人脸皮肤表面可见特征检测的技术研究

摘要

近些年来，随着生产力的不断发展，人们的物质生活水平也有了大幅度的提高。但是发展生产力所带来的环境问题却是越来越严重，许多皮肤问题也随着这些环境问题接踵而来。因此，越来越多的人们开始关注自己的皮肤状况。要了解自己的皮肤状况，就需要对皮肤的各项参数进行相应的测评，在进行皮肤测评时最重要的就是检测出皮肤表面的特征，利用这些皮肤特征对皮肤进行测评。本文主要研究的就是对皮肤表面可见特征的检测。目前常见的皮肤特征检测的方式有两种，一种是请专业人士进行检测，另一种是利用专业的皮肤检测仪器采集皮肤表面的各项特征指标。虽然这两种方式都能对皮肤表面的特征进行检测，但是它们自身都存在着许多缺陷。请专业人士进行皮肤检测虽然可以较快地得到检测结果，但是得到的结果存在较大的主观因素，不同的人根据自身的经验和知识可能得出不同的结果，而且通过该方法只能得到定性的结果。利用专业的皮肤检测仪器进行皮肤表面特征的检测虽然可以得到相当精准的结果，但是其成本很高，检测的过程十分复杂并且也不能做到实时非接触式检测。针对以上两种方法的缺点，本文提出了一种既简单又能得到精确结果的皮肤表面特征检测的方式——基于图像处理技术的皮肤表面可见特征的检测。　　该方法将皮肤表面可见特征的检测分为两个模块，即皮肤色斑检测模块以及皮肤表面粗糙度检测模块。先对采集到的皮肤图像进行预处理，接着提取图像中的斑块和粗糙度进行检测，最后得到量化后的色斑和粗糙度的特征参数。　　在皮肤色斑检测模块中，先对采集到的色斑图像进行去高光预处理，通过实验发现采用传统的方法如灰度直方图均衡化、线性灰度变化等，虽然可以解决图像亮度分布不均匀的问题但是在去除高光上都不能达到理想的效果。据此，本文采用了一种基于分段函数灰度变换的方法来去除图像的高光，通过实验验证了该方法可以得到理想的效果。其次，提取图像中的色斑，通过分析皮肤色斑的特点，提出了基于HIS颜色空间的阈值分割，实验发现采用单一的阈值分割方法没有办法得到较好的分割结果，因此本文采取了自适应的阈值分割方法。当图像中斑块的面积较小时，采用修正均值阈值法，当图像中斑块面积较大时，采用最小误差阈值法，将分割后的图像进行形态学滤波、区域标记等操作提取出色斑。最后，对色斑的特征进行量化，本文利用freeman链码以及边缘检测的方法提取色斑的边界得到其周长、面积、似圆度、最大半径、最小半径、伸长度等几何特征，同时还提取了斑块区域的平均色调以及斑块区域、背景区域和斑块边界区域这三者之间的饱和度差、强度差等颜色特征。　　在皮肤表面粗糙度检测模块中，先对采集的皮肤表面纹理图像进行去噪、增强等预处理。本文利用二维高斯滤波和同态滤波来对图像进行去噪和增强，通过实验证明这两种方法能达到理想的预处理结果。然后本文利用灰度共生矩阵和提取图像Tamura纹理特征来提取皮肤表面粗糙度的特征参数。

目录

声明

摘要

1．绪论

1．1课题研究的背景以及意义

1．2国内外的研究状况

1．2．1皮肤色斑检测技术的发展

1．2．2皮肤粗糙度检测技术的发展

1．3本文的主要研究内容

2．皮肤色斑检测技术的研究

2．1皮肤色斑特征的简介

2．2色斑图像的预处理

2．2．1基于直方图均衡化的去高光方法

2．2．2基于线性灰度变换的去高光方法

2．2．3基于分段函数的灰度变换的去高光方法

2．2．4实验结果分析

2．3色斑的提取

2．3．1色斑图像颜色空间的变换

2．3．2基于图像S域的阈值分割

2．3．3利用形态学滤波和区域标记方法提取色斑

2．4色斑特征参数的提取

2．4．1色斑几何特征参数的提取

2．4．2色斑颜色特征参数的提取

2．4．3色斑图像不变矩的提取

2．5本章小结

3．皮肤粗糙度检测技术的研究

3．1皮肤粗糙度特征的简介

3．2皮肤图像的预处理

3．2．1利用同态滤波增强图像

3．2．2利用二维高斯滤波对图像去噪

3．3皮肤粗糙度特征参数的提取

3．3．1基于灰度共生矩阵的皮肤粗糙度特征参数的提取

3．3．2基于皮肤Tamura纹理特征的粗糙度特征的提取

3．4本章小结

4．实验结果分析

4．1皮肤色斑特征参数的分析

4．2皮肤表面粗糙度特征参数的分析

4．3本章小结

5．结论以及展望

5．1结论

5．2展望

参考文献

后记

致谢