專利名稱：一種皮膚檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機圖像處理技術(shù)領(lǐng)域，特別是指一種綜合顏色、紋理和空間信息的皮膚檢測方法。
背景技術(shù)：
隨著互連網(wǎng)發(fā)展和普及，人們可以在網(wǎng)絡(luò)上獲得各種信息，怎樣防止青少年接觸到色情內(nèi)容是一個嚴肅的社會問題。由此產(chǎn)生一些網(wǎng)絡(luò)過濾技術(shù)，色情圖像的過濾是其中重要的一種。
基于圖像內(nèi)容的過濾技術(shù)通常有兩種方法，第一種方法的代表是Forsyth等人的裸體檢測系統(tǒng)，它首先檢測出人體的皮膚區(qū)域，在此基礎(chǔ)上識別出人的肢體部分，然后根據(jù)一定的規(guī)則將肢體進行組建，進而識別出裸體圖像。第二種方法的代表是James Ze Wang等人的WIPE系統(tǒng)，它先利用皮膚和紋理過濾器將圖像過濾，然后提取出形狀和邊緣等特征向量進行圖像分類識別。
在許多涉及皮膚檢測的計算機視覺系統(tǒng)中，顏色是一個重要的特征，這些系統(tǒng)通常包含一個顏色過濾器，這個過濾器依靠顏色識別出皮膚區(qū)域。專利申請?zhí)枮?00410042877.3，發(fā)明名稱為一種色情圖像檢測方法的專利申請，以及專利申請?zhí)枮?00510048577.0，發(fā)明名稱為基于內(nèi)容的網(wǎng)絡(luò)色情圖像和不良圖像檢測系統(tǒng)的專利申請，都使用了皮膚檢測方法。在許多敏感圖像檢測方法中，皮膚檢測是重要的先行步驟，它的準確性直接影響到后續(xù)處理的精度，研究如何提高皮膚檢測精度具有重要的意義。
皮膚檢測方法有很多，比較典型的有直方圖統(tǒng)計方法、高斯混合模型方法和基于SOM的方法，根據(jù)Vladimir Vezhnevets等人的實驗比較發(fā)現(xiàn)，由M.J.Jones和J.M.Rehg提出的基于皮膚像素顏色的直方圖統(tǒng)計方法(SPM，Skin Probability Map)具有最好的性能。雖然不同的人種，不同環(huán)境，不同的光照，使得皮膚顏色有很大的多樣性和變化性，根據(jù)M.J.Jones和J.M.Rehg的研究，給出大量的預(yù)先標記好皮膚和非皮膚區(qū)域的圖像數(shù)據(jù)集，依然可以估計出皮膚和非皮膚顏色在顏色空間中的概率。由此可以計算出像素顏色屬于皮膚的似然比，將似然比大于預(yù)先設(shè)定好的閾值的像素點歸入皮膚區(qū)域。這便是皮膚檢測的SPM方法，該方法具有性能好，速度快的特點。它是許多皮膚檢測系統(tǒng)采用的方法。然而SPM方法的錯檢率在許多實際應(yīng)用中是無法令人滿意的，尤其是當自然圖像中包含有許多在顏色上接近人類皮膚的內(nèi)容(比如沙漠，火焰，花朵以及黃色的皮毛等)以及存在過度曝光和曝光不足情況時，SPM方法會錯誤地把這些顏色接近人類皮膚的像素識別成皮膚區(qū)域，出現(xiàn)錯檢率高的情況。這是因為SPM方法僅僅利用了像素級上的顏色信息。
分水嶺分割算法(watershed)是一種借鑒了形態(tài)學(xué)理論的分割方法，在該方法中，將一幅圖象看成為一個拓撲地形圖，其中灰度值被認為是地形高度值，高灰度值對應(yīng)著山峰，低灰度值處對應(yīng)著山谷。將水從任一處流下，它會朝地勢底的地方流動，直到某一局部低洼處才停下來，這個低洼處被稱為聚水盆地(catchment basin)，最終所有的水會分聚在不同的聚水盆地，聚水盆地之間的山脊被稱為分水嶺(watershed)。將這種想法應(yīng)用于圖像分割，就是要在灰度圖像中找出不同的聚水盆地和分水嶺，由這些不同的聚水盆地和分水嶺組成的區(qū)域即為我們要分割的目標。在分水嶺分割算法實現(xiàn)中，我們可以認為水從各個聚水盆地由底往高上漲，隨著水位的升高，各個聚水盆地的水平面區(qū)域不斷擴展直到水位上升到分水嶺的位置。它可以充分利用各種先驗知識來設(shè)置局部最小。將沒有通過顏色過濾器和沒有通過紋理過濾器且具有較高紋理值的像素作為非皮膚區(qū)域極小標記，將通過顏色和紋理過濾器的像素點作為皮膚區(qū)域的局部極小標記，分割后得到許多封閉的區(qū)域，然后檢查每個封閉的區(qū)域紋理值的平均值和標準方差，由此得出最后的皮膚區(qū)域。
