南師附中江寧分校 李顧全

河海大學(xué)物聯(lián)網(wǎng)工程學(xué)院 趙沛然 李麗媛 蔣艷芳

基于圖像處理的皮膚健康檢測(cè)研究

南師附中江寧分校 李顧全

河海大學(xué)物聯(lián)網(wǎng)工程學(xué)院 趙沛然 李麗媛 蔣艷芳

為了滿足目前對(duì)于皮膚健康檢測(cè)的新需求,提出一種基于圖像處理的皮膚健康檢測(cè)算法.利用一種優(yōu)化的Haar分類器和基于相對(duì)位置的分割算法,對(duì)自拍圖像進(jìn)行處理獲得待檢皮膚圖像.針對(duì)光澤、色斑和皺紋三種健康指標(biāo),先后利用單尺度Retinex和Bp神經(jīng)網(wǎng)絡(luò)對(duì)上述指標(biāo)進(jìn)行檢測(cè)分析.實(shí)驗(yàn)結(jié)果表明,該算法能夠較快的完成圖像分割與檢測(cè)功能,并且能夠較好的表示出皮膚健康情況.

圖像處理;皮膚健康;Haar分類器;單尺度Retinex;Bp神經(jīng)網(wǎng)絡(luò)

1 引言

皮膚是人體重要器官之一,它保護(hù)人體阻擋細(xì)菌、灰塵等的侵入,保證人體內(nèi)環(huán)境的穩(wěn)定.隨著"肌膚監(jiān)測(cè)"的醫(yī)療觀念的提出,對(duì)于皮膚健康檢測(cè)的研究越來越多[1].能夠方便的對(duì)皮膚信息進(jìn)行采集和實(shí)時(shí)分析,隨時(shí)掌握皮膚健康狀態(tài),是如今皮膚檢測(cè)相關(guān)產(chǎn)業(yè)與研究的新方向.

隨著圖像處理算法的迅速發(fā)展,利用圖像處理的手段對(duì)醫(yī)學(xué)圖像分析,發(fā)現(xiàn)甚至診斷疾病成為一種新興醫(yī)療解決方案.在目前,利用數(shù)字圖像處理的方法對(duì)皮膚疾病進(jìn)行輔助診斷被證明是一種有效的手段.通過對(duì)指定區(qū)域皮膚圖像的采集、處理和分析,可以對(duì)諸如白癜風(fēng)、黑色素瘤這類皮膚病的精確識(shí)別和臨床醫(yī)學(xué)診斷提供客觀依據(jù)[2-4].自拍如今已經(jīng)成為人們的一種日常行為,任何一個(gè)擁有智能設(shè)備的人都可以方便地獲取自拍圖像.又因?yàn)樽耘膱D像中含有豐富的皮膚信息,因此本文將自拍圖像作為圖像源并通過圖像處理技術(shù),設(shè)計(jì)和實(shí)現(xiàn)一種方便使用的皮膚健康檢測(cè)軟件以實(shí)現(xiàn)對(duì)皮膚情況的檢測(cè).

該方案利用一種優(yōu)化的Haar算法和基于相對(duì)位置的分割算法實(shí)現(xiàn)對(duì)于自拍圖像中人臉皮膚的檢測(cè)和分割,利用Retinex算法和以灰度共生矩陣參量為特征的Bp神經(jīng)網(wǎng)絡(luò),對(duì)人臉皮膚的光澤、色斑和皺紋指標(biāo)進(jìn)行評(píng)判.實(shí)驗(yàn)結(jié)果表明,該算法能夠較為準(zhǔn)確地得出皮膚分割圖像,并針對(duì)上述皮膚指標(biāo)得出合理的評(píng)判結(jié)果.

2 圖像預(yù)處理

2.1 圖像增強(qiáng)

增強(qiáng)特征的目的是為了在后續(xù)指標(biāo)提取中凸顯皺紋和色斑等特征.直方圖均衡化是一種常用的圖像增強(qiáng)方法.其原理是通過使用累積函數(shù)對(duì)灰度值進(jìn)行"調(diào)整"以實(shí)現(xiàn)對(duì)比度的增強(qiáng)[5].這種方法通常用來增加許多圖像的局部對(duì)比度,尤其是當(dāng)圖像的有用數(shù)據(jù)的對(duì)比度相當(dāng)接近的時(shí)候,使亮度可以更好地在直方圖上分布.這樣就可以用于增強(qiáng)局部的對(duì)比度而不影響整體的對(duì)比度,直方圖均衡化通過有效地?cái)U(kuò)展常用的亮度來實(shí)現(xiàn)這種功能.

