基于YCbCr和帧间差分法的火焰分割算法

为了提高森林火灾的火焰检测效率和准确率,提出一种融合YCbCr和三帧差分法森林火焰前景提取算法。首先通过三帧差分算法对视频进行分帧处理,利用形态学进行去噪处理,再计算两帧参考帧和当前帧之间像素点的位置差异,得到像素点在参考帧中的位置和在当前帧中的位置之间的偏移量,从而分割出不断变化的火焰,结合YCbCr算法来进一步分割火焰疑似区域,达到精细化分割的目的。实验结果表明:所提方法克服了单个算法对火焰分割精度不高的缺点,可以较好地完成火焰分割,达到预期要求。

基于YCbCr模型的巷道监控中矿工脸部图像识别

矿工脸部区域的分割对于快速检索煤矿监控图像存档资料中矿工图像有十分重要的实际意义。在典型监控角度方向采集了巷道中矿工的监控图像。为了在低照度的巷道监控图像中分割矿工的脸部,研究了在YCbCr颜色模型的各分量中矿工脸部肤色的统计特征;在Cr分量空间,采用统计上限和下限阈值的方法分割出肤色区域像素和相似色度的背景像素;对脸部区域的二值图像进行邻域平滑处理和再次分割,大幅度降低背景像素的影响,缩小脸部区域的范围。试验结果表明,该方法计算简单、速度快,能成功地分割巷道监控图像中的脸部区域。

基于YCbCr模型和传统ARQP算法的信息隐藏算法

针对传统抗原始快速配对(ARQP)算法的不足,该文以YCbCr模型和传统的ARQP算法为基础,结合亮度Y和RGB三色分量的关系转换公式,给出了ARQP改进算法——AR-QP213。该算法利用HVS对于不同颜色敏感程度的差异,在保证图像质量的情况下尽可能地扩展ARQP密写的颜色空间。与原ARQP算法相比,改进算法具有时间复杂度低、对载体图像质量影响小、抵抗原始快速配对(RQP)攻击能力强等优点。

基于YCbCr空间与KL变换结合在人脸检测中的应用

本文针对简单背景下的彩色单人脸图像,将YCbCr色彩空间与KL变换结合起来构成一个基于实际应用的人脸检测系统,并对复杂背景和多人脸图像的情况下的检测进行了一定的探讨.

基于YCbCr的自适应混合高斯模型背景建模

混合高斯模型是最常用的背景建模方法之一,但是它的精确度是以耗时为代价的,且它在RGB颜色空间进行背景建模时,对噪声的处理效果一般。因此,对混合高斯模型进行改进,提出了一种基于YCbCr的自适应混合高斯模型背景建模方法。首先,将建模颜色空间从RGB转换到YCbCr;然后,采用自适应选择策略来确定混合高斯模型的高斯成分个数;最后,将高斯成分按照关键字的值进行排序,以确定背景模型。将提出的建模方法应用于运动目标检测,实验结果表明,提出的方法与混合高斯模型背景建模相比,运动目标检测的检测结果更准确,耗时更少。

融合YCbCr肤色模型与区域标记的人脸检测算法研究

由于肤色在YCbCr空间中有较好的聚类性,选取YCbCr肤色模型进行人脸检测。首先将视频序列图像转换到YCbCr空间,通过YCbCr肤色模型进行肤色分割,提取肤色区域,排除大部分非肤色区域的干扰;然后采用形态学处理,进行区域标记,排除不连通区域,同时结合人脸面积排除非人脸面积区域。最后,结合人眼、嘴巴等特征进行定位,从而准确定位人脸。实验表明,该方法具有一定的鲁棒性。

基于YCbCr肤色模型和SNOW分类器的人脸检测

人脸检测是人脸识别的首要步骤,在人脸识别领域有重要的应用价值。基于YCbCr彩色空间,提出一种RGB彩色图像的人脸检测方法。该方法利用YCbCr肤色模型进行肤色分割,得到类肤色区域作为侯选人脸区域;结合split up Sparse Network OfWinnows(SNOW)分类器准确定位人脸的位置应用matlab编程技术对多组图像进行实验,结果表明,该方法适用于复杂条件下的人脸检测,并且不受人脸表情的限制,对于多人脸检测同样适用。

