基于皮肤图像信息处理的年龄测试方法

摘要

本发明提供一种基于皮肤图像信息处理的年龄测试方法，通过挖掘皮肤表面随年龄变化的纹理信息，尝试为医学工作者提供一种新的简便无创的年龄推断方法。首先无创采集前臂腹侧中段部位皮肤图像，然后对采集的皮肤图像进行预处理以及特征提取，得到了皮沟和皮嵴的相关参数，并运用统计学方法分析这些参数与年龄的相关性，得出推断年龄的数学模型。统计结果表明，本方法中的皮肤纹理参数均与年龄有较高的线性相关性，将统计分析得到的年龄推断模型进行测试，能够得到较高的准确率，证明了本文方法推断年龄的有效性，并且由于其所需成本低，有望用于医学年龄的客观推断。

说明书

技术领域

本发明涉及生命科学技术领域，具体涉及一种基于皮肤图像信息处理的年龄测试方法。

背景技术

年龄是一种具有生物学基础的自然标志。对个体的年龄推断是医学研究和刑事侦察中经常遇到的一项工作，包括对移民、无名氏、运动员和嫌犯等进行年龄推断，从而为医学研究、侦查和处理民事案件等提供可靠线索和科学证据。目前临床上适用于成年人的年龄推断方法主要是基于骨骼变化以及牙齿磨耗程度，需要医师依据评分标准进行肉眼观察评估，其准确度易受医师主管因素影响。

除了骨骼变化以及牙齿磨耗之外，人体还有很多组织器官也表达着年龄信息，如皮肤和毛发等。皮肤作为人体最大的一个器官，其发育老化规律已经被做了大量研究。已有的医学研究表明：人体上肢皮肤表面纹理结构清晰，是由初级线(20～100μm深)和初级线的分叉线(次级线，5～40μm深)组成的网状结构。而且随着年龄的增加，皮肤开始老化，萎缩、变薄，其在微观结构上表现为初级线变粗加深，次级线减少或者消失。因此，皮肤的纹理特性与人体的年龄信息存在一定的相关性。

但近几年，研究者大多均是借助于皮肤硅胶复膜手段来进行皮肤参数测量，此类方法较为复杂，容易产生误差。也有学者通过对手背部皮肤进行拍照获取图像来研究皮肤老化，但是该方法中的参数计算均是手动计算，较为耗时费力，算法智能性比较差。

发明内容

本发明提出一种基于皮肤图像信息处理的年龄测试方法，主要结合皮沟和皮嵴特性，利用计算机图像处理技术，提取计算皮肤表面微观图像中的纹理形态特征参数，然后分析这些参数与年龄之间的关系，最后依据统计学方法推导得出皮肤纹理特征参数推断年龄的数学模型，从而实现医学年龄的无创估计。