一般的,可以利用原圖的灰度值的概率(直方圖)計(jì)算原圖灰度級(jí)的分布情況,再用累計(jì)分布函數(shù)計(jì)算輸出的灰度級(jí),再使其分布均衡達(dá)到設(shè)計(jì)目的.

圖1 直方圖增強(qiáng)效果

圖1顯示了直方圖均衡增強(qiáng)的效果.圖(a)為原始圖像,圖(b)為增強(qiáng)后的圖像.通過兩張圖的對(duì)比可以看出增強(qiáng)后的圖像在對(duì)比度上得到了較大的凸出,使得皺紋等特征變得更加明顯.

2.2 圖像分割

本文中ROI(Region of Interest)區(qū)域是皺紋、色斑集中的額頭和臉頰皮膚圖像.在本文中首先采用了Haar分類器對(duì)自拍圖像進(jìn)行面部圖像分割.通過實(shí)驗(yàn)發(fā)現(xiàn)利用原始Haar分類器不能有效的進(jìn)行達(dá)到預(yù)期結(jié)果,存在誤檢的問題.故在原始Haar基礎(chǔ)上輔以面積數(shù)據(jù)進(jìn)行篩選.最后根據(jù)目標(biāo)皮膚區(qū)域相對(duì)位置,進(jìn)行皮膚圖像的分割.

2.2.1 面部圖像分割

在本文中采用了 Haar 分類器對(duì)自拍圖像的面部進(jìn)行分割.Haar分類器是如今處理效果最好的人臉分類器之一,具有運(yùn)算速度快,準(zhǔn)確率高的優(yōu)點(diǎn)[6].它的原理是:先從自拍圖中計(jì)算獲取 Haar特征,再利用訓(xùn)練好的 Haar 分類器對(duì)該特征進(jìn)行篩選,能通過所有強(qiáng)分類器的結(jié)果則可以判定為是人臉圖像.

Haar特征是基于圖像的灰度變化情況而提出的,一般的將其分為3類:邊界特征、線形特征以及中心特征.Haar特征實(shí)際上是設(shè)計(jì)了形如各式的子窗,通過在圖像上子窗的滑動(dòng)計(jì)算白色矩形區(qū)域的像素點(diǎn)灰度值的和減去黑色區(qū)域的像素和,根據(jù)得到的值進(jìn)行面部圖像的提取.

圖2 人臉分割結(jié)果圖

圖2展示了利用傳統(tǒng)的Haar分類器分割人臉的結(jié)果圖.在經(jīng)典的圖像分割方法中,圖像像素的空間信息大,都采用矩形的鄰域窗來獲取[7].因此,在利用分類器尋找到面部區(qū)域后將其坐標(biāo)再投影回源圖像上,并以矩形框圈出.可以看出在(a)圖中尋找的面部圖像準(zhǔn)確有效,而(b)圖中除了正確的面部圖像外,出現(xiàn)了誤檢的情況.這是由于目標(biāo)特征中包含大量信息,在不對(duì)特征信息加以選擇的情況下,冗余且不相關(guān)的信息會(huì)影響分類器的功能[8].因此需要對(duì)Haar識(shí)別的結(jié)果進(jìn)行篩選,以提高正確率.

因?yàn)樽耘膱D像在構(gòu)圖上具有兩個(gè)特點(diǎn)[9-10]:(1)在自拍圖像中人物圖像在圖像中會(huì)占據(jù)較大一部分的空間.而在背景中那些會(huì)被錯(cuò)誤識(shí)別的成分在大部分情況其面積大小都小于面部的圖像.(2)在自拍圖像中出現(xiàn)的面部區(qū)域一般出現(xiàn)在圖像的中上部.根據(jù)以上兩個(gè)特點(diǎn),設(shè)計(jì)了一種基于圖像結(jié)構(gòu)的篩選算法.算法執(zhí)行分為三步:

第一步:遍歷所有Haar分類器輸出結(jié)果,計(jì)算每一個(gè)結(jié)果的面積;

第二步:對(duì)計(jì)算出的面積結(jié)果按照從大到小進(jìn)行排序;

第三步:遍歷面積排序后的結(jié)果,判斷區(qū)域的上邊緣是否處于源圖像的中上方區(qū)域.如果是則將其作為面部區(qū)域輸出,反之則計(jì)算下一個(gè)區(qū)域.若所有結(jié)果遍歷后均不符合位置條件,則將面積最大的輸出.