基于YCbCr色彩空间下的人脸检测与识别

文章基于YCbCr色彩空间理论,建立二维高斯模型将样本图片转换成肤色似然图,并对其进行腐蚀、膨胀处理,得到人脸区域;将训练好的弱分类器组成强分类器,进一步组成级联分类器,结合Adaboost算法,最终确认样本图片的人脸区域。

基于YCbCr空间肤色自适应分割方法

针对现有人体肤色区域分割方法在变化的光照、复杂的背景环境下鲁棒性差、精确度不高的问题,提出一种肤色自适应分割方法。首先将图片转化到改进的YCbCr颜色空间获取待分割肤色图,在变化的光照下获取肤色像素信息。然后在YCbCr颜色空间的(Cb-Cr)空间建立椭圆边界肤色模型,并建立(Cr-Cb)肤色灰度直方图,在二维灰度直方图上确定肤色大致位置,过滤掉大部分背景干扰。最后在灰度投影直方图上用高斯函数拟合得到精确的动态肤色范围,去除类肤色干扰。实验结果表明,该算法能够在变化的光照下对肤色进行自适应分割,在复杂背景下也有较好的分割效果。

融合肤色模型与小波变换的人脸检测算法

针对目前人脸检测误检率高的问题,提出了一种融合肤色模型与小波变换的新算法.该算法采用肤色模型确定人脸的可能位置,然后分别对人眼和嘴巴进行检测,最终确定人脸位置.其中眼睛位置在小波变换后根据几何位置进行检测,嘴巴位置采用Fisher分类器检测.这一新算法实现了在复杂背景中单人脸快速、准确定位.与传统的YCbCr肤色模型检测算法相比,新算法将颜色空间与小波变换、Fisher分类相结合,提高了检测精度.实验表明,该算法的正确检测率为91%,误检率仅为2%.

基于混合高斯模型的阴影去除算法

阴影去除是智能视频领域中运动目标识别的一项重要内容,其结果直接影响目标识别的准确性。针对当前基于纹理特征的阴影去除算法的不足,提出一种结合YCbCr颜色空间和混合高斯模型(GMM)的阴影去除算法。首先利用混合高斯模型提取出运动区域;然后通过分析运动区域的前景和背景在YCbCr颜色空间的差值统计特性,建立混合高斯阴影模型;最后根据高斯分布的概率分布规律,得到阴影分布特性,从而实现对阴影的去除。对于实验中的序列图像,所提算法有70%以上的阴影检测率。实验结果表明,所提方法能够在不同的场合快速有效地去除阴影,准确地提取运动目标。

基于矢量运算的彩色图像边缘检测算法

在矢量运算基础上提出一种加权的矢量相似度彩色图像边缘检测法,给出了算法思想和计算步骤,并进行了验证。该算法首先将彩色图像转换到YCbCr颜色模型并构造像素的矢量表达,然后利用矢量欧氏距离计算像素间的相似度分布,相似度具有局域最小特征的点即为边缘。该算法通过颜色模型转换实现亮度和颜色分离,从而可以引入权值控制亮度和颜色对边缘的贡献。实验结果表明,矢量空间相似度可以很好地表达图像边缘,亮度和颜色分离的方式也有利于彩色图像的边缘检测。

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。

一种实用监控系统的人脸检测定位算法

对基于监控系统中彩色图像的人脸检测与定位方法进行了探讨,利用颜色对方向的不敏感来减少人脸区域的搜索范围,将颜色空间与Hough变换相结合实现人脸定位.首先在颜色空间YCbCr上建立肤色模型,并对肤色区域进行初步检测,然后利用自适应模糊Hough变换检测瞳孔所在的圆心,从而实现对人脸区域的精确定位.在Georgia Tech彩色人脸数据库上的实验结果表明:该方法能够较好地检测肤色偏黄的人脸,并且在人眼的定位阶段平均用时为0.1秒,满足数字监控中实时性的要求.

