基于HSI空間的手部圖像分割

史桐林等

摘要：為了能夠更加簡略和清晰的分割手部圖像，該文提出一種基于HSI顏色空間的手部識別算法：先利用HSI空間通過色調(diào)、亮度和色彩度來描述圖像，然后進行閉運算與孔洞填充。實驗證明，該算法能夠較為有效地將手部從背景中提取出來。

關(guān)鍵詞：手部圖像分割；HSI；孔洞填充

中圖分類號：TP751 文獻標識碼：A 文章編號：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

手部識別的應(yīng)用范圍廣闊，許多學(xué)者及研究機構(gòu)都在對此進行研究。手部識別涉及圖像處理和特征提取等操作，在已有的研究成果和算法中，最常使用的方法是機器視覺技術(shù)[1-3]，很多研究者通過諸多不同的機器視覺技術(shù)實現(xiàn)了精確有效地手部識別。Bhuyan M K等[4]提出一組新的描述手部連續(xù)姿態(tài)的特征集。郭訓(xùn)力等[4]提出一種融合膚色模型和三維深度信息的手部識別方法。覃文軍等[5]提出了通過形狀特征檢測的手勢感興趣區(qū)提取方法。魏來等[6]利用Kinect的關(guān)節(jié)點信息和膚色顏色模型提取出手部區(qū)域。柴功博等[7]提出一種基于手掌分割的攝像機陣列手部定位技術(shù)。DE STEFANO C等[8]將遺傳算法應(yīng)用于模式識別中對手部圖像的處理。Domino F等人[9]提出一種基于深度描述子的算法用于手部識別。Gupta P等[10]提出從圖像中首先分割手指，然后綜合得到手部圖像的方法。Jiang F等[11]提出視角獨立的基于Kinect的手部提取方法。Kang W X等[12]提出姿態(tài)獨立的基于手指幾何形狀的手部識別方法。Ohn-Bar E等[13]提出一種實時的用于自動化界面的手部識別算法。此外，還有通過外部設(shè)備獲取生物電信號實現(xiàn)手部識別的方法，郭一娜等[14]提出一種基于肌電信號與柔性神經(jīng)樹（Flexible Neural Trees）FNT模型的實時手勢識別模型。

以上算法存在以下問題：（1） 算法實現(xiàn)過于復(fù)雜；（2） 工程實現(xiàn)難度較大。本研究目的是開發(fā)一種簡單且復(fù)雜度較低的系統(tǒng)，以解決手部識別。本文根據(jù)手部與周圍背景在HSI顏色分量上的差異，對HSI圖像進行閾值變換，得到二值圖像，再進行開閉操作及特征提取，最后完成手部的識別過程。

1 數(shù)據(jù)采集

我們利用數(shù)碼相機，采集了26幅手部圖像，其中男性和女性樣本各13副，年齡在18到20歲之間。拍攝選擇不同的角度。圖 1給出了4幅手部圖像示意圖。

2 方法

本文方法分為如下三個步驟（圖 2）。在采集原始手部圖像后，首先通過HSI色彩空間進行多通道閾值分割，得到二值圖像；接著通過形態(tài)學(xué)操作，填充孔洞。

2.1 基于HSI顏色空間的閾值分割

首先將原始圖像從RGB空間轉(zhuǎn)換到HSI空間[15]。

HSI色彩空間中色度（H）表示不同的顏色，飽和度（S）表示顏色的深淺，亮度（I）表示顏色的明暗程度。本文利用手部和周圍環(huán)境在HSI顏色空間上的差異進行識別。截取樣本圖像中的感興趣區(qū)域（ROI），即圖像中的手部部分，對其HSI分量進行統(tǒng)計，得到其分量直方圖如圖3.可見，手部圖像在HSI顏色分量直方圖上均可用一孤立波峰表示。

由上述三分量直方圖可得出手部的HSI分量分布區(qū)域，進而提取規(guī)則，根據(jù)規(guī)則可將圖像二值化。設(shè)H（m.n）， S（m，n）， I（m，n）分別代表像素（m，n）處的H、S、I分量值，bw（m，n）代表該點的二值化結(jié)果，則規(guī)則定義為：

2.2形態(tài)學(xué)操作

圖像轉(zhuǎn)換為二值圖像后，手部圖像可能會因為表面紋理粗糙造成圖像中存在孔洞，因此要將變換后的二值圖像進行孔洞填充處理。接著還要對圖像進行閉運算，即以白色手部區(qū)域為前景，其余黑色部分為背景，先膨脹再腐蝕，將圖像中的缺口連接起來，并填充比結(jié)構(gòu)元素小的洞，平滑對象的輪廓。進行閉運算后，再進行一次孔洞填充，補完圖像。

3 實驗

編程語言采用Matlab2014a，在主頻為2.50GHz、CPU為Intel Core i5、內(nèi)存為8GB的Lenovo G480筆記本電腦上運行。我們設(shè)計如下2個實驗任務(wù)。

