摘要: 肤色检测是指自动的将图像中的肤色区域检测出来。随着人体检测在图像处理中起越来越重要的作用，肤色检测正得到科研人员的关注。良好的肤色检测算法可以对图像中的人体区域准确检测，对图片信息采集、人脸识别、手势识别、不良图片过滤起到很好的作用。
本文主要使用无参数方法和单高斯模型来实现肤色检测。无参数方法是利用训练图像中皮肤颜色的出现的次数直接估计该颜色是肤色的概率，单高斯模型是指假定肤色的概率分布符合高斯模型，通过训练图像估计高斯模型的参数，从而得到肤色概率密度函数。对于测试图像，计算每个像素属于肤色的概率，根据固定阈值与动态阈值方法确定该像素是否为肤色。最后本文将无参数方法和单高斯模型的方法检测结果进行融合，得到最终的肤色检测结果。实验表明，本算法能有效地检测出图片中的肤色区域。
关键词 图像处理；肤色检测；固定阈值；动态阈值；单高斯模型；融合
目录
摘要
Abstract
1 绪论-1
1.1肤色检测简介-1
1.1.1发展状况-1
1.1.2面临的主要问题-1
1.2 本文的研究内容-2
1.3论文结构-3
2 相关的专业基础知识-4
2.1颜色空间-4
2.2肤色建模-5
2.3图像融合-6
2.4 其他知识点-6
2.5本章小结-6
3 基于无参数方法的肤色检测-7
3.1算法流程-7
3.1.1肤色训练流程-7
3.1.2肤色训练过程-8
3.1.3训练的图片-8
3.1.4训练结果-8
3.2固定阈值-12
3.2.1固定阈值算法流程-12
3.2.2分类器边界的确定-14
3.2.3通过分类器的肤色检测-16
3.2.4程序的调试及实验-19
3.2.5固定阈值部分的不足之处-19
3.3动态阈值-21
3.3.1动态阈值实现方法-21
3.3.2动态阈值流程图-22
3.3.3 YCgCr、YCgCb空间训练结果-23
3.3.4分析数据确定阈值范围-25
3.3.5动态阈值部分的检测结果-26
3.4本章小结-27
4 基于单高斯模型的检测过程-28
4.1单高斯模型-28
4.2本文单高斯的算法流程-29
4.2.1单高斯模型训练及实验流程图-29
4.2.2单高斯模型检测流程图-29
4.3 阈值的确定-30
4.3.1 YCbCr空间训练结果及数据分析-30
4.3.2程序的处理过程-31
4.3.3获得参数-32
4.4单高斯模型实验-33
4.4.1检测界面及检测结果分析-33
4.5本章小结-34
5.无参数方法与单高斯模型的融合-35
5.1融合的具体流程-35
5.2融合方法-35
5.3融合的实现-36
5.4融合的实验结果-36
5.5本章小结-38
结论-39
致谢-40
参考文献-41
附录-42
