龙源期刊网 http://www.qikan.com.cn
基于HSI 空间的手部图像分割
作者:史桐林等
来源:《电脑知识与技术》2015年第13期
摘要:为了能够更加简略和清晰的分割手部图像,该文提出一种基于HSI 颜色空间的手部识别算法:先利用HSI 空间通过色调、亮度和色彩度来描述图像,然后进行闭运算与孔洞填充。实验证明,该算法能够较为有效地将手部从背景中提取出来。
关键词:手部图像分割;HSI ;孔洞填充
中图分类号:TP751 文献标识码:A 文章编号:1009-3044(2015)13-0187-02
Abstract: In order to develop a simple system of hand image segmentation, we proposed a novel algorithm based on HSI color space. The proposed method first transformed the image from RGB to HSI color space, followed by a morphological operation. Experiments showed that our proposed algorithm can extract hand from background efficiently.
Key words: hand image segmentation; HSI; hole filling
手部识别的应用范围广阔,许多学者及研究机构都在对此进行研究。手部识别涉及图像处理和特征提取等操作,在已有的研究成果和算法中,最常使用的方法是机器视觉技术[1-3],很多研究者通过诸多不同的机器视觉技术实现了精确有效地手部识别。Bhuyan M K等[4]提出一组新的描述手部连续姿态的特征集。郭训力等[4]提出一种融合肤色模型和三维深度信息的手部识别方法。覃文军等[5]提出了通过形状特征检测的手势感兴趣区提取方法。魏来等[6]利用Kinect 的关节点信息和肤色颜色模型提取出手部区域。柴功博等[7]提出一种基于手掌分割的摄像机阵列手部定位技术。DE STEFANO C等[8]将遗传算法应用于模式识别中对手部图像的处理。Domino F等人[9]提出一种基于深度描述子的算法用于手部识别。Gupta P等[10]提出从图像中首先分割手指,然后综合得到手部图像的方法。Jiang F等[11]提出视角独立的基于Kinect 的手部提取方法。Kang W X等[12]提出姿态独立的基于手指几何形状的手部识别方法。Ohn-Bar E等[13]提出一种实时的用于自动化界面的手部识别算法。此外,还有通过外部设备获取生物电信号实现手部识别的方法,郭一娜等[14]提出一种基于肌电信号与柔性神经树(Flexible Neural Trees)FNT 模型的实时手势识别模型。
以上算法存在以下问题:(1) 算法实现过于复杂;(2) 工程实现难度较大。本研究目的是开发一种简单且复杂度较低的系统,以解决手部识别。本文根据手部与周围背景在HSI 颜色分量上的差异,对HSI 图像进行阈值变换,得到二值图像,再进行开闭操作及特征提取,最后完成手部的识别过程。
1 数据采集
龙源期刊网 http://www.qikan.com.cn
基于HSI 空间的手部图像分割
作者:史桐林等
来源:《电脑知识与技术》2015年第13期
摘要:为了能够更加简略和清晰的分割手部图像,该文提出一种基于HSI 颜色空间的手部识别算法:先利用HSI 空间通过色调、亮度和色彩度来描述图像,然后进行闭运算与孔洞填充。实验证明,该算法能够较为有效地将手部从背景中提取出来。
关键词:手部图像分割;HSI ;孔洞填充
中图分类号:TP751 文献标识码:A 文章编号:1009-3044(2015)13-0187-02
Abstract: In order to develop a simple system of hand image segmentation, we proposed a novel algorithm based on HSI color space. The proposed method first transformed the image from RGB to HSI color space, followed by a morphological operation. Experiments showed that our proposed algorithm can extract hand from background efficiently.
Key words: hand image segmentation; HSI; hole filling
手部识别的应用范围广阔,许多学者及研究机构都在对此进行研究。手部识别涉及图像处理和特征提取等操作,在已有的研究成果和算法中,最常使用的方法是机器视觉技术[1-3],很多研究者通过诸多不同的机器视觉技术实现了精确有效地手部识别。Bhuyan M K等[4]提出一组新的描述手部连续姿态的特征集。郭训力等[4]提出一种融合肤色模型和三维深度信息的手部识别方法。覃文军等[5]提出了通过形状特征检测的手势感兴趣区提取方法。魏来等[6]利用Kinect 的关节点信息和肤色颜色模型提取出手部区域。柴功博等[7]提出一种基于手掌分割的摄像机阵列手部定位技术。DE STEFANO C等[8]将遗传算法应用于模式识别中对手部图像的处理。Domino F等人[9]提出一种基于深度描述子的算法用于手部识别。Gupta P等[10]提出从图像中首先分割手指,然后综合得到手部图像的方法。Jiang F等[11]提出视角独立的基于Kinect 的手部提取方法。Kang W X等[12]提出姿态独立的基于手指几何形状的手部识别方法。Ohn-Bar E等[13]提出一种实时的用于自动化界面的手部识别算法。此外,还有通过外部设备获取生物电信号实现手部识别的方法,郭一娜等[14]提出一种基于肌电信号与柔性神经树(Flexible Neural Trees)FNT 模型的实时手势识别模型。
以上算法存在以下问题:(1) 算法实现过于复杂;(2) 工程实现难度较大。本研究目的是开发一种简单且复杂度较低的系统,以解决手部识别。本文根据手部与周围背景在HSI 颜色分量上的差异,对HSI 图像进行阈值变换,得到二值图像,再进行开闭操作及特征提取,最后完成手部的识别过程。
1 数据采集