Εξαγωγή περιγράμματος χειλιών από εικόνες προσώπου
Loading...
Date
Authors
Σαΐντ, Άγγελος-Φάρες
Journal Title
Journal ISSN
Volume Title
Publisher
Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Μηχανικών Η/Υ & Πληροφορικής
Abstract
Type
Type of the conference item
Journal type
Educational material type
Conference Name
Journal name
Book name
Book series
Book edition
Alternative title / Subtitle
Description
Η εξαγωγή χαρακτηριστικών του προσώπου από εικόνες παίζει σημαντικό ρόλο στην ιατρική, στη βιολογία, στην επιστήμη των υπολογιστών και κυρίως στον τομέα της Υπολογιστικής Όρασης. Από τα χαρακτηριστικά του προσώπου, η περιοχή του στόματος έχει προσελκύσει το ενδιαφέρον των επιστημόνων, στο πλαίσιο ποικίλων εφαρμογών, επειδή η μορφή και το σχήμα του μπορεί να δώσει πληροφορίες σχετικά με τα συναισθήματα ή τον λόγο του ομιλητή. Οι εφαρμογές περιλαμβάνουν αναγνώριση ομιλίας με διάβασμα χειλιών, διάγνωση ασθενειών που σχετίζονται με τα χείλη, καθώς και αναγνώριση εκφράσεων του προσώπου. Επίσης, σημαντική εφαρμογή της ανίχνευσης του περιγράμματος χειλιών αποτελεί η ακτινική χειλίτιδα, μια νόσος εκφυλισμού των χειλιών η οποία πρόκειται για ένα προκαρκινικό στάδιο που οφείλεται στην έκθεση των χειλιών στον ήλιο.
Σε αυτή την εργασία, μελετάμε μια νέα μεθοδολογία που βασίζεται στον έλεγχο πολλών κατωφλίων με σκοπό τον διαχωρισμό των χειλιών από το υπόβαθρο. Αρχικά, η εικόνα των χειλιών χωρίζεται αυτόματα σε δύο εικόνες που περιλαμβάνουν το άνω και το κάτω χείλος και πραγματοποιείται εξαγωγή του περιγράμματος σε κάθε εικόνα ξεχωριστά, με σκοπό την αναζήτηση καλύτερου αποτελέσματος. Στη συνέχεια, με τη βοήθεια της χρωματικής συνιστώσας Q γίνεται επεξεργασία των εικόνων του άνω και του κάτω χείλους. Ο λόγος είναι ότι η συνιστώσα Q αναδεικνύει ικανοποιητικά την περιοχή των χειλιών συγκριτικά με το υπόβαθρο, όπως είναι τα δόντια, η γλώσσα ή το δέρμα. Η μέθοδος εξαγωγής του περιγράμματος αρχικά ορίζει ένα σύνολο από κατώφλια, τα οποία έχουν ως αποτέλεσμα δυαδικές εικόνες, και καθορίζει το περίγραμμα του χείλους για κάθε κατώφλι, το οποίο αποτελεί το σύνορο μεταξύ των δύο διακριτών περιοχών φωτεινότητας. Στο επόμενο βήμα, για κάθε περίγραμμα υπολογίζεται η διαφορά φωτεινότητας των εικονοστοιχείων σε μια ζώνη πάνω από το περίγραμμα σε σχέση με τα εικονοστοιχεία σε μία ζώνη κάτω από το περίγραμμα, αποσκοπώντας στην αξιολόγηση του περιγράμματος ως προς τη διακριτική του ικανότητα. Ως αποτέλεσμα επιλέγεται το περίγραμμα με την καλύτερη διακριτική ικανότητα.
Η μέθοδος εξαγωγής του περιγράμματος συγκρίνεται με άλλες προσεγγίσεις με σκοπό την αξιολόγησή της. Στην αξιολόγηση αυτή, χρησιμοποιήθηκε μια χαρακτηρισμένη, από ειδικούς γιατρούς, βάση εικόνων η οποία αποτελείται από νεαρά άτομα και ηλικιωμένα άτομα με πιθανές παθήσεις. Επίσης, η μέθοδος εφαρμόστηκε σε ακολουθίες βίντεο με σκοπό την εξαγωγή του περιγράμματος των χειλιών των ομιλητών.
