Segmentación Visual Robusta utilizando el Plano RCrR y la Distancia de Mahalanobis

Autores

  • Diego Armando Arévalo Casallas Universidad Distrital Francisco Jose de Caldas
  • David Ricardo Castañeda Obando Universidad Distrital Francisco Jose de Caldas
  • Jos´é Ignacio Castañeda Fandiño Universidad Distrital Francisco Jose de Caldas

Palavras-chave:

Corrección foto descolorida, Suposición de mundo gris, Corrección gamma, iluminación, segmentación color de piel, Distancia Euclidiana, Distancia Mahalanobis, Histograma

Resumo

En este artículo se propone un algoritmo robusto ante los cambios de iluminación para la detección de la piel en imágenes,  se utiliza una base de datos que consta de 50 imágenes en condiciones controladas y  50 en condiciones no controladas, las imágenes cuentan con  personas en forma frontal, mostrando rostro, manos, y brazos. Se evalúan 5 algoritmos para realizar corrección de color los cuales son: Corrección sencilla con canal verde, Compresión canal de color, Expansión canal de color, Referencia fija,  Corrección Gamma. Se evalúan 4 algoritmos para segmentación  los cuales son: Color de piel en RGB, Referencia de Histograma, Distancia Euclidiana y Distancia de Mahalanobis. El algoritmo propuesto utiliza el método referencia fija unido al algoritmo de corrección  gamma para  corrección de color y realiza segmentación de la piel a partir de un plano de color RCrR, encontrado  de la transformación de las imágenes utilizando los espacios RGB y YCbCr, finalmente utiliza la distancia de Mahalanobis.  Como resultado se obtiene un valor promedio de sensibilidad igual 99.36% y de especificidad igual 84.31%.

Downloads

Não há dados estatísticos.

Referências

Hsu, Chin Hao, Zhih Wei Chen y Cheng Chin Chiang: Region-Based Color Correction of Images. En Information Technology and Applications, 2005. ICITA 2005. Third International Conference on, volumen 1, pp. 710–715 vol.2, July 2005.

Kyung, Wang Jun, Dae Chul Kim, Kyung Man Kim y Yeong Ho Ha: Color correction for faded image using classification in LCybCrg color space. En Consumer Electronics Berlin (ICCE páginas 189–193, Sept 2011.

Kwok, N. M., D. Wang, X. Jia, S.Y. Chen, G. Fang y Q.P. Ha: Gray world based color correction and intensity preservation for image enhancement. En Image and Signal Processing (CISP), 2011 4th International Congress on, volumen 2, páginas 994–998, Oct 2011.

Jose M. Chaves-González, Miguel A. Vega- Rodríguez, Juan A. Gómez Pulido Juan M. Sánchez Pérez: Detecting skin in face recognition systems: A colour spaces study. En Digital Signal Processing, volumen 20, páginas 806–823, May 2010.

Kumar, C.N.R. y A Bindu: An Efficient Skin Illumination Compensation Model for Efficient Face Detection. En IEEE Industrial Electronics, IECON 2006 32nd Annual Conference on, páginas 3444–3449, Nov 2006.

Sagheer, A y S. Aly: An Effective Face Detection Algorithm Based on Skin Color Information. En Signal Image Technology and Internet Based Systems (SITIS), 2012 Eighth International Conference on, páginas 90–96, Nov 2012.

Adrian Ford, Alan Roberts: Colour Space Conversions. http://www.poynton.com/PDFs/coloureq.pdf, cited July 2014.

Colantoni, Philippe y Al: Color Space Transformations. http://colantoni.nerim.net/download/colorspacetransform-1.0.pdf, cited July 2014.

Phung, Son Lam, A Bouzerdoum y D. Chai: A novel skin color model in YCbCr color space and its application to human face detection. En Image Processing. 2002. Proceedings. 2002 International Conference on, volumen 1, páginas I–289–I–292 vol.1, 2002.

Nguyen, M. T T, C. L D A Mai y N. M. Kwok: Estimating image illuminant color based on gray world assumption. En Image and Signal Processing (CISP), 2011 4th International Congress on, volumen 2, páginas 989–993, Oct 2011.

Kyung, Wang Jun, Dae Chul Kim, Ho Gun Ha y Yeong Ho Ha: Color enhancement for faded images based on multi-scale gray world algorithm. En Consumer Electronics (ISCE), 2012 IEEE 16th International Symposium on, páginas 1–4, June 2012.

Scott, J. y M. Pusateri: Towards real-time hardware gamma correction for dynamic contrast enhancement. En Applied Imagery Pattern Recognition Workshop (AIPRW), 2009 IEEE, páginas 1–5, Oct 2009.

Alizadeh, M., A Talebpour, H. Soltanian- Zadeh y S.M.R. Aghamiri: Effects of improved Adaptive Gamma Correction Method on Wireless Capsule Endoscopy images: Illumination compensation and edge detection. En Electrical Engineering (ICEE), 2012 20th Iranian Conference on, páginas 1544–1548, May 2012.

Lin, Chiunhsiun: Face detection by color and multilayer feedforward neural network. En Information Acquisition, 2005 IEEE International Conference on, páginas 6 pp.–, June 2005.

Wang, Liwei, Yan Zhang y Jufu Feng: On the Euclidean distance of images. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 27(8):1334–1339, Aug 2005.

Ji, Huijie, Meihua Xu y Feng Ran: Auto classification of skin symptom based on Mahalanobis distance. En Advanced Computer Theory and Engineering (ICACTE), 2010 3rd International Conference on, volumen 6, páginas V6–299– V6–302, Aug 2010.

Downloads

Publicado

2014-12-20
##plugins.generic.simpleStatistics.headline##
##plugins.generic.simpleStatistics.infotext##
  • Resumo
    90
  • PDF (Español)
    82

Como Citar

Arévalo Casallas, D. A., Castañeda Obando, D. R., & Castañeda Fandiño, J. I. (2014). Segmentación Visual Robusta utilizando el Plano RCrR y la Distancia de Mahalanobis. INGE@UAN - TENDENCIAS EN LA INGENIERÍA, 5(9). Recuperado de https://revistas.uan.edu.co/index.php/ingeuan/article/view/389

Edição

v. 5 n. 9 (2014)

Seção

Artículo de investigación científica y tecnológica

Licença

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Métricas