10月至2022年9月湖北省武汉市中心医院收治的88例NPM患者作为研究对象,按照随机数字表法将患者分为对照组和观察组,各44例。对照组给予地塞米松局部注射治疗,观察组在对照组基础上给予如意黄金散局部贴敷治疗,2组均治疗1个月。比较2组治疗前后临床症状评分、PRL水平及总有效率。结果 治疗后,2组乳房肿块、痛感、创周肤色、创周肤温评分均低于治疗前,且观察组均低于对照组(均P<0.05);2组血清PRL水平均低于治疗前,且观察组低于对照组[(382±101)mU/L比(542±142)mU/L](均P<0.001)。观察组总有效率高于对照组[88.6%(39/44)比70.5%(31/44)](P=0.034)。结论 如意黄金散联合地塞米松对NPM具有良好的疗效,可显著改善患者临床症状,降低PRL水平。

一种改进的自适应肤色检测算法

针对H su R L的肤色检测方法的不足,提出了一种改进的自适应肤色检测算法。用白平衡算法取代了H suR L的光线补偿方法,从而较好地解决了由光照引起的图像彩色偏移,使得检测结果更加稳健。在H su R L的统计模型的基础上,提出了一种自适应检测算法,该算法根据肤色值在非线性变换后的色度空间的二维直方图分布,自动确定肤色模型的位置,从而能更加准确地描述肤色在一幅图像中的分布情况。并将该算法用于彩色视频图像中的人脸检测,实验结果表明,该算法比H su R L的方法更能取得满意的检测效果。

肤色信息在人脸检测中的应用

基于肤色信息的人脸检测方法能快速获得所有可能的候选人脸,把经过光线补偿处理后的彩色图像从RGB转换到YCbCr色彩空间,根据实验获得的最佳阈值进行肤色分割,快速获得所有可能的候选人脸。对候选人脸作形态学处理及人脸区域标定,最终确定人脸区域。实验结果表明,基于肤色的人脸检测方法能快速的区分人脸区域和背景区域,将人脸区域标定在一个白色的矩形框内,具有良好的检测效果。

基于非接触式漫反射光谱的人体肤色检测研究

当前有许多肤色检测技术出现,但在环境光变化的情况下很难检测出肤色。为了准确的检测肤色,本文提出了一种基于非接触式漫反射光谱的肤色检测方法,利用非接触式测量装置采集人体皮肤的漫反射光谱数据并将其作为测试样本,以采集的标准色卡的皮肤色号作为参考样本,随后建立支持向量机分类模型训练测试样本和参考样本,为测试样本定标色号,最后模型定标准确率达到了93.5%。结果表明,基于非接触式漫反射光谱的人体肤色检测,能够极大地提高肤色检测的准确性。

结合知识规则和多分辨率分级模型的快速肤色检测算法

为了快速进行肤色检测 ,根据肤色高斯分布特征建立了由一系列肤色先验知识规则组成的肤色知识库 ,并提出了一种多分辨率分级肤色检测模型 ,将两者相结合从而在空间域建立了一种融合多级分辨率肤色检测结果的快速肤色检测算法 实验结果表明 ,这种快速肤色检测算法的肤色检测效果与直接肤色检测方法相当 。

竹丝鸡屠宰体重和肤色指标相关性分析

为了研究竹丝鸡屠宰体重与肤色性状指标间的相关性,试验选取第8世代1日龄N611品系竹丝鸡337只(公鸡165只、母鸡172只)为研究对象,测定63日龄公鸡和70日龄母鸡的屠宰体重,同时利用色差仪测定公母鸡肩部、背部、翅下、尾椎、胸部和颈部肤色L^(*)、a^(*)、b^(*)值,对上述指标及屠宰体重间的相关性进行了研究。结果表明:竹丝鸡母鸡肩部、翅下、尾椎、胸部、颈部肤色L^(*)值均显著或极显著小于公鸡(P<0.05或P<0.01),提示母鸡总体肤色比公鸡黑;竹丝鸡胸部肤色L^(*)值与屠宰体重呈显著正相关(P<0.05),相关系数为0.140,各部位肤色L^(*)值间呈极显著正相关(P<0.01);背部肤色a^(*)值与屠宰体重呈显著负相关(P<0.05),相关系数为-0.119;各部位肤色b^(*)值与屠宰体重相关性不显著(P>0.05)。说明在竹丝鸡育种过程中可以将胸部肤色L^(*)值作为辅助选育指标以加快育种进展。