圖3 經(jīng)篩選后分割結(jié)果圖

圖3為經(jīng)過篩選后的面部圖像分割結(jié)果,其成功將背景錯(cuò)誤識(shí)別區(qū)域剔除而保留了正確面部圖像區(qū)域.達(dá)到了算法設(shè)計(jì)的目的.

圖4展示的是最終分割后的面部圖像.

圖4 最終分割結(jié)果圖

圖5 分割結(jié)果示意圖

2.2.2 皮膚圖像分割

如果直接對(duì)所有的皮膚進(jìn)行分析評(píng)判,需要處理大量的像素信息,計(jì)算量變大輸出結(jié)果變慢.而皺紋、色斑大多生于額頭和臉頰這兩個(gè)區(qū)域,并且這兩個(gè)區(qū)域的皮膚也能夠很好的表現(xiàn)中皮膚光澤情況.根據(jù)以上情況,可以將額頭和左右臉頰皮膚作為目標(biāo)區(qū)域設(shè)計(jì)分割算法,將額頭和左右臉頰的皮膚作為樣本輸入,用目標(biāo)區(qū)域皮膚的指標(biāo)參數(shù)代表整個(gè)面部皮膚的參數(shù).

額頭和左右臉頰在人臉中位置是相對(duì)固定的,分別位于臉部的中上,左下和右下.如果拍攝者正視攝像頭,那么經(jīng)過分割后得到的面部圖像具有左右對(duì)稱的特點(diǎn).這樣就可以通過目標(biāo)區(qū)域在圖像中的相對(duì)位置進(jìn)行分割,得到目標(biāo)區(qū)域的圖像.

圖5展示了部分利用相對(duì)位置進(jìn)行分割的結(jié)果,它們將作為后續(xù)評(píng)價(jià)指標(biāo)計(jì)算的輸入圖像與Bp神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集.

3 健康指標(biāo)計(jì)算

在本文的研究中對(duì)皮膚的光澤、色斑和皺紋三個(gè)指標(biāo)進(jìn)行分析評(píng)價(jià),這三種指標(biāo)能夠較好的表征皮膚的健康情況[11-12].

3.1 光澤檢測(cè)

皮膚光澤指的是皮膚表層的視覺效果好,給人在視覺上有亮度好、氣色好的直觀印象.在此引入光澤度指標(biāo),光澤度是用數(shù)字指標(biāo)衡量一個(gè)物體表面接近鏡面的程度,其最早在工業(yè)領(lǐng)域中提出,用以評(píng)價(jià)油漆涂料的涂抹效果.本節(jié)將以光澤度為皮膚光澤評(píng)價(jià)指標(biāo),提出一種數(shù)字化評(píng)價(jià)皮膚光澤的方法.

一般情況下可以計(jì)算反射圖像的像素均值作為衡量光澤的參數(shù).而發(fā)射圖像可以利用Retinex算法獲取.單尺度Retinex(SSR)是圖像增強(qiáng)常用的一種算法,它以人眼觀察物體方式為模型構(gòu)造了該算法.當(dāng)人眼觀察一個(gè)物體時(shí),物體會(huì)經(jīng)過眼球屈光系統(tǒng)反射到視網(wǎng)膜上形成清晰的物象,然后視網(wǎng)膜上的視錐細(xì)胞和視桿細(xì)胞將視覺刺激轉(zhuǎn)化成神經(jīng)沖動(dòng),通過視神經(jīng)傳入大腦皮層,產(chǎn)生視覺.

任何一幅給定圖像都可以看成是反射圖像和反射圖像組合而成.其中,反射圖像只能通過數(shù)學(xué)方法獲得,一般可以利用中心環(huán)繞函數(shù)近似求得.本設(shè)計(jì)就是通過該算法能夠獲得皮膚的反射圖像,而分析反射圖像像素分布情況就能了解原始圖像的光澤度,從而檢測(cè)評(píng)判皮膚光澤[13].

在文獻(xiàn)[13]中,在計(jì)算得到了發(fā)射圖像后利用平均值作為評(píng)價(jià)分布情況參數(shù),但通過實(shí)驗(yàn)發(fā)現(xiàn)不同圖像的平均值分布較大且不能較好的表征光澤的情況.故本設(shè)計(jì)中利用平均偏差作為評(píng)價(jià)指標(biāo),在試驗(yàn)中光澤度越低的圖像其相對(duì)平均偏差值越小且區(qū)分度良好.

