肤色检测技术的研究是目前图像识别与理解研究中的一个热点,它是很多基于肤色的应用的前期处理,如人脸检测、手势识别、敏感图像识别及过滤等。稳健的肤色检测技术是这些计算机视觉应用系统成功与否的关键处理步骤。虽然已经有许多肤色检测技术出现,并取得一定的成果,但在多数应用场合还不实用,复杂光照下的肤色检测技术还未成熟。因此,本论文侧重研究复杂光照下的肤色检测技术。论文首先介绍了有关肤色检测的基础理论知识,然后对若干关键技术进行了深入研究,完成了以下主要工作:(一)提出了一种改进的Gamma矫正方法。这种方法改进了以前的线性修正模式,采用非线性修正方法,有效扩展了原有Gamma值区间的变化范围,并较为合理地描述了图像中高光、过渡、阴影区域的自适应矫正问题,使Gamma矫正方法更加有效的适应了图像中光照变化,有效提高了Gamma矫正方法弱化光照影响的能力。(二)分析了几种常见的色彩空间和肤色模型,并比较选取了YCbCr空间和椭圆肤色模型进行初步肤色检测,其中YCbCr空间是亮度-色度分离的颜色空间,并与RGB具有线性变换关系,计算简单快速,同时在视频压缩方面具有较大的优势。而椭圆肤色模型与高斯模型同属于统计模型中的参数模型,前者在检测效果与处理速度上都比后者要好,本文通过实验分析比较了两者的特性和优缺点。(三)研究了灰度共生矩阵提取图像纹理信息的方法,即利用像素对之间的方向和距离参数构造共生矩阵,然后从矩阵中提取能量、对比度等有意义的统计量来表示纹理特征。根据皮肤样本所具有的纹理信息,构建纹理特征函数,由此函数来判定图像皮肤区域,从而形成皮肤纹理特征影像。(四)提出一种复杂光照下自适应的肤色检测算法,即综合光照处理、肤色判定和纹理特征提取,在小样本分析和研究的基础上,利用颜色和纹理综合信息,对肤色区域进行分离。通过实验验证了该算法的准确率和可行性。