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。

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。

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。

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.

基于肤色分割的视频人体检测

针对视频图像中人体运动形态多变、方向不确定等问题,提出了一种基于肤色分割的视频人体检测算法。采用改进的帧间差分方法求得自适应背景,与背景差相结合进行运动目标粗分割,在粗分割范围内进行肤色分割。在肤色分割时,利用YCbCr色彩空间的自适应亮度分段椭圆肤色模型及形态学操作、约束性条件等后处理确定人脸区域,得到人体目标。实验结果表明,该方法能有效地检测视频中的人体目标,与同类方法相比,该方法的时间复杂度更低,因而能更好地满足视频处理的实时性要求。

基于肤色的复杂环境下人脸检测

对由光源颜色变化引起的图像色彩偏差,进行了校正,并在YCbCr颜色空间建立了Cb-Cr色度查找表和亮度信息联合的肤色模型,应用预处理技术,去除部分非人脸区域,减少人脸检测的搜索空间,并采用模板匹配方法在人脸候选区域检测人脸。实验表明,该方法能够有效的从复杂环境的彩色图像中检测出左右旋转不超过45°的人脸,且不受人脸表情、尺度和数目的影响,且错误率较低。

一种用于跳水运动视频的全局运动估计方法

提出一种适用于跳水运动视频的全局运动估计方法.跳水运动中的运动员着装简单、肤色遮挡较少,通过测试阈值建立肤色模型,快速提取前景和背景中的人体区域,避免其对全局运动参数估算的影响;利用帧差法去除相邻图像帧内相对静止的光流场,根据参照宏块运动方向进一步去除影响全局运动估计的宏块,减少宏块匹配时间.实验结果表明,算法不但简化了全局运动参数估算的复杂性,而且提高了的计算精度.

基于颜色空间和面部特征的驾驶员面部定位方法

介绍了一种快速检测和定位驾驶员面部区域的方法。首先将驾驶员面部图像映射到YCbCr颜色空间,建立肤色高斯模型;然后通过似然图自适应阈值分割获得驾驶员面部区域,对获得的二值化面部图像进行形态学操作消除毛刺和小孔;最后对处理后的面部图像进行灰度积分投影,结合面部特征获得驾驶员的面部区域并框定。并试验证明了方法的实时有效性。

一种基于K-均值聚类方法的肤色分割算法

随着智能化信息处理技术的发展,人脸检测与定位越来越受到重视.本文在利用颜色信息进行皮肤检测的过程中采用YCbCr颜色空间,利用高斯肤色模型,得到图像中任意像素属于肤色的概率,同时借鉴了模式识别中广泛应用的K-均值的思想,设计了基于K-均值聚类方法的肤色分割算法,完成了图像的二值化.

基于肤色建模及自动阈值方式的手势提取研究

在手势图像处理中,手势轮廓识别率高低的基础之一就在于能否精确的把手势轮廓提取出来。针对类肤色信息和复杂背景的影响,提出一种用单峰高斯概率函数的方法把不同人种的肤色在YcbCr彩色空间的分布进行建模,建立的模型用于手势图像的提取得出手势图像的似然概率图,接下来应用自动阈值和图像处理方法提取了手势的最终二值化轮廓,实验结果表明本文所用方法的简单高速有效性。

改进AFSA算法优化TWSVM的火焰识别方法

为了快速有效地识别火灾火焰图像,提出了一种基于改进人工鱼群算法(IAFSA)的孪生支持向量机(TWSVM)的火焰识别方法。该方法根据RGB-YCbCr混合颜色空间模型中火焰像素的分布特点对火焰图像进行分割,并在此基础上提取火焰图像的相关特征;采用人工鱼群算法(AFSA)搜索TWSVM最优惩罚参数与核参数,并在AFSA算法中利用基于聚类的鱼群初始化方法来获得均匀的初始鱼群,同时采取自适应参数来调整人工鱼群的视觉范围和移动步长,另外在原有的三种行为的基础上提出了两种新的行为:跳跃行为和淘汰重生行为,提高了鱼群算法的寻优效率和求解精度;将提取的火焰各个特征量作为训练样本输入TWSVM模型进行训练;将待测试样本输入TWSVM模型进行分类识别。实验结果表明:相对于深度卷积神经网络VGGNet模型、Fast R-CNN算法、YOLO算法、传统支持向量机(SVM)、Grid-TWSVM、GA-TWSVM、PSO-TWSVM、FOA-TWSVM、GSO-TWSVM、AFSA-TWSVM,所提出的基于改进人工鱼群算法的孪生支持向量机的方法有效地提高了火焰识别准确率和实时性,解决了TWSVM在火焰识别时参数选择困难、常用参数寻优算法寻优时间长等问题。

基于新的肤色模型的人脸检测方法

基于灰度信息的人脸检测方法在转换过程中会损失原图像中部分有用信息。通过对肤色在YCbCr色彩空间分布的统计分析,提出一种在彩色域中建立肤色模型的方法,并建立了较为准确的肤色模型。在此基础上,根据人脸几何结构特征进一步识别人脸。利用芬兰奥卢大学的基于物理学人脸数据库等一些图像数据检验方法的性能,实验结果表明该方法在较大的光照变化条件下均具有较好的检测率。

改进视觉背景提取算法在室内的研究

针对传统视觉背景提取算法(visual background extraction algorithm,ViBe)在室内监控条件下容易产生“鬼影”现象以及阴影难以消除的问题,提出一种针对人物室内活动的改进ViBe算法.针对容易引入“鬼影”现象,采用一种外接矩形像素直方图的方法,利用运动目标区域直方图与邻域背景区域直方图相似度匹配,快速检测“鬼影”现象,设置鬼影点像素值并参与背景模型更新,从而快速消除“鬼影”现象.针对阴影难以消除的问题,采用YCbCr颜色空间与混合高斯阴影模型相结合的方法共同确定阴影区域,从而解决阴影问题.仿真结果表明,相较于传统的ViBe算法,本文算法能够有效的消除“鬼影”现象,解决阴影问题,运动目标检测的准确性也得到了有效提高.

自适应肤色检测算法的研究

针对Hsu提出的椭圆肤色检测模型的局限性,提出了一种自适应肤色检测模型。在Hsu的统计模型基础上,根据光照条件自适应改变其椭圆模型的长短轴,以取得最好的肤色检测效果。实验结果表明,本文算法有较强的光照适应性,所提出的自适应肤色检测模型效果优于Hsu的椭圆模型。

自适应模型和固定模型结合的肤色分割算法

由于受环境、光照、人种等因素影响,不同图像中的肤色分布并不一样。在复杂背景情况下,采用固定的阈值边界模型进行肤色分割将导致较大的漏检或误检。基于YCbCr颜色空间,在固定阈值边界模型分割的基础上,运用简化的期望最大化(EM)算法计算出针对特定图像的自适应肤色高斯模型;然后综合考虑固定阈值边界模型以及自适应肤色高斯模型在不同颜色区域上划分的准确性,给出最终的肤色分割结果。实验结果表明,该方法相比固定阈值边界模型的分割方法,能同时降低误检率和漏检率,从而提高肤色识别的准确率。