3.2 色斑、皺紋檢測(cè)

色斑是指和周圍皮膚顏色不同的斑點(diǎn),是一種色素障礙性皮膚病;皺紋是指皮膚表層下的自由基破壞活性物質(zhì)而生成的細(xì)紋.以上兩種皮膚健康指標(biāo)是人們對(duì)皮膚關(guān)注度最高的參數(shù),是人們?nèi)粘Ｗo(hù)膚的重點(diǎn).在本設(shè)計(jì)中,將灰度共生矩陣4個(gè)參量作為特征,采用Bp神經(jīng)網(wǎng)絡(luò)對(duì)色斑和皺紋圖像的特征進(jìn)行特征訓(xùn)練,利用訓(xùn)練好的分類器作為評(píng)判工具.

3.2.1 特征選擇

灰度共生矩陣是一種表示紋理圖像特性的有效手段[14].在灰度共生矩陣中包含有眾多信息,考慮實(shí)際使用需要在矩陣基礎(chǔ)計(jì)算紋理特征量,在本系統(tǒng)中利用反差、能量、熵和相關(guān)性四個(gè)參數(shù)作為特征量[15]:

(1)反差:它可以表示區(qū)域中的像素值分布和局部變化的情況.當(dāng)紋理深度和清晰程度較為明顯,其計(jì)算結(jié)果得到的值較大.

(2)能量:是矩陣各像素值的平方和.它反應(yīng)了圖像灰度變化情況以及紋理粗細(xì)度.能量值大則表示該區(qū)域中的紋理變化規(guī)則較為穩(wěn)定的紋理.

(3)熵:用以度量矩陣中出現(xiàn)的隨機(jī)事件情況,能夠反映圖像的復(fù)雜情況.當(dāng)矩陣中的數(shù)值趨近相同或出現(xiàn)了某種極小概率事件時(shí),熵會(huì)增大.

(4)相關(guān)性:能夠衡量圖像在水平或豎直方向上的連續(xù)性.當(dāng)其中一個(gè)方向出現(xiàn)連續(xù)信息時(shí),相關(guān)性會(huì)變大.

3.2.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練

在圖像處理領(lǐng)域中使用Bp神經(jīng)網(wǎng)絡(luò)是一種常見做法,一般將其運(yùn)用于分類運(yùn)算中,而在皮膚健康檢測(cè)領(lǐng)域中使用這種工具進(jìn)行分類、識(shí)別已經(jīng)成為一種常用手段[16].從結(jié)構(gòu)上來說,神經(jīng)網(wǎng)絡(luò)更類似于人腦,通過神經(jīng)網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí),可以得到相應(yīng)識(shí)別函數(shù)關(guān)系[17].當(dāng)訓(xùn)練完成后,將一個(gè)新的缺陷圖像的特征輸入時(shí),神經(jīng)網(wǎng)絡(luò)會(huì)對(duì)其特征進(jìn)行分類輸出缺陷類型.在本系統(tǒng)中,將以色斑和皺紋圖像的特征作為輸入,色斑和皺紋的評(píng)分為輸出,利用神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行訓(xùn)練分類.

在此不詳述Bp神經(jīng)網(wǎng)絡(luò)的基本原理,簡(jiǎn)單闡述一下本文采用的網(wǎng)絡(luò)模型結(jié)構(gòu)與訓(xùn)練樣本集.本文中采用的"1-1-1"的網(wǎng)絡(luò)模型,即1層輸入層、1層隱含層與1層輸出層.輸入層包含有4個(gè)神經(jīng)節(jié)點(diǎn)分別為灰度共生矩中的4個(gè)參量;經(jīng)過試驗(yàn)比較,最終隱含層中的神經(jīng)節(jié)點(diǎn)個(gè)數(shù)為7個(gè);輸出則為實(shí)驗(yàn)樣本的人工評(píng)分標(biāo)簽.

4 實(shí)驗(yàn)結(jié)果與分析

4.1 實(shí)驗(yàn)樣本

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的樣本共600張自拍圖像,均來自于網(wǎng)絡(luò)中的自拍圖像.其中500張作為訓(xùn)練樣本,100張作為實(shí)驗(yàn)樣本.圖6展示了部分作為實(shí)驗(yàn)樣本的自拍圖像.

圖6 實(shí)驗(yàn)樣本圖

4.2 健康指標(biāo)提取

對(duì)于一張皮膚圖像而言,可以計(jì)算得出輸出圖像,對(duì)其進(jìn)行指數(shù)計(jì)算獲得反射圖像,最后算反射圖像的像素均值的相對(duì)平均偏差作為衡量皮膚圖像光澤參數(shù).