The extraction of facial features from images is of great significance in medicine, biology, computer science and particularly in the field of Computer Vision. From all facial features, the area of the mouth has attracted the interest of scientists, in a great variety of applications, because its shape can provide information about the feelings or speech of the speaker. Applications include speech recognition with lip reading, diagnosis of lip-related diseases, and facial expressions recognition. Also, a significant application of lip detection is solar cheilosis, a lip degenerative disease, which is a precancerous stage due to the exposure of the lips to the sun. We examine a methodology based on image thresholding that considers several candidate threshold values in order to separate the lips from the background. First, the image of the lips is automatically split into two images that include the upper and lower lip respectively. The lip extraction is made on each image separately in order to obtain a better result. We analyze the images considering the component Q from YIQ color space, because this component satisfactorily enhances the region of the lips relative to the background (teeth, tongue or skin). The contour extraction method applies thresholding for several candidate threshold values, and determines the contour for each threshold, which is the boundary between the two distinct luminance regions. In the next step, for each contour, is calculates the brightness difference of the pixels in a zone above the contour relative to the pixels in a zone below the contour, aiming at the assessment of the contour in terms of discrimination. As a result, the contour is selected with the best separation ability. The contour extraction method has been comparatively evaluated using a database of lip images, consisting of young people and elderly people with possible solar cheilosis. The lip contour in those images has been specified by expert dermatologists. Also, the method has been applied to video sequences to extract the contour of the speaker’s lips.
The extraction of facial features from images is of great significance in medicine, biology, computer science and particularly in the field of Computer Vision. From all facial features, the area of the mouth has attracted the interest of scientists, in a great variety of applications, because its shape can provide information about the feelings or speech of the speaker. Applications include speech recognition with lip reading, diagnosis of lip-related diseases, and facial expressions recognition. Also, a significant application of lip detection is solar cheilosis, a lip degenerative disease, which is a precancerous stage due to the exposure of the lips to the sun. We examine a methodology based on image thresholding that considers several candidate threshold values in order to separate the lips from the background. First, the image of the lips is automatically split into two images that include the upper and lower lip respectively. The lip extraction is made on each image separately in order to obtain a better result. We analyze the images considering the component Q from YIQ color space, because this component satisfactorily enhances the region of the lips relative to the background (teeth, tongue or skin). The contour extraction method applies thresholding for several candidate threshold values, and determines the contour for each threshold, which is the boundary between the two distinct luminance regions. In the next step, for each contour, is calculates the brightness difference of the pixels in a zone above the contour relative to the pixels in a zone below the contour, aiming at the assessment of the contour in terms of discrimination. As a result, the contour is selected with the best separation ability. The contour extraction method has been comparatively evaluated using a database of lip images, consisting of young people and elderly people with possible solar cheilosis. The lip contour in those images has been specified by expert dermatologists. Also, the method has been applied to video sequences to extract the contour of the speaker’s lips.
Description
Keywords
Περίγραμμα χειλιών, Ακτινική χειλίτιδα, Κατωφλίωση, Κατάτμηση εικόνας, Lip contour, Thresholding, Image rpocessing
Subject classification
Επεξεργασία εικόνας -- Ψηφιακές τεχνκές
Citation
Link
Language
el
Publishing department/division
Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Μηχανικών Η/Υ & Πληροφορικής
Advisor name
Λύκας, Αριστείδης
Examining committee
Λύκας, Αριστείδης
Νίκου, Χριστόφορος
Κόντης, Λυσίμαχος-Παύλος
Νίκου, Χριστόφορος
Κόντης, Λυσίμαχος-Παύλος
General Description / Additional Comments
Institution and School/Department of submitter
Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Μηχανικών Η/Υ & Πληροφορικής
Table of contents
Sponsor
Bibliographic citation
Βιβλιογραφία : σ. 65-67
Name(s) of contributor(s)
Number of Pages
68 σ.