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。

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。

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%.

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。

基于双肤色模型及AdaBoost算法的人脸检测

针对复杂背景和可变光照条件下,彩色静止图像的人脸检测问题,综合利用YCbCr和HSI颜色空间下的肤色模型,先进行肤色分割,定位出候选人脸,再用AdaBoost级联分类器进行检测验证,有利于提高检测效率,降低误检率。

基于肤色模型和改进Adaboost算法的人脸检测

为提高人脸检测的精度,提出一种基于YC_bC_r肤色模型和Adaboost算法的人脸检测方法。利用YC_bC_r颜色空间的肤色阈值模型确定待检测区域。再利用Adaboost算法准确定位出人脸位置,并对Adaboost算法的训练过程提出一种新的权值更新方法,防止权值过分增大,避免了Adaboost算法训练过程中出现的"退化"现象。

基于颜色模型和阈值分割的有遮挡的柑橘果实识别算法

针对柑橘果实被枝叶遮挡,机器识别难度大的问题,提出了基于YCbCr颜色空间模型和OTSU阈值分割技术对有遮挡的柑橘果实进行识别的方法。应用边缘检测法和凸包算法提取有遮挡果实的轮廓特征,选取凸壳上距离最远的两点,作为果实直径的两端点,定位目标果实。结果表明,算法可以准确分割并识别出枝叶遮挡的柑橘果实,果实平均检出率达到90.48%,有效提高了果园自动化采摘的效率。

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。

基于最佳熵法棉花图像分割与提取的研究

为了提高棉花图像的分割精度、速度,避免强光照的干扰,提出了一种基于YCb Cr颜色空间下,利用最佳熵法对棉花图像进行阈值分割,并对分割后的图像采用连通区域标记去噪。通过试验验证了图像的分割效果并与迭代式阈值分割算法做了比较,结果表明,提出的算法分割时间为0.5732s。此算法适合在强光照和阴影的干扰下从复杂的背景提取棉花,而且最后对棉花进行了质心标记,为后续的棉花定位奠定了基础。

基于肤色特征的人脸区域检测

针对基于肤色的方法中肤色分割效果对系统的重要影响,考虑亮度和色度的共同影响,采用YCbCr颜色空间进行肤色分割,并介绍在YCbCr模型下通过光线补偿、相似度计算、二值化图像、腐蚀和膨胀等方法在图像上标示出人脸的方法。

基于人眼定位的人脸检测与归一化算法

文中针对复杂背景下多姿态静态人脸图像,提出了一种通过对眼睛这一特征的自动检测与定位,从而实现对人脸检测的新方法。首先对原灰度图像做边缘灰度加强;然后结合根据人脸几何特征先验知识建立的人眼位置判定准则,在分割阈值递增的过程中,寻找能分割出双眼眼块的最优分割阈值;最后用两维相关系数作为对称相似度来检验检测出的双眼的真实性,并利用找到的双眼图像垂直方向的灰度积分投影,精确定位瞳孔中心。对彩色图像,利用肤色在YCbCr颜色空间的分布特性建立肤色模型,粗略找出肤色区域,进行灰度变换后,再采用上述方法检测人脸。最后提出一种脸相归一化方法,便于进一步的提取特征工作。实验结果证实了文中方法在速度和准确性方面具有良好的性能。

NSCT变换域PCNN彩色图像增强算法

为了改善由于光照不均对真彩色图像的影响,根据人类对颜色的感知特性,利用YCb Cr彩色模型空间,提出了一种基于非抽样Contourlet变换(NSCT)的PCNN模型的图像增强算法。首先,将图像从RGB彩色空间转换到YCb Cr彩色空间;然后对亮度分量进行NSCT分解,得到低频子带系数和高频方向子带系数,对低频子带,利用PCNN增强,对高频子带采用非线性变换进行增强;最后,使用NSCT逆变换重构图像的亮度分量,并将图像从YCb Cr色彩空间模型还原到RGB空间得到增强后的图像。实验结果表明,算法增强效果明显优于同态滤波、空域PCNN及NSCT域的PCNN算法,不仅增加了彩色图像的明亮度,而且图像保真性好,纹理更清晰。

一种DCT域的双色图像数字水印算法

充分考虑人类视觉系统和双色图像特点,采用YCbCr色彩模型,将双色图像Y分量取出并分块,将二值水印信息"逻辑"嵌入到每个分块中低频带系数中。实验结果表明,该算法对JPEG压缩、噪声及亮度变化等常见攻击行为具有很好的稳健性,并且支持水印的盲检测。

基于栈式稀疏自编码多特征融合的快速手势识别方法

针对复杂背景下手势分割提取效果不佳、图像识别率不高、识别困难等问题,研究多特征融合的快速手势识别方法.利用YCbCr颜色空间模型,构建肤色分布模型,从复杂背景中去除大部分非肤色的干扰,从而实现手势分割;接着采用5层栈式稀疏自编码网络框架,分别提取手势感兴趣区域(region of interest,ROI)的纹理图像、形状图像和显著视觉图像作为自编码网络输入,将提取到的不同类型的特征进行线性融合;最后使用基于径向基核函数(radial basis function,RBF)的支持向量机(support vector machine,SVM)分类器进行融合特征数据分类,从而实现不同类型的手势识别.实验结果表明,相比其他手势识别方法,本文方法识别率较高,提取特征更具有代表性,平均识别率可达95.05%.

基于神经网络的视频图像火焰检测方法

针对依靠人工经验提取火焰特征的传统视频火灾识别方法,误报率高、鲁棒性差的特点,文章提出基于多特征融合的神经网络视频火焰检测方法。首先,通过分析火焰区域与视频全区域的YCbCr的均值之间的关系,得到颜色特征约束条件。然后利用帧间差分法获得火焰面积变化约束条件。最后,再结合火焰圆形度及形状相似度两个特征,并运用TensorFlow构建卷积神经网络实现对视频火焰的精确识别。实验结果表明,所提出的火焰检测方法有较高的识别率,可有效降低误检。

人脸虚拟化妆系统的研究

本文介绍了一种在Visual C++环境下进行的化妆方法,涉及数字图像处理、模式识别等多个领域的知识和技术。首先打开通过视频采集卡传输来的彩色图像,根据图像的实际情况进行预处理,然后根据人脸肤色、眼睛、嘴巴颜色的特点,选择YCbCr颜色模型,利用相似度进行人脸部位的识别和化妆操作,如美白、眼影、眼霜、腮红、口红等,从而为用户进行实际的化妆打扮、个性形象设计和个性形象包装提供最有价值的参考依据。

手势识别图像匹配技术的应用与研究

手势识别的前提条件是场景中手势的正确定位,通过皮肤颜色这一特点可以实现手势的定位。运用和比较了基于YCbCr色彩模型和BP神经网络两种肤色检测的方法。然后,通过帧间差分动态检测的方法,检测出静态的有用手势,将运动的手势判定为无用手势。最后,通过模板匹配找出被识别图像匹配度最大的模板,并认定它的手势为被识别图像的手势。在模板匹配中,为了消除手势的抖动,减小抖动对识别的影响,引入了自适应,从而使匹配更加精确。