它有4個主要的特點(1)分割結(jié)果是一些標記好的封閉的區(qū)域，這樣就避免了其它分割算法分割后額外需要的產(chǎn)生封閉區(qū)域的操作；(2)分水嶺總是對應(yīng)于圖像象中真實的邊界；(3)詳盡分割；(4)可以方便地利用各種先驗知識來設(shè)置局部極小點標記(regionalminima)。
紋理是圖像的重要視覺信息，人眼可以輕松地捕獲到紋理特征，然而，到目前為止還缺乏一種可以描述各種紋理的數(shù)學(xué)定義。Gabor濾波器可被看作是方向和尺度可調(diào)的邊和線的檢測器，這種微觀統(tǒng)計屬性使得它可以較好地刻畫圖像的紋理特征。Gabor函數(shù)是一個被復(fù)正弦函數(shù)調(diào)制的高斯函數(shù)，它是能夠取得空域和頻域聯(lián)合測不準原理下限的唯一函數(shù)。此外，Gabor函數(shù)具有很好的方向選擇性。以Gabor函數(shù)作為母函數(shù)，通過伸縮和旋轉(zhuǎn)可獲得Gabor小波。Gabor小波變換在分析數(shù)字圖像中局部區(qū)域的頻率和方向信息具有優(yōu)異的性能，基于Gabor小波的紋理特征受方向和光照影響小，是一種有力的紋理特征提取工具，在計算機視覺和紋理分割中得到了廣泛的應(yīng)用。根據(jù)B.S.Manjunath等人的實驗結(jié)果，利用紋理檢索圖象，Gabor小波變換比金字塔結(jié)構(gòu)的小波變換(PWT)，樹結(jié)構(gòu)的小波變換(TWT)及多分辨率聯(lián)立自回歸模型(MRSAR)的效果要好。通常用Gabor小波變換系數(shù)的模的平均值和其標準方差來表示圖像目標的紋理特征。我們在Gabor小波變換中，取三個尺度和四個方向，在每個像素點可以得到12個刻畫紋理的變換系數(shù)，把各個變換系數(shù)的平方和的平方根作為該像素點的紋理特征值。我們把紋理特征值構(gòu)成的圖像稱為紋理圖，實驗表明，紋理圖可以非常好地表示圖像的紋理特征。紋理是一種反映了圖像中的一定區(qū)域的空間分布屬性，從某個孤立的像素點來談紋理是沒有意義的。但是在我們的紋理特征計算方法中，每一像素點的特征值已經(jīng)包含了它周圍的空間結(jié)構(gòu)信息，因此，紋理圖的最大特點在于我們可以得到每個像素點的紋理特征值。

發(fā)明內(nèi)容
本發(fā)明提供了一種皮膚檢測方法，除顏色信息外，還引入了紋理和空間信息，克服了現(xiàn)有基于顏色直方圖統(tǒng)計方法的缺點，提高皮膚檢測的精度。
一種皮膚檢測方法，依次包括以下步驟a)利用基于顏色直方圖統(tǒng)計的方法，在圖像中標記出皮膚和非皮膚像素，統(tǒng)計出皮膚和非皮膚顏色在顏色空間中的概率，計算出像素顏色屬于皮膚的似然比，將顏色屬于皮膚的似然比大于預(yù)先設(shè)定好的閾值的像素點歸入皮膚區(qū)域；
b)提取在步驟a)中被歸入皮膚區(qū)域的像素點的紋理特征值，利用紋理屏蔽位圖將顏色接近皮膚但紋理特征值大于預(yù)先設(shè)定好的閾值的區(qū)域過濾掉；c)利用標記控制的分水嶺分割算法擴展皮膚區(qū)域以提高正檢率，對紋理圖進行分割，將未通過顏色過濾的像素點和未通過紋理過濾且具有較高紋理特征值的像素點作為非皮膚區(qū)域極小標記，將通過顏色和紋理過濾的像素點作為皮膚區(qū)域的局部極小標記，分割得到若干封閉的區(qū)域，檢查每個封閉區(qū)域的紋理平均值和標準方差，根據(jù)一致性原則從各封閉區(qū)域篩選出最終的皮膚區(qū)域。