色斑、皺紋檢測(cè)將以 Bp 神經(jīng)網(wǎng)絡(luò)作為工具,經(jīng)過圖像分割后得到的皮膚圖像作為輸入,將灰度共生矩陣的反差、能量、熵和相關(guān)性,總計(jì)4個(gè)特征作為特征進(jìn)行學(xué)習(xí)訓(xùn)練.檢測(cè)分為前后兩個(gè)步驟:訓(xùn)練學(xué)習(xí)和實(shí)際檢測(cè).首先通過利用500張學(xué)習(xí)訓(xùn)練樣本,對(duì)已經(jīng)標(biāo)注好評(píng)分的圖像進(jìn)行學(xué)習(xí).后利用100張實(shí)驗(yàn)樣本進(jìn)行實(shí)驗(yàn),測(cè)試訓(xùn)練結(jié)果.

圖7 指標(biāo)提取得分統(tǒng)計(jì)圖

圖7中列出了光澤、色斑、皺紋檢測(cè)的實(shí)驗(yàn)結(jié)果,滿分為10分.通過分析實(shí)驗(yàn)數(shù)據(jù)得出以下結(jié)論:

(1)通過比較3組數(shù)據(jù)的皮膚光澤檢測(cè)可以看出本文中的光澤指標(biāo)的提取方法能夠較好的利用數(shù)值高低區(qū)分皮膚光澤的好壞.因此可以認(rèn)為利用 SSR算法獲得反射圖像,并計(jì)算它的像素均值的相對(duì)平均偏差作為衡量皮膚的光澤優(yōu)劣是一種可行且效果良好的方案.

(2)在比較色斑和皺紋的實(shí)驗(yàn)數(shù)據(jù)時(shí)可以發(fā)現(xiàn),利用灰度共生矩作為特征可以較好的區(qū)分出色斑和皺紋的多寡情況,因此利用本文介紹的方法可以較為準(zhǔn)確的表達(dá)皮膚健康的狀況.

4.3 耗時(shí)計(jì)算

本文設(shè)計(jì)的算法擬運(yùn)行在服務(wù)器上,并且設(shè)計(jì)對(duì)應(yīng)的手機(jī)應(yīng)用供用戶日常進(jìn)行皮膚檢測(cè).故整套流程有較高的實(shí)時(shí)性.在耗時(shí)計(jì)算實(shí)驗(yàn)中,分別計(jì)算了3幅待測(cè)圖像經(jīng)過整套流程后耗費(fèi)時(shí)間.表1列出了對(duì)實(shí)驗(yàn)樣本進(jìn)行整套算法處理所消耗的時(shí)間.

表1 耗時(shí)結(jié)果統(tǒng)計(jì)表

通過實(shí)驗(yàn)結(jié)果可以看出:對(duì)該算法運(yùn)行整套流程的消耗時(shí)間大約在110ms左右,基本上可以滿足計(jì)算快速的要求.為了更好的提高用戶體驗(yàn),可以繼續(xù)改善算法,在保證檢測(cè)準(zhǔn)確的情況下,減少消耗的時(shí)間.

5 結(jié)束語(yǔ)

皮膚健康檢測(cè)研究系統(tǒng)是利用圖像處理和模式識(shí)別技術(shù),對(duì)照片中人臉皮膚的健康狀態(tài)進(jìn)行評(píng)判,傳統(tǒng) Haar 分類器的基礎(chǔ)上實(shí)現(xiàn)了皮膚分割,但是對(duì)于色斑和皺紋兩種目標(biāo)疊加在同一區(qū)域的情況,尚不能良好的進(jìn)行分割分別提取;使用 SSR 算法對(duì)皮膚的光澤度評(píng)判時(shí)用像素相對(duì)平均偏差作為衡量標(biāo)準(zhǔn).該研究系統(tǒng)代替了傳統(tǒng)的目測(cè)檢測(cè)方法和價(jià)格昂貴、操作復(fù)雜的皮膚檢測(cè)儀.目前國(guó)內(nèi)對(duì)此方向的研究主要處于試驗(yàn)階段且只大多針對(duì)單個(gè)項(xiàng)目進(jìn)行分析,少有真正能夠投入實(shí)際使用的產(chǎn)品.因此對(duì)皮膚健康檢測(cè)課題在國(guó)內(nèi)具有很大的發(fā)展空間.