为达到上述目的，本发明采用以下技术方案予以实现：

一种基于皮肤图像信息处理的年龄测试方法，其关键在于，包括如下步骤：

S1：通过数码显微镜获取皮肤表面图像，该数码显微镜的镜头上套接有带偏振光镜的透明基座；

S2：图像预处理，包括灰度变换、纹理增强以及图像分割处理；

S3：皮肤纹理线提取，用于提取皮肤表面纹理线；

S4：皮肤纹理参数计算，所述皮肤纹理参数是由皮沟的平均宽度、皮嵴的平均面积以及纹理交点密度三者组合而成；

S5：将年龄作为因变量，将步骤S4所得的皮肤纹理参数作为自变量，进行多元线性回归分析，得到年龄估计值。

作为进一步描述，步骤S3的具体步骤为：

S31：采用形态学增强方法将图像中的亮细节提取出来；

S32：采用均值滤波进行滤波处理

S33：采用大津阈值分割法将预处理后的皮肤图像分割为背景和目标两部分；

S34：对分割后得到的图像进行分水岭变换，从而可以清晰地获得皮肤表面纹理线。

再进一步描述，步骤S4中的其中皮沟的总面积为步骤S3处理后图像中黑色像素点的总和，通过计算单像素宽度皮肤纹理图像中黑色像素总和即为皮沟的长度。

步骤S4中的其中，皮嵴的总面积为步骤S3处理后图像中白色像素总，通过统计单像素宽度皮肤纹理图像中白色皮嵴块的个数即得皮嵴个数。

作为优选，步骤S5中：

针对女性而言，所采用的多元线性回归分析模型为：

Age＝3.256+8.729 PG-0.003 PJ-0.516 JD；

针对男性而言，所采用的多元线性回归分析模型为：

Age＝33.722+4.664 PG+0.00006427 PJ-0.471 JD；

其中Age为多元线性回归分析模型估计出的年龄值(单位：岁)，PG为皮沟平均宽度，PJ为皮嵴平均面积，JD为纹理交点密度。

与现有技术相比，本申请提供的技术方案，具有的技术效果或优点是：

(1)本方法结合图像处理，分别提取了皮沟的平均宽度、皮嵴的平均面积以及纹理交点密度作为皮肤纹理参数，通过构建线性回归方程，从而实现医学年龄无创检测；

(2)本方法所使用的检测装置无辐射、无损伤、与TW3手腕骨年龄检测方法相比，检测年龄范围更大；

(3)由于本方法中的使用设备简单而且无创，便于携带，所用指标受主观因素影响小，易于推广应用，可用于法医学年龄检测以及美容行业的年龄分析，具有很好的市场应用价值。

附图说明

图1为皮肤纹理结构采集示意图；

图2本发明所采用的图像采集装置的结构示意图；

图3为本发明的方法流程图；

图4为皮肤表面图像处理步骤图；

图5为皮肤纹理参数与年龄之间的变化趋势图。

具体实施方式

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式，对上述技术方案进行详细的说明。

如图1-图3所示，一种基于皮肤图像信息处理的年龄测试方法，包括如下步骤：

S1：通过数码显微镜获取皮肤表面图像，该数码显微镜的镜头上套接有带偏振光镜的透明基座；

皮肤纹理结构受外界环境影响大，而且其结构复杂，不同身体部位呈现不同的特征，如以面部特征作为年龄检测已有一定的研究，其缺点也不容忽视，其一是面部易受阳光照射，皮肤受外界影响大；其二是面部表情丰富，肌肉运动因个体差异较大。综合考虑采集数据容易，受日光照射相对较少，肌肉运动相对不太频繁，手臂内侧中间部位是皮肤图像样本采集的理想区域，如图1所示。另外，在裸眼下或者普通相机拍摄下，皮肤纹理结构不够清晰，图像处理困难，参数数据提取不易。因此，本发明采用一款可清晰采集手臂内侧中间部位皮肤图像的装置。

如图2所示，采用数码显微镜进行皮肤表面图像采集，该数码显微镜配置有带偏振光镜的透明基座。数码显微镜的主要参数为：感光芯片1/3.2"，200万像素，最大分辨率1600*1200，数据接口USB 2.0，帧速率30fps at 640*480视频模式1600*1200,1280*1024，640*480，320*240，放大倍率10X--30X，200X，理想工作温度-10～+60℃，带8颗LED白色光源的无影灯设计，便于照明皮肤中的皮肤纹理的皮沟和皮脊，消除阴影，并能将色彩失真降到最低程度，亮度稳定，LED灯能耗低，长时间工作时不会发热；透明基座用于固定偏振光镜，同时用于设置镜头与皮肤之间的距离；偏振光镜采用圆偏光镜CPL,37mm indiameter，主要用于消除皮肤表面的强反光，消除光斑或者减轻光斑。

