ارائه یک مدل آماری موثر در تشخیص پوست انسان با استفاده از تلفیق توصیف کننده های رنگ و بافت

تشخیص پوست انسان بعنوان یک مرحله اساسی پیش پردازش در بسیاری از برنامه های پردازش تصویر و بینایی ماشین حائز اهمیت است. رنگ پوست یک ویژگی اصلی و قوی در تشخیص پوست است. اکثر روشهای مطرح تشخیص پوست بر اساس رنگ، اگرچه نرخ پذیرش TPR بالایی دارند اما نرخ پذیرش خطا FPR در آنها به دلیل همپوشانی رنگی بالا بین نواحی پوست و غیر پوست، در بیشتر موارد غیرقابل قبول است. در این مقاله یک روش موثر بر اساس یک مدل تلفیقی آماری برای استخراج نواحی پوست در تصویر رنگی ارائه شده است. در مدل پیشنهادی یک ترکیب موثر از فضاهای رنگی که پایداری بیشتری در مقابل تغییرات مختلف نور داشته باشد، پیشنهاد شده است. علاوه بر اطلاعات رنگ از اطلاعات بافت تصویر برای متمایز کردن بافتهای همرنگ پوست انسان استفاده شده است. برای این منظور توصیف کننده قوی الگوی باینری محلی معرفی شده و با توجه به اهمیت نقش رنگ در تمایز اشیاء در این مقاله استفاده از عملگر الگوی باینری محلی در فضاهای رنگی پیشنهاد شده است. سپس میدان تصادفی شرطی برای ترکیب اطلاعات رنگ و بافت بطور آماری و مدل کردن ارتباط فضایی بین پیکسلهای تصویر در فضای مختلف ویژگیها مطرح شده است. در نهایت مدل CRF آموزش داده شده برای شناسایی و متمایز کردن نواحی پوست در تصاویر رنگی استفاده میشود. نتایج حاصل از روش پیشنهادی روی پایگاه داده های مطرح و مقایسه با نتایج روشهای دیگر موفقیت و کارایی بهینه روش پیشنهادی را نشان می دهد.