贵州省不同品种乌骨鸡各部位肤色对比分析

旨在探讨贵州省4个地方乌骨鸡品种的肤色差异及其原因。选择普安乌金鸡、乌蒙乌骨鸡、赤水乌骨鸡和黔画乌鸡各60只(公母各半),使用3nh色差仪测量背部肤色、翅下肤色、胫色和鸡冠色,记录色差仪中亮度(L^(*))值、红度(a^(*))值、黄度(b^(*))值并进行统计分析。结果:各部位的L^(*)值显著相关(P<0.05),鸡冠的L^(*)、a^(*)、b^(*)值与几个部位的肤色具有显著差异(P<0.05),普安乌金鸡背部和翅下的L^(*)值显著低于其他3个品种(P<0.05),乌蒙乌骨鸡鸡冠的a^(*)值最高(P<0.05),黔画乌鸡4个部位的b^(*)值均较大。综上,鸡冠色与其他3个部位肤色差异较大,在贵州地方乌骨鸡品种中普安乌鸡肤色背部和翅下肤色最乌,乌蒙乌骨鸡鸡冠色偏红,黔画乌鸡肤色偏黄。

改进的高斯肤色模型及其在人脸检测中的应用

针对传统高斯肤色模型在肤色和光照变化较大情况下不能有效提取肤色区域的问题,提出一种改进的高斯肤色模型,并将其应用于人脸检测中。模型参数采用一种自适应更新的参数选择方法,通过对相似度人脸和灰度人脸在对应像素点加权相乘的方式,得到将肤色相似度信息和灰度分布信息有效结合的人脸肤色模型,并结合Adaboost算法设计了人脸检测方法。在FERET(facial recognition technology database)、LFW(labeled faces in the wild)、GTFD(Georgia Tech face database)和多人脸图库上的实验结果表明,该模型的肤色提取正确率比传统高斯肤色模型提高了27.1%,提出的人脸检测方法的检测率比Adaboost算法提高了5.5%。

HSV空间中具有调整因子的肤色增强方法

为使显示器件所显示的肤色符合人们的喜好色,提出了一种基于喜好色,且具有权重调节因子的肤色增强方法。该方法首先通过心理学实验分析确定了肤色和喜好色在HSV色彩空间中的分布,得到肤色和喜好色在HSV彩色空间分布的简化模型;然后对肤色增强中的彩色畸变和反转进行了分析,利用肤色增强调整因子来抑制彩色畸变和反转;最后根据肤色和喜好色区域的偏离程度,自适应调节肤色的增强幅度。仿真和显示实验结果表明,增强后的肤色不同程度地逼近喜好色的区域,不存在彩色畸变和反转,符合视觉和心理的先验理解。

一种基于KL变换的椭圆模型肤色检测方法

肤色检测是计算机视觉中的一个重要问题,该文提出了一种新的基于KL变换的椭圆模型肤色检测方法。算法首先对训练肤色样本进行了分布均匀化处理,然后以KL变换为基本工具最终得到了肤色分布区域的椭圆边界方程。方法简单直观。实践表明,该算法能完成对各种不同环境条件下所拍摄图像的肤色分割,效果理想,其性能明显优于常用的域值界定法和单高斯模型法。

肤色相似度和动态阈值相结合的肤色分割技术

为了提高人脸检测的速度与性能,提出一种基于肤色相似度与动态阈值相结合的肤色分割方法。首先在YCgCr颜色空间计算肤色相似度,然后给出一种基于类间方差和类内离散度相结合的动态阈值确定方法,根据求得的动态阈值进行肤色分割,并对肤色分割后的二值图像进行滤除噪声处理。实验结果表明该方法改善了肤色分割性能,能够在复杂背景下实现肤色区域的精确分割,从而提高了人脸检测的速度和性能。

复杂光照下的人脸肤色检测方法

复杂光照对人脸肤色检测具有重要影响。在YCbCr颜色空间建立复杂光照条件下的人脸肤色模型,然后利用该模型检测人脸图像的肤色区域,并对检测结果利用4-连通区域的几何特征消除非人脸区域,最后利用连通元复原误检的人脸肤色区域。实验结果表明,该方法可以实现复杂光照下人脸肤色区域的准确检测。

肤色检测技术综述

肤色检测在人脸和手势识别与跟踪、Web图像内容过滤、数据库或因特网中的人物检索和医疗诊断等方面有广泛应用.文中通过分别介绍基于统计和基于物理的两类肤色检测技术,较全面地综述了肤色检测技术,其中对颜色空间选择、静、动态肤色建模方法、肤色反射模型和肤色波谱特性等肤色检测重要环节做了分析,明确了选择颜色空间与特征提取和分类方法的联系,强调了研究肤色波谱特征对基于物理的肤色检测技术的重要性.最后探讨了肤色检测的技术难题和发展趋势.

