[发明专利]对图像进行皮肤纹理检测的方法及系统

说明书

技术领域

本发明涉及通信及图像处理领域，更具体地说，涉及一种对图像进行皮肤纹理检测的方法及系统。

背景技术

随着计算机软硬件和国际互联网技术的飞速发展，人们不仅可以从各种多媒体资料，例如文本、图片、视频、音频等获取大量的信息。但是，随之而来的也会使人们受到含有诸如色情、暴力等不健康的图片和视频的侵扰，网上黄毒泛滥已成为一个较为严重的社会问题，因此非常有必要进行敏感图像检测，从而将敏感图像过滤掉。敏感图像在内容上可能会存在较大差别，但共同点是均包含大量裸露的皮肤区域，于是敏感图像检测问题就归结到了皮肤检测问题。

原始的皮肤检测方法，是直接基于颜色模型，例如颜色直方图、高斯混合模型等来检测肤色，从而得到相应的肤色区域。然而实验表明，在得到的肤色区域中会有很多实际上并不是皮肤的像素点(如：黄色的沙发，黄色的头发等)被误认为是皮肤点，存在较高的误检率。

而现阶段一般是基于纹理分析进行皮肤检测。纹理在图像处理、模式识别和计算机视觉领域都具有重要的地位，其描述的是图像中某种空间结构的固有属性，这种空间结构的固有属性可以通过邻域像素之间的相关性进行刻画，单纯从某个孤立的像素点来谈纹理是没有意义的。纹理的空间结构的分布可以呈现明显的规律性，也可以是随机的；其粒度可以比较粗糙，也可以非常细腻。纹理分析的重点就是建立各种纹理模型，并利用这些模型来研究如何表示和计算邻近像素之间的相关性。目前纹理分析方法通常分为两类，即基于统计模型的方法和基于信号处理的方法，而最为常见的是基于统计模型的方法。其具体过程如下：(1)分析纹理图像中的灰度层的空间依存关系，从而建立统计模型，比如，根据图像中像素之间的方位和距离关系构造灰度共生矩阵；(2)使用灰度共生矩阵提取各种统计特征，作为相关图像的纹理特征，而这些统计特征可包括多种类型，例如相关性、方差、熵和角二阶矩等数字特征。在这种方法中，图像中像素的灰度值被认为是一个随机变量，其值可以通过其邻近像素的灰度值进行刻画，完成纹理分析。此后，则将这些灰度值输入分类器进行判断，从而确定皮肤区域。

但是上述现有技术中，基于统计模型的纹理分析而得到的信息在输入分类器后，拒识率较高，导致仍有大量非皮肤图像被误认为皮肤图像。因此需要一种对图像进行皮肤纹理检测的新方法，从而降低误检率。

发明内容

本发明的目的之一在于提供一种对图像进行皮肤纹理检测的方法及系统，旨在解决现有技术中进行皮肤纹理检测时存在的误检率较高的问题。

为了实现发明目的，所述对图像进行皮肤纹理检测的系统包括：

图像划分单元，在输入图像中确定初始皮肤区域，并将所述初始皮肤区域划分为多个皮肤窗口；

特征提取单元，与图像划分单元相连并进行数据交互，提取得到所述皮肤窗口的微结构特征；

筛选单元，与特征提取单元相连并进行数据交互，根据微结构特征对皮肤窗口进行多层级的特征选择，筛选出符合检测条件的候选皮肤窗口；

合并单元，与筛选单元相连并进行数据交互，合并相邻位置的候选皮肤窗口，并确定图像中包含的所有皮肤纹理的属性信息。

优选地，所述特征提取单元包括：

积分图像计算单元，对所述输入图像进行积分处理，计算出积分图像；

微结构特征提取模块，与积分图像计算单元相连并进行数据交互，根据所述积分图像提取出皮肤窗口的微结构特征。

优选地，所述筛选单元包括多层级的分类器组，采用自适应推进算法对皮肤窗口进行多层级的特征选择，筛选出符合检测条件的候选皮肤窗口。

优选地，所述筛选单元中多层级的分类器组包括多个强分类器，所述强分类器包括多个基于单特征的弱分类器。

优选地，所述系统还包括：

归一化处理单元，与图像划分单元、特征提取单元及筛选单元分别相连并进行数据交互，对所有皮肤窗口和/或微结构特征进行归一化处理。

为了更好的实现发明目的，本发明还提供了一种对图像进行皮肤纹理检测的方法，包括以下步骤：

A.在输入图像中确定初始皮肤区域，并将其划分为多个皮肤窗口；

B.提取得到所述皮肤窗口的微结构特征；

C.根据微结构特征对皮肤窗口进行多层级的特征选择，筛选出符合检测条件的候选皮肤窗口；

D.合并相邻位置的候选皮肤窗口，确定图像中包含的所有皮肤纹理的属性信息。

优选地，所述步骤B包括：

B1.对所述输入图像进行积分处理，计算出积分图像；

B2.根据所述积分图像提取出皮肤窗口的微结构特征。