基于亮度自适应色度空间模型肤色算法及应用

作者:赵晓晖;张福威;申铉京 刊名:吉林大学学报(信息科学版) 上传者:金晨毅

【摘要】针对已有肤色算法对亮度信息考虑不足的缺点,在色度空间模型基础上提出了一种在彩色图像中检测肤色像素的新方法———基于亮度的自适应色度空间模型肤色算法。该方法综合了肤色像素在YUV、Y IQ色彩空间上的分布特征,根据图像亮度信息以及I值和UV的夹角值区分肌肤颜色,针对不同肤色选用不同阈值进行检测。实验证明,该方法对偏黄、黑色肌肤(亚洲、非洲人)和偏白色肌肤(欧美人)均有很好的检测效果,肤色像素检测的正确率达93.479 5%,误检率和检测时间相对变化不大,检测效果有明显提高。将此算法用于网络敏感图像过滤中,并设计了图像分类算法,结合网址过滤和关键词封锁技术构建敏感网页过滤器,克服了现有过滤软件算法的滞后性和对图片信息的局限性,基本实现了不影响网络运行条件下的网页的在线检测和分析功能。

全文阅读

引言近年来,随着互联网的普及,网络色情的泛滥已经成为危害人们身心健康的全球性公害,敏感信息的过滤问题逐渐引起人们的重视。现在过滤软件大都采用基于IP地址的过滤和基于网页中文本内容的判断,前者需要定期更新IP地址库,具有明显的滞后性;后者由于文本内容的局限性会造成漏检、误检,对隐藏关键词的敏感图片也无能为力,准确性不高;只有针对图像内容的分析才能从根本上解决目前网络安全技术对图像信息过滤与监控能力不足的问题。肤色检测是基于内容的敏感图像过滤中的关键技术[1]。目前,人们在研究领域较常用的肤色检测算法有[2]:统计颜色模型(StatisticalColorModel)[3,4];高斯混合模型(GaussianMixtureModel)[5~7];色度空间模型(ChromaSpaceModel)[8~11]。实验证明,色度空间模型肤色算法具有很好的强健性,检测效果也较其他两种方法好[8]。但是现有的肤色算法存在3个方面的不足:1)将图像中的非肤色区域检测为肤色,如平滑的黄色木板,黄褐色的头发等;2)漏检图像中的肤色区域;3)受光照影响严重。以往的肤色算法很少考虑亮度,仅靠色度信息检测肤色,忽略了由于人种不同(白种人、黄种人和黑种人)和亮度差异而导致的肤色像素在颜色空间上的分布不同。笔者针对以上问题在已有的色度空间模型的基础上提出了一种新的检测肤色像素的方法基于亮度的自适应色度空间模型肤色算法。实验证明,该算法能有效地弥补以上不足,提高正检率。笔者将此算法用于网络敏感图像过滤中,结合网址过滤和关键词封锁技术构建敏感网页过滤器,克服了现有过滤软件算法的滞后性和对图片信息的局限性。实验证明,该过滤器基本实现了不影响网络运行条件下的网页的在线检测和分析功能。1基于亮度的自适应色度空间模型肤色算法11图片库的建立本文中所有实验都是在实验图库中进行的,图库分为训练图库和测试图库。实验图库包括2750幅图片,划分如下:训练图库1450幅,其中敏感图片750幅,正常图片700幅;训练图库中含人的图片里,只含有偏黄、黑色人体肌肤区域的图片400幅,只含偏白色人体肌肤区域的图片400幅;测试图库1300幅,其中敏感图片700幅,正常图片600幅;测试图库中含人的图片里,只含有偏黄、黑色人体肌肤区域的图片400幅,只含偏白色人体肌肤区域的图片350幅。12色度空间模型肤色算法目前通用的皮肤识别技术(SkinDetection)多利用基于颜色(Color-based)的方法实现[8]。色度空间模型是采用肤色在YUV和YIQ两种颜色空间上的分布规律,统计出肤色分布范围进行肤色检测的[10]。统计发现,在YUV空间的UV平面上,人的肤色色调(=tan-1(|V|/|U|))的变化范围具有规范性,基本上在[100,150]之间。以相位角为特征进行图像分割可以滤掉与肤色在色调上有较大区别的背景,但仅采用此特征难以把肤色与棕色头发或灰色背景分开,因此,在YIQ空间上利用彩色的饱和度信息增强分割效果。YIQ空间的I分量代表了从桔黄到蓝绿的色调,基本涵盖了人的肤色的颜色范围,通过实验和统计分析可确定其范围为[20,90]。把彩色图像的像素p由RGB空间变换到YUV和YIQ空间,如果满足条件P[100,150],且Ip[20,90],则该像素是肤色点。用这种方法对测试库中400幅只含偏黄、黑色肌肤区域和350幅只含偏白色肌肤区域的图像进行检测,实验数据表明,该肤色算法对黄色和黑色肌肤的识别效果较好,正检率为919347%,误检率为244546%;对白色肌肤和亮度较高的区域识别不够理想,正检率

参考文献

引证文献

问答

我要提问