第 38 卷 第 7 期
2012 年 7 月
北 京 工 业 大 学 学 报
JOURNAL OF BEIJING UNIVERSITY OF TECHNOLOGY
Vol.38 No.7
Jul.2012
基 于 分 水 岭 和 K-均 值 的 半 自 动 眉 毛 图 像 分 割
李玉鑑, 白 洁
(北京工业大学 计算机学院, 北京 100124)
摘 要: 为了从原始图像中快速、稳定地提取纯眉毛图像,提出了一种融合分水岭和 K-均值算法的眉毛图像分割
方法,即 W-K 算法.首先通过手工在眉毛图像上画上几条线标注部分眉毛点和非眉毛点,其次利用分水岭算法产
生蓄水盆,再使用 K-均值算法对蓄水盆进行聚类,最后通过眉毛点筛选实现纯眉毛图像的分割.实验结果表明,该
方法在分割纯眉毛图像的过程中具有速度快、效果好的优点,可用于眉毛识别的前期预处理,并有助于提高识别结
果的准确率.
关键词: 眉毛; 图像分割; 分水岭算法; K-均值聚类
中图分类号: TG 501 文献标志码: A 文章编号: 0254 -0037(2012)07 -1099 -05
Semi-automatic Eyebrow Segmentation Based on
Watershed and K-means Algorithm
LI Yu-jian, BAI Jie
(College of Computer Science, Beijing University of Technology, Beijing 100124, China)
Abstract: To extract a pure eyebrow image from an original image rapidly and steadily, an eyebrow
segmentation method based on watershed and K-means algorithm was presented, which was called W-K
algorithm.First, a number of eyebrow pixels and non-eyebrow pixels by manually scratching several
simple lines on an original eyebrow image were labeled; Second, the watershed algorithm was used to
produce catchment basins, and them were clustered by K-means algorithm; Finally, a pure eyebrow
image was extracted by eyebrow pixel filtering.Experiment results show that it can segment pure eyebrow
images in high speed and good performance for preprocessing to improve eyebrow recognition accuracy.
Key words: eyebrow; image segmentation; watershed algorithm; K-means clustering
收稿日期: 2010-11-30.
基金项目: 国家自然科学基金资助项目(61175004); 北京市自然科学基金资助项目 (4102012); 北京市教育委员会科技发展
重点资助项目(KM201010005012) .
作者简介: 李玉鑑(1968—), 男, 教授, 博士生导师, 主要从事模式识别和机器学习方面的研究, E-mail: liyujian@bjut.edu.
cn.
眉毛识别是近年来新兴的一种生物特征识别技
术
[ 1 ]
.与研究较多的人脸识别相比
[ 2]
,眉毛图像不
仅具有轮廓鲜明、结构简单和容易选取的优点,而且
受光照和表情的影响 较小.此外,人类的眉毛具有
多种多样的形状,无固定结构,具有很好的身份特异
性,因此能被有效地应用于身份识别.
眉毛识别有多种方法,比如基于特征串匹配的
方法
[ 3]
、基于 HMM 和 神 经 网络的 方 法
[ 4]
等.使 用
这 2 种方法进行身份识别,首先需要进行纯眉毛图
像的 分 割, 可 采 用 直 接 填 充 法
[ 3]
和 半 监 督 填 充
法
[ 5 ]
.直接填充法通过手工选择一个包含眉毛的多
边形区域,并在经过灰度化处理之后将其置入一个
外接矩形,多边形与外接矩形之间区域用多边形顶
点的灰度均值填充,其缺点是得到的纯眉毛图像中