[1]齊顯龍,宋奉宜. "肌膚監(jiān)測(cè)"系列(一)--概述[J].中國(guó)美容醫(yī)學(xué),2011,02:311-312.

[2]羅衛(wèi),孟如松,蔡瑞康. 計(jì)算機(jī)圖像分析系統(tǒng)對(duì)白癜風(fēng)皮損及周邊正常皮膚的測(cè)定研究[J]. 武警醫(yī)學(xué),2011,12:1059-1060.

[3]蘇天珍. 基于皮膚腫瘤輪廓不規(guī)則性和表面網(wǎng)狀結(jié)構(gòu)的黑色素瘤檢測(cè)技術(shù)研究[D].杭州電子科技大學(xué),2013.

[4]劉志杰. 基于皮膚鏡的黑色素瘤識(shí)別算法研究[D].電子科技大學(xué),2015.

[5]吳成茂.直方圖均衡化的數(shù)學(xué)模型研究[J].電子學(xué)報(bào),2013,03:598-602.

[6]Viola P,Jones M.Rapid Object Detection using a Boosted Cascade of Simple Features[J].Accepted Conference on Computer Vision & Pattern Recognition,2010,1:511.

[7]趙鳳,劉漢強(qiáng). 不同形狀鄰域空間信息的模糊聚類圖像分割[J].計(jì)算機(jī)工程與應(yīng)用,2015,(10):12-15+35.

[8]劉薇,戴平陽(yáng),李翠華. 特征加權(quán)融合的在線多示例學(xué)習(xí)跟蹤算法[J].計(jì)算機(jī)工程與應(yīng)用,2015,(12):189-193+234.

[9]陳葉萍.試論自拍攝影與大眾文化中的"網(wǎng)絡(luò)自拍"[D].中國(guó)美術(shù)學(xué)院,2012.

[10]史書.對(duì)當(dāng)代攝影中自拍肖像的解析[D].西安美術(shù)學(xué)院,2014.

[11]單改仙,甘平,何玲,孫露,李倩楠,江正,賀向前.利用皮膚紋理面積客觀評(píng)價(jià)皮膚老化的研究[J].生物醫(yī)學(xué)工程學(xué)雜志,2015,01:142-145.

[12]羅衛(wèi),孟如松,趙廣.應(yīng)用計(jì)算機(jī)圖像分析系統(tǒng)對(duì)正常人面部皮膚與黃褐斑皮損的測(cè)定與研究[J].中國(guó)醫(yī)刊,2008,01:32-33.

[13]焦志鑫,王瑜,王小藝,董銀卯,孟宏,趙華. 基于Retinex圖像增強(qiáng)算法的面部皮膚光澤度評(píng)價(jià)研究[J].日用化學(xué)工業(yè),2015,08:443-446.

[14]郭航,霍宏濤.灰度共生矩陣在皮膚紋理檢測(cè)中的應(yīng)用研究[J].中國(guó)圖象圖形學(xué)報(bào),2010,07:1074-1078.

[15]李雁,申鉉京,趙德斌. 基于紋理的皮膚檢測(cè)[J].計(jì)算機(jī)工程與應(yīng)用,2003,19:74-77.

[16]頊改燕,徐華,翟忠武,葛慶平.基于Gabor濾波器和BP神經(jīng)網(wǎng)絡(luò)的人臉皮膚皺紋區(qū)域自動(dòng)識(shí)別[J].計(jì)算機(jī)應(yīng)用,2010,02:430-432.

[17]趙立強(qiáng),張曉華,高振波,張洪亮.基于BP神經(jīng)網(wǎng)絡(luò)的主分量分析人臉識(shí)別算法[J].計(jì)算機(jī)工程與應(yīng)用,2007,(36):226-229.

In order to meet the new requirements of detecting skin health,this thesis proposes a algorithm of detecting skin health based on image processing.The self-image is processed by an optimized Haar classifier and a relative position-based segmentation algorithm to obtain the skin image need to be examined. Single scale Retinex and Bp neural network are uesd to analyze the three healthy indexes of gloss, stain and wrinkles.The experimental results show that the algorithm can implement the image segmentation and detection quickly, and can show the condition of the skin health better.

image processing;skin health;Haar classifier;single scale Retinex;Bp neural network

趙沛然(1994-),男,碩士,研究領(lǐng)域:數(shù)字圖像處理,模式識(shí)別.

李顧全(2000-),男,高中,研究領(lǐng)域:多媒體信息處理技術(shù).

李麗媛(1994-),女,碩士,研究領(lǐng)域:數(shù)字圖像處理.