基于肤色模型和背景差分的手指区域分割方法

为了提高基于计算机视觉的人机交互系统中触控手指区域分割的性能和精度,提出了一种基于肤色模型和背景差分的手指区域分割方法。首先,根据肤色的聚类特征,在YCb Cr色彩空间上建立肤色模型,对手指区域进行肤色分割;随后加入自适应更新的背景差分法摒除图像中光照度和背景颜色的干扰。实验结果证明:该算法在复杂背景下分割手指区域具有较高的准确性和实时性,能应用在嵌入式环境中。

基于彩色人脸模板的人脸检测算法

针对目前基于色彩的人脸检测只能用于人脸区域的粗检这一不足,提出一种利用人脸的五官位置及色彩信息建立彩色人脸模板的算法。采用光照补偿对图像进行预处理,利用YCbCr空间中的肤色模型进行粗检,确定出人脸候选区域,利用建构好的模板进行搜索比对定位出人脸。实验结果表明该方法对不同光照环境和复杂背景的图片均有较好的适应性,检测精度也得到了提高。

结合颜色先验信息和CV模型的火焰图像分割

火灾图像通常背景复杂且含有形式多样的噪声,使得难以实现火焰图像的精确分割。为此,提出一种基于改进的Chan-Vese(CV)模型的火焰分割算法。首先,在YCbCr颜色空间构建火焰像素的统计模型对火灾图像进行粗分割,以确定CV模型初始轮廓曲线;然后利用局部自适应加权平均计算目标和背景区域的拟合中心,以抑制噪声带来的计算误差;最后通过加窗滤波处理来提高CV轮廓曲线演化的收敛速度,减少冗余轮廓,从而提高分割效率。实验结果表明:新算法的性能要优于其它同类算法和基本CV模型,能快速准确地分割出火焰区域,误分率低于1%。因此,新提出的火焰分割算法是有效的。

基于YC_bC_r颜色空间的背景建模及运动目标检测

高斯混合模型广泛应用于基于背景建模的运动目标检测中。首先在YCbCr颜色空间采用自适应高斯混合模型对背景的每个像素建模;然后,对输入的当前帧图像的每一像素值与该像素点对应的高斯混合背景模型的各个高斯模型进行比较,将前景运动区域(包括运动目标、投射阴影)从场景中提取出来;最后,采用局部二元图(Lo-cal Binary Pattern,LBP)来提取纹理特征,利用背景在阴影覆盖前后的纹理相似性去除投射阴影,同时结合阴影的空间几何特性优化运动目标检测结果。实验结果表明,该算法能有效地检测出投射阴影和运动目标,具有较高的实际应用价值。

融合双肤色模型及AdaBoost算法的人脸检测

为提高人脸检测的精度,提出一种融合双肤色模型与Adaboost算法的人脸检测方法。首先采用YCbCr颜色空间的固定阈值模型初次分割图像,利用分割结果修正高斯肤色模型的参数并对图像进行肤色二次分割,对两次分割的结果进行逻辑运算,粗定位人脸区域。结合Adaboost算法,实现对候选人脸区域的精确定位。实验结果表明,该方法提高了人脸检测率,降低了误检率,具有较好的鲁棒性。

基于多特征协同的人头检测新方法

针对现有人头检测算法需提前设置模板参数问题,提出了一种基于多特征协同的人头检测新方法.该方法使用发色与自适应轮廓双重特征对人头部实现检测,提高计算速度的同时保证检测的正确率.算法以YCbCr彩色空间实现目标发色表示,根据发色模板对候选区域进行分割并提取特征,建立自适应轮廓模板,并引入梯度幅值和方向信息,对图像噪声有很强的抑制能力.实例实验结果表明,与传统检测算法比较,本文方法目标检测时间更短,且目标识别率更高.