步驟b)中采用Gabor小波提取像素點對應(yīng)的紋理特征值。
步驟b)中像素點的紋理特征值通過該像素點的Gabor變換各特征量的平方和的平方根來表征。
本發(fā)明在基于皮膚像素顏色的直方圖統(tǒng)計方法的基礎(chǔ)上，還引入了紋理和空間信息，利用紋理將顏色接近人類皮膚而紋理明顯的區(qū)域過濾掉，從而降低錯檢率；同時利用標記控制的分水嶺分割算法來提高正檢率，克服了現(xiàn)有基于顏色直方圖統(tǒng)計方法的缺點，提高皮膚檢測的精度。


圖1為本發(fā)明皮膚檢測的流程圖。
具體實施例方式
如圖1所示，一種皮膚檢測方法，包括以下步驟一、利用基于顏色直方圖統(tǒng)計的方法(SPM)檢測皮膚區(qū)域從互連網(wǎng)收集了600幅包括各種人種的圖像，用手工標記出皮膚和非皮膚像素，然后在RGB空間中統(tǒng)計出顏色rgb屬于皮膚和非皮膚的概率如下式所示P(rgb|skin)=s[rgb]Ts]]>P(rgb|⫬skin)=n[rgb]Tn]]>其中，s[rgb]是皮膚顏色的直方圖中rgb倉中的像素個數(shù)，n[rgb]是非皮膚顏色的直方圖中rgb倉中的像素個數(shù)。Ts和Tn分別是皮膚和非皮膚直方圖中的總像素個數(shù)。一般情況下，顏色rgb屬于皮膚和非皮膚的概率如下式所示P(skin|rgb)=p(rgb|skin)p(skin)p(rgb)]]>P(⫬skin|rgb)=p(rgb|⫬skin)p(⫬skin)p(rgb)]]>顏色rgb屬于皮膚的似然比L(rgb)為L(rgb)=P(rgb|skin)P(rgb|⫬skin)]]>當似然比L(rgb)滿足L(rgb)≥θ時，具有顏色rgb的像素點被歸類到皮膚區(qū)域，其中θ為閾值。
其中θ為閾值，當θ值取得小時，正檢率和錯檢率都高；當θ值取得大時，錯檢率降低的同時正檢率也會降低。由于我們并不單純依賴SPM方法檢測皮膚，因此一般把θ值取的比較小(θ≤0.3)使的絕大部分的皮膚像素都能通過這個階段的檢測。
二、利用紋理過濾降低錯檢率Gabor濾波器可被看作是方向和尺度可調(diào)的邊和線的檢測器，這種微觀統(tǒng)計屬性使得它可以較好地刻畫圖像的紋理特征?；贕abor小波的紋理特征受方向和光照影響小，是一種有力的紋理特征提取工具。Gabor函數(shù)是一個被復(fù)正弦函數(shù)調(diào)制的高斯函數(shù)。兩維的Gabor函數(shù)如下式所示。
g(x,y)=12πσxσyexp(-12(x2σx2+y2σy2)+2πjwx)]]>以g(x，y)為母函數(shù)，通過伸縮和旋轉(zhuǎn)可獲得Gabor小波如下式所示。
gmn(x，y)＝a-mg(x′，y′)，a＞1，m，n＝integerx′＝a-m(xcosθ+ysinθ)，y′＝a-m(-xsinθ+ycosθ)，θ＝nπ/k，k＝integer
其中k是方向的總數(shù)，m為尺度因子。圖像I(x，y)的Gabor小波變換為Wmn(x,y)=∫I(x1,y1)gmn*(x-x1,y-y1)dx1dy1]]>其中g(shù)*為g的復(fù)共軛。我們?nèi)∪齻€尺度(m＝0，1，2)和四個方向(n＝0，1，2，3)，在每個像素點可以得到12個刻畫紋理的特征量，把每個像素點各個特征量的平方和的平方根作為該像素點的紋理特征值，得到最后的紋理圖如下式所示。
T(x,y)=(Σm=02Σn=03Wmn2(x,y))1/2]]>首先用公式I(x，y)＝0.3R(x，y)+0.59G(x，y)+0.11B(x，y)把彩色圖像轉(zhuǎn)換為灰度圖像，然后計算出紋理圖，按下式將紋理圖二值化得到紋理屏蔽位圖。