一种可变光照条件下的肤色检测算法

肤色是人体表面最为显著的特征之一,可应用于人脸检测与跟踪、手势识别等,肤色检测算法在其中居于关键地位。该文提出了一种可变光照条件下的肤色检测算法,首先在YCbCr颜色空间从大量肤色样本中统计出肤色模型,考虑了在高亮度区和低亮度区肤色色度(Cb,Cr分量)与亮度(Y分量)非线性相关;其次,使用一种彩色均衡技术消除由光照引起的色彩偏移。该算法可适用于较广范围的光照条件,可应用于复杂环境下的人脸检测、手势识别等。

改进肤色模型和光流算法的人脸检测方法

人脸检测具有很高的实际应用价值,例如在身份识别、视频监控等领域的应用也越来越广泛,其检测的方法多种多样。为解决视频序列中的人脸检测问题,总结了肤色模型和光流算法的优缺点,融合二者优势,提出了改进的基于肤色模型和光流算法的人脸检测算法。该方法在一定程度上解决了人脸旋转、部分遮挡、表情变化和光照对人脸检测和跟踪的影响,具有较强的鲁棒性。

基于特征人脸和肤色统计的人脸检测

提出一种在视频中检测人脸的新方法,该方法首先用特征人脸检测第一帧画面中人脸的位置和大小,将它作为卡尔曼(Kalman)滤波的初始值和肤色分布统计的训练样本,然后利用卡尔曼滤波预测人脸,最后用肤色分布模型确定人脸,就可以检测到人脸。这种方法的优点是可以在复杂背景下快速准确地检测到人脸位置和大小。实验结果表明使用该方法可以实时准确地检测到视频中的人脸。

基于肤色模型的人脸检测

人脸检测过程中易受到面部细节、形状、表情、姿态等影响,肤色特征作为人脸中最具有识别性的信息之一,具有相对稳定性。文中基于肤色模型实现人脸检测与标记,在YCbCr色彩空间构建肤色模型,通过光线补偿消除肤色提取过程中光照不均匀、亮度变化等环境因素的影响,基于形态学滤波滤除非脸部区域的噪声,结合人脸区域的几何特征最终实现人脸定位并框选标记。在光照不均、有遮挡、大角度等多种情况下,人脸图像测试结果表明,所实现的算法能够较好地实现人脸检测与定位。

中国7个大区女性肤色测定和分级研究

为了探索中国女性肤色分布情况,利用同一型号的皮肤影像分析系统测量东北、华北、华东、华南、华中、西北和西南7个大区共10200名受试者的面部皮肤颜色。分析了这些样本在CIELAB色彩空间中的分布情况。并分析了多个色彩指标(L^(*)a^(*)b^(*)、ITA°、Hue、RGB、HSV)之间的相关性,最后选取了相关性较低的ITA°和Hue来绘制一个二维平面用于展示该7个大区样本的聚类结果。采用了潘通肤色指南对该7个大区的样本进行了归类。最后通过改进kmeans算法在肤色聚类中的应用将样本分为9类,并对样本进行了归类。结果表明,全国整体分布方面,本次采样中没有观察到皮肤颜色分级(skin color categories)的Ⅵ型的样本,大部分样本属于Ⅲ型和Ⅱ型;在剔除样本数少于100(总样本量的1%)的色号后,仅观察到潘通肤色指南12个色号,其中4Y07的样本最多;聚类划分中,聚类分类4观察到的样本最多,聚类分类8样本最少。区域分布方面,从ITA°和Hue的分布来看:东北肤色最浅最黄,西南大区肤色最红;潘通肤色指南显示,西南肤色色调最偏红(红调占比10.78%),华南皮肤色调最偏黄(红调占比5.73%);聚类划分显示,各大区聚类分类4的人数均是最多的;聚类分类8均是最少的。在各大区内部,各聚类分类占比最高的分别是东北(聚类分类0)、西南(聚类分类1)、华中(聚类分类2)、华北(聚类分类3)、华南(聚类分类4、6、7、8)和西北(聚类分类5)。

基于YCgCr颜色空间的光照自适应的肤色区域检测

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GrayW orld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。