在计算机科学技术日益发展的现代社会,人类对科技生活的需求越来越多,人机交互技术也就被广泛地应用到各个领域。语音识别系统的出现与应用,丰富了人们的智能生活,提高了人们的生活质量。然而,语音识别系统也有一些缺点。人们发现当在人多嘈杂的环境中使用语音识别系统时,就不能够达到理想的效果。这是因为此系统的识别只依赖于语音,当使用环境存在其他声音干扰时,识别率就会直线下降。为此,研究者们开始寻找解决方法。根据人类相互交流的经验有研究者提出可以通过说话时嘴唇的形状变化来识别话语内容。这一方法通过视觉通道信息弥补了听觉通道信息的丢失。因此越来越多的研究者开始致力于唇部视觉语言识别的研究,并取得了显著成就。本文对唇语识别中嘴唇分割的过程进行了主要研究。在进行嘴唇精确分割之前,需要在输入的图像中定位出嘴唇所在的大致区域。本文采用现在比较成熟的一种人脸识别算法在输入的图像中识别出人脸区域,然后在人脸区域图像中根据五官的分布及相互之间的比例关系定位出嘴唇所在的大致区域,获得嘴唇图像,并将其作为精确分割的输入。为了使最终的分割结果更加准确,减少其他因素对算法的影响,本文在精确分割之前对图像进行了一些预处理。首先,为了尽量减少光照不均对分割结果的影响,本文对待分割图像进行了亮度均衡处理。在本文中,读入的原始图像为RGB图像,为方便计算,本文对图像的每个颜色通道都进行了亮度均衡,最后将结果结合,形成均衡后的新图像。此外,本文选择用CIE-LUV空间中的U分量和图像离散哈特莱变换后的C2、C3分量组成的组合颜色空间对亮度均衡后的图像进行了颜色空间转换。其中,U分量可以突出嘴唇区域和皮肤区域之间的差异,C2和C3分量则保留了更多的嘴唇细节信息。最后,在组合颜色空间图像中,本文依据像素值确定了四个关键点的位置,利用这些关键点根据嘴唇张开和闭合的两种状态分别建立了两种初始轮廓模型。对于闭合的嘴唇来说,本文选择了形状更接近嘴唇的菱形作为初始轮廓;另外,本文选择两个长轴相同的半椭圆作为张开嘴唇的初始轮廓。为了提高分割准确度,本文提出了内嘴唇初始轮廓,减少了口腔内部区域对结果的影响。经过实验验证,本文所用方法可以完成嘴唇的精确分割,并且能够得到准确的结果。对于张开的嘴唇来说,本文所用方法得到的结果可以剔除口腔内其他区域,只包含嘴唇部分,保证了分割的准确率。