S2：图像预处理，包括灰度变换、纹理增强以及图像分割处理；

S3：皮肤纹理线提取，用于提取皮肤表面纹理线，具体为：

S31：采用形态学增强方法将图像中的亮细节提取出来；

S32：采用均值滤波进行滤波处理

S33：采用大津阈值分割法将预处理后的皮肤图像分割为背景和目标两部分；

S34：对分割后得到的图像进行分水岭变换，从而可以清晰地获得皮肤表面纹理线。

S4：皮肤纹理参数计算，所述皮肤纹理参数是由皮沟的平均宽度、皮嵴的平均面积以及纹理交点密度三者组合而成；

其中皮沟的总面积为步骤S3处理后图像中黑色像素点的总和，通过计算单像素宽度皮肤纹理图像中黑色像素总和即为皮沟的长度；

其中，皮嵴的总面积为步骤S3处理后图像中白色像素总，通过统计单像素宽度皮肤纹理图像中白色皮嵴块的个数即得皮嵴个数；

针对交点密度而言，在机器视觉下，皮肤纹理交叉点密度随着年龄发生改变，所谓纹理交点密度就是在皮肤纹理图像中，经过图像分割处理，得到皮沟细化后的网格线，这些皮沟网格线交错形成的交叉点在图像单位面积下的交点个数为交点密度。

通过图4可以看出步骤S2-步骤S4的图像处理的具体过程，在实施过程中，上述过程可以通过图像处理软件自动进行，以MATLAB为例，其主要参数提取的原代码如下：

S5：将年龄作为因变量，将步骤S4所得的皮肤纹理参数作为自变量，进行多元线性回归分析，得到年龄估计值。

针对女性而言，所采用的多元线性回归分析模型为：

Age＝3.256+8.729 PG-0.003 PJ-0.516 JD；

针对男性而言，所采用的多元线性回归分析模型为：

Age＝33.722+4.664 PG+0.00006427 PJ-0.471 JD；

其中Age为多元线性回归分析模型估计出的年龄值(单位：岁)，PG为皮沟平均宽度，PJ为皮嵴平均面积，JD为纹理交点密度。

在研究过程中，先根据纹理参数建立的数据库，采用皮尔逊相关性分析研究纹理参数与年龄的相关性(如表1所示)，可以看出无论是男性或者女性，皮沟平均宽度以及皮嵴平均面积随年龄增加而增加，存在正相关关系，纹理交点密度(单位面积的交点个数)随年龄的增加而减小，存在负相关关系。

表1皮肤纹理参数与年龄之间的相关性

**.在0.01水平(双侧)上显著相关。

进一步通过皮肤纹理参数与年龄之间的变化趋势图观察分析，如图5所示，其中(a)女性皮沟平均宽度；(b)男性皮沟平均宽度；(c)女性皮嵴平均面积；(d)男性皮嵴平均面积；(c)女性交点个数；(d)男性交点个数)，可以看出单个参数下皮沟的平均宽度、皮脊的平均面积、纹理交点密度(单位面积的交点个数)随年龄变化趋势明显，此变化趋势是数据库中所采集的参数是人体皮肤发育受内外因素共同叠加影响的结果，因此，建立这样的假设：理想状态下，剔除外在因素的影响，皮肤自身发育的这些参数与年龄存在规律性，本研究的目的就是通过皮沟的平均宽度、皮脊的平均面积、纹理交点密度获取到人的年龄信息，所以在采集皮肤样本时，尽量减少皮肤受外在因素影响的部位，如手臂内侧、胸部等受阳光照射小、肌肉运动不频繁的部位。考虑到大样本的采集，手臂内侧采集更容易，不影响志愿者的隐私，因此选择了手臂内侧作为皮肤年龄研究部位。

通过相关性分析证实皮沟平均宽度、皮嵴平均面积以及交点个数这三个特征参数(自变量)与年龄(因变量)之间存在联系，接下来用多元回归分析来建立皮肤纹理特征参数与年龄之间的回归模型。结果如表2所示，不论男性女性，显著性概率都为0.000，表明回归模型显著，回归方程有统计学意义。

表2模型估计

综上所述，本申请的上述实施例中，通过对135例志愿者的手臂内侧皮肤图像进行分析，发现本研究所提取的多个皮肤纹理形态特征参数均与年龄有较高的相关性。随着采集的皮肤样本和检测数量的增加，该年龄检测模型会被逐渐修正，其精度会得到进一步的提高。

最后应当指出的是，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改性、添加或替换，也应属于本发明的保护范围。