M(x,y)=1,T(x,y)≤θT0,T(x,y)>θT]]>其中θT為紋理閾值。由于人的皮膚是比較光滑的，其紋理特征值也相對較小，因此利用紋理屏蔽位圖可以將顏色接近人類皮膚而紋理明顯的區(qū)域過濾掉，從而降低錯檢率。
三、利用標記控制的分水嶺分割算法提高正檢率。
經(jīng)過顏色和紋理過濾后，可以將已有的皮膚區(qū)域作為聚水盆地的最低點，利用分水嶺算法來擴展皮膚區(qū)域。它就是標記控制的分水嶺分割算法?？梢岳迷陬伾^濾和紋理過濾階段的知識來設(shè)置標記，具體操作如下(1)未通過顏色過濾器的像素作為非皮膚區(qū)域極小標記(2)未通過紋理過濾器的且具有較高紋理值的像素作為非皮膚區(qū)域極小標記(3)通過顏色和紋理過濾器的像素作為皮膚區(qū)域極小標記分割是在紋理圖上進行的，分割完成以后，我們計算出每一個皮膚擴展區(qū)域的紋理平均值μi和標準方差σi。一致性原則用下式表示0.9μ＜μi＜1.1μ0.9σ＜σi＜1.1σ滿足一致性原則的區(qū)域判斷為皮膚區(qū)域。其中μ和σ是在作顏色直方圖統(tǒng)計的同時在人工標記為皮膚像素的區(qū)域上計算出來的。
需要提出的是，分割也可以在灰度圖或三個顏色通道上進行，判斷皮膚區(qū)域的一致性原則也可以采用灰度或顏色的均值與方差，這些變化都在本發(fā)明的專利要求范圍內(nèi)。
從互聯(lián)網(wǎng)上收集了300幅各種類型的圖像用于測試，這300幅圖像中，100幅包含有人；100幅包含有在顏色上接近人的皮膚顏色的內(nèi)容；另外100幅是任意的圖像，保證了測試圖像具有很好的多樣性和代表性。實驗結(jié)果表明，和SPM方法比較，本發(fā)明的方法可以將正檢率由92.7％提高到95.2％，錯檢率由20.1％下降至4.3％。
權(quán)利要求
1.一種皮膚檢測方法，其特征在于依次包括以下步驟a)利用基于顏色直方圖統(tǒng)計的方法，在圖像中標記出皮膚和非皮膚像素，統(tǒng)計出皮膚和非皮膚顏色在顏色空間中的概率，計算出像素顏色屬于皮膚的似然比，將顏色屬于皮膚的似然比大于預(yù)先設(shè)定好的閾值的像素點歸入皮膚區(qū)域；b)提取在步驟a)中被歸入皮膚區(qū)域的像素點的紋理特征值，利用紋理屏蔽位圖將顏色接近皮膚但紋理特征值大于預(yù)先設(shè)定好的閾值的區(qū)域過濾掉；c)利用標記控制的分水嶺分割算法擴展皮膚區(qū)域以提高正檢率，對紋理圖進行分割，將未通過顏色過濾的像素點和未通過紋理過濾且具有較高紋理特征值的像素點作為非皮膚區(qū)域極小標記，將通過顏色和紋理過濾的像素點作為皮膚區(qū)域的局部極小標記，分割得到若干封閉的區(qū)域，檢查每個封閉區(qū)域的紋理平均值和標準方差，根據(jù)一致性原則從各封閉區(qū)域篩選出最終的皮膚區(qū)域。
2.如權(quán)利要求1所述的皮膚檢測方法，其特征還在于步驟b)中采用Gabor小波提取像素點對應(yīng)的紋理特征值。
3.如權(quán)利要求1所述的皮膚檢測方法，其特征還在于步驟b)中像素點的紋理特征值通過該像素點的Gabor小波變換各特征量的平方和的平方根來表征。
全文摘要
本發(fā)明公開了一種皮膚檢測方法，在基于皮膚像素顏色的直方圖統(tǒng)計方法的基礎(chǔ)上，引入了紋理和空間信息，利用紋理將顏色接近人類皮膚而紋理明顯的區(qū)域過濾掉，從而降低錯檢率；同時利用標記控制的分水嶺分割算法來提高正檢率，克服了現(xiàn)有基于顏色直方圖統(tǒng)計方法的缺點，提高皮膚檢測的精度。
文檔編號G06K9/00GK1975762SQ20061015513
公開日2007年6月6日 申請日期2006年12月11日 優(yōu)先權(quán)日2006年12月11日
發(fā)明者姚敏, 江志偉, 吳朝暉 申請人:浙江大學(xué)