將圖 4（a）原始彩色圖像轉(zhuǎn)換為HSI色彩空間后，利用式（1）得到預(yù)分割的二值圖像如圖 4（b）所示，手部的大致邊緣均包含在得到的二值圖像內(nèi)。缺陷在于，手部存在孔洞。

進一步，圖 4（c）是對二值圖像進行孔洞填充、閉運算、再次孔洞填充后得到的變換圖。可見，經(jīng)過形態(tài)學(xué)操作后，前景圖像（手部）中的孔洞已較好的予以填充，能夠完整地反映手部的形狀。

4 結(jié)論

本文基于HSI顏色空間所提出的彩色閾值變換圖像分割算法，同時引入形態(tài)學(xué)操作。實驗發(fā)現(xiàn)該算法能較好的填充孔洞。算法具有較高的準確率，能夠很好地將手部從背景中提取出來。

本文方法的缺點在于，在采集的樣本圖像中有部分提取后偏差較大，尤其是背景色彩較為復(fù)雜、光照過強或過弱的樣本，由于此次樣本有限，未能做進一步分析。另外，算法評價過于主觀，需要進一步采用客觀的量化評價方法。今后的工作將繼續(xù)完善本算法，考慮引入神經(jīng)網(wǎng)絡(luò)與進化計算方法[16， 17]，以進一步提高該算法的健壯性，保證該算法在各種條件下都能適用。

參考文獻：

[1] 張煜東， 顏俊， 王水花， 等. 非參數(shù)估計方法[J]. 武漢工程大學(xué)學(xué)報， 2010， 32（7）： 99-106.

[2] 張煜東， 霍元鎧， 吳樂南， 等. 降維技術(shù)與方法綜述[J]. 四川兵工學(xué)報， 2010， 31（10）： 1-7.

[3] 張煜東， 吳樂南， 王水花. 專家系統(tǒng)發(fā)展綜述[J]. 計算機工程與應(yīng)用， 2010， 46（19）： 43-47.

[4] BHUYAN M K， KUMAR D A， MACDORMAN K F， 等. A novel set of features for continuous hand gesture recognition[J]. Journal on Multimodal User Interfaces， 2014， 8（4）： 333-343.

[5] 覃文軍， 楊金柱， 趙大哲. 基于形狀特征檢測的手勢感興趣區(qū)提取方法[J]. 機器人技術(shù)與應(yīng)用， 2012（6）： 39-41.

[6] 魏來， 王迪， 邢程， 等. 基于kinect的手指定位[J]. 電腦知識與技術(shù)， 2014， 10（28）： 6713-6715.

[7] 柴功博， 顧宏斌， 吳東蘇， 等. 基于手掌分割的攝像機陣列手部定位技術(shù)研究[J]. 儀器儀表學(xué)報， 2012， 33（11）： 2535-2545.

[8] DE STEFANO C， FONTANELLA F， MARROCCO C， 等. A GA-based feature selection approach with an application to handwritten character recognition[J]. Pattern Recognition Letters， 2014， 35（0）： 130-141.

[9] DOMINIO F， DONADEO M， ZANUTTIGH P. Combining multiple depth-based descriptors for hand gesture recognition[J]. Pattern Recognition Letters， 2014， 50（101-111.

（下轉(zhuǎn)第191頁）

（上接第188頁）

[10] GUPTA P， GUPTA P. An efficient slap fingerprint segmentation and hand classification algorithm[J]. Neurocomputing， 2014， 142（464-477.

[11] JIANG F， WU S， YANG G， 等. Viewpoint-independent hand gesture recognition with Kinect[J]. Signal Image and Video Processing， 2014， 8（S163-S172.

[12] KANG W X， WU Q X. Pose-Invariant Hand Shape Recognition Based on Finger Geometry[J]. Ieee Transactions on Systems Man Cybernetics-Systems， 2014， 44（11）： 1510-1521.

[13] OHN-BAR E， TRIVEDI M M. Hand Gesture Recognition in Real Time for Automotive Interfaces： A Multimodal Vision-Based Approach and Evaluations[J]. Ieee Transactions on Intelligent Transportation Systems， 2014， 15（6）： 2368-2377.

[14] 郭一娜， 王清華， 艾杰特·亞伯拉罕. 基于柔性神經(jīng)樹和表面肌電信號的手勢識別模型[J]. 計算機應(yīng)用與軟件， 2012， 29（4）： 170-173.

[15] 龐曉敏， 閔子建， 闞江明. 基于HSI和LAB顏色空間的彩色圖像分割[J]. 廣西大學(xué)學(xué)報：自然科學(xué)版， 2011，36（6）：976-980.

[16] 張煜東， 吳樂南， 吳含前. 工程優(yōu)化問題中神經(jīng)網(wǎng)絡(luò)與進化算法的比較[J]. 計算機工程與應(yīng)用， 2009（3）： 1-6.

[17] 張煜東， 吳樂南， 奚吉， 等. 進化計算研究現(xiàn)狀（上） [J]. 電腦開發(fā)與應(yīng)用， 2009， 22（12）： 1-5.