基于体表损伤图像分类的皮肤色变程度检测模型

摘要

法医学家在做体表损伤司法鉴定时,往往需要综合考虑体表损伤面积大小、损伤区域皮肤颜色变化程度、相关鉴定标准等多种因素才能判定体表损伤级别。在研发新版本的“体表损伤司法鉴定软件”时，合作单位提出了自动化识别体表损伤区域皮肤颜色变化程度的需求。
　　从法医专家标记过损伤区域皮肤颜色变化等级的体表损伤图像样本中，分别提取RGB、HSV等五种颜色空间下的颜色特征，经变换函数和区间划分算法处理后，构造了自动化识别“皮肤变色”等级的区间划分分类模型。实验结果表明：与法医学专家给出的“简易模型”相比，基于区间划分的分类模型对皮肤变色程度具有较高的分类识别率，但还需进一步的工作以提升该模型的分类正确率。
　　此外，本文还考察了四种基于机器学习(数据挖掘)的多分类算法对体表损伤区域皮肤颜色变化程度的分类能力。四种多分类算法分别使用五种颜色空间下的样本数据进行模型训练和测试。实验结果表明：与区间划分分类模型相比，采用的机器学习多分类模型的分类效果更好。其中，ECOC-SVM算法和Decision Tree算法在使用五种颜色空间的测试集测试时都获得了90％以上分类正确率。

目录

声明

第一章 绪论

1.1研究背景

1.2 研究现状和意义

1.3研究内容

1.4论文结构

第二章 数字图像与颜色概述

2.1.数字图像相关概念

2.2颜色概述

2.3颜色模型

2.4颜色模型的选择

2.5本章小结

第三章图像样本数据处理

3.1 图像数据概述

3.2 颜色数据提取

3.3 获取不同颜色空间数据

3.4 颜色三分量分析

3.5 划分训练集与测试集

3.6 本章小结

第四章区间划分模型

4.1模型评价标准

4.2变换函数的特性

4.3距离区间划分模型

4.4自定义函数模型

4.5降维区间划分模型

4.6简易模型

4.7本章小结

第五章机器学习模型

5.1多分类算法简介

5.2 实验过程

5.3 实验结果分析

5.4 本章小结

第六章总结与展望

6.1 总结

6.2 展望

参考文献

致谢

攻读硕士学位期间作者参与的科研项目及成果