基于图像处理的面部皮肤缺陷检测算法研究

• 作 者: 亓祥元
• 出 处: 天津财经大学
• 发表日期: 2019年01期
• 关键词: 色斑检测 皱纹检测 泊松分布 Gabor滤波 GMM-MRF模型

面部皮肤缺陷包括色斑、痤疮、皱纹等。大多数人的面部都会短期或长期地出现面部皮肤缺陷。面部皮肤状况既反映了人体内部的健康水平,也是外在形象和精神面貌的重要体现。如何对面部皮肤进行诊断和评价,以及对护肤产品的功效进行判定,需要客观、量化的面部皮肤评价方法。传统的面部皮肤评价方法主要有直接观察法和专业仪器检测法。直接观察法具有不准确性、不细致性、严重依赖个人经验等缺点。专业仪器检测法虽然准确率较高,但操作复杂、价格昂贵、受使用地点限制。随着计算机图像处理技术向各应用领域的不断扩展,应用计算机图像处理技术对面部皮肤缺陷进行检测逐渐成为了该领域的新方法。面部皮肤缺陷检测算法是面部皮肤评价系统的核心部分。因此,本文主要研究了基于图像处理的面部皮肤缺陷检测算法,分别对面部色斑、痤疮、皱纹进行检测和提取。研究内容主要包含以下几个方面:(1)对人脸图像进行预处理。使用人脸检测和人脸轮廓检测方法提取出面部皮肤区域。为了消除人脸不同位置肤色差异的影响,将面部皮肤图像划分为多个非重叠子图像。为了提高算法检测准确率,采用图像增强技术对子图像进行了预处理。(2)检测和提取面部色斑和痤疮。根据色斑和痤疮在相应彩色空间中相对于正常皮肤具有显性特性,并且在面部区域中具有泊松分布特征,构造了 Cr-AngleA-H彩色空间,并变换成新的距离空间;使用泊松分布对距离空间直方图进行拟合,并计算出适当的分割阈值,最后检测和提取出色斑和痤疮区域。(3)检测和提取面部皱纹。根据皱纹在面部区域中具有独特的方向、纹理形态特征,设计了一组不同方向的Gabor滤波器来提取皱纹特征,并得到最大滤波响应图像和纹理方向场;采用高斯混合模型和马尔可夫随机场(GMM-MRF)对最大滤波响应图像进行分割,将最大滤波响应图像分割结果和纹理方向场进行融合,最后检测和提取出皱纹区域。实验表明:基于图像处理的面部皮肤缺陷检测算法可以客观、量化地对面部皮肤进行检测和评价,使用户能够根据目前的皮肤状况,选择合适的护肤品和治疗方案。因此,该研究具有重要的理论研究意义和应用价值。