皮肤表面粗糙度检测技术的研究

发布时间：2020-12-07 06:58

　　皮肤的好坏不仅反映人体的生理健康状况,更重要的是它影响着一个人的外在形象,决定着人们的第一印象。因此,医学界以及护肤品销售商一直在致力于研究如何定量、客观的描述皮肤表面的状态。通过学习研讨相关知识的概念公式以及借鉴前人的经验,构建了一个完整的检测系统,用于评价皮肤粗糙度水平,重点在于研究图像纹理特征的统计分析法。文中开篇介绍了皮肤纹理的具体物理特征,皮肤变得粗糙后纹理特征发生的相应改变。从若能够有效的检测皮肤粗糙度会给医师带来的诸多便利,以及为护肤专家提供了客观的第一于的数据等方面,阐明了该项工作的意义。介绍了传统的和目前较为先进的检测手段,论述了不同方法在检测过程中的优势和弊端。分析了图像增强的多种方式,并进行了实验,对结果进行了分析对比,提出了用Gabor滤波对图像预处理来去除皮肤图像噪声,使纹理图像更适合于接下来的特征提取操作。下面就是纹理特征提取算法的学习,重点是对灰度共生矩阵算法和局部二值模式算法进行了深入的学习研究,并从算法的不足之处入手,考虑到局部二值模式法的优势,提出了采用将局部二值模式法与空间灰度共生矩阵法相结合的方法来提取皮肤纹理特征,即先利用均匀旋转不变的LBP算... 

【文章来源】：东北林业大学黑龙江省 211工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 皮肤表面粗糙度检测的意义
        1.1.1 皮肤表面物理特征
        1.1.2 皮肤表面粗糙度检测意义
    1.2 皮肤粗糙度测量法研究现状
        1.2.1 硅胶复膜技术
        1.2.2 光学轮廓测定法
        1.2.3 偏振成像法
        1.2.4 图像传感器法
    1.3 粗糙度测量法的研究前景
    1.4 本课题研究任务及目的
2 皮肤图像的预处理
    2.1 预处理的目的
    2.2 皮肤图像灰度化
        2.2.1 平均值法
        2.2.2 最大值法
        2.2.3 加权平均值法
    2.3 皮肤图像增强
        2.3.1 灰度变换法
        2.3.2 直方图均衡化
    2.4 皮肤图像的平滑处理
        2.4.1 均值滤波法
        2.4.2 中值滤波法
        2.4.3 高斯滤波法
    2.5 Gabor滤波
        2.5.1 Gabor滤波器
        2.5.2 Gabor滤波流程
    2.6 本章小结
3 皮肤纹理特征分析
    3.1 纹理概述
    3.2 常用纹理的分析方法
    3.3 纹理统计特征分析法
        3.3.1 基于图像灰度直方图特征提取法
        3.3.2 中心距法
        3.3.3 灰度差值统计分析法
        3.3.4 基于自相关函数的纹理特征提取法
        3.3.5 游程长度统计分析法
        3.3.6 灰度共生矩阵法
        3.3.7 局部二值模式法
        3.3.8 融合LBP和GLCM法的纹理特征提取
    3.4 本章小结
4 基于神经网络的皮肤纹理识别技术
    4.1 人工神经网络与模式识别
        4.1.1 人工神经网络
        4.1.2 模式识别技术
    4.2 神经网络的基本概念
        4.2.1 人工神经元模型
        4.2.2 神经网络连接方式
        4.2.3 神经网络的学习策略
        4.2.4 神经网络学习规则
    4.3 BP神经网络
        4.3.1 BP网络结构
        4.3.2 BP网络学习算法
        4.3.3 BP算法的不足及优化方法
    4.4 本章小结
5 实验设计及结果分析
    5.1 设计皮肤图像采集系统
    5.2 分类系统设计
    5.3 图像拍摄和预处理环节
    5.4 特征参数的选取与分析
        5.4.1 皮肤纹理特征提取
        5.4.2 皮肤纹理特征值分析
    5.5 皮肤纹理分类器设计
        5.5.1 分类网络结构设计
        5.5.2 分类网络参数设置
        5.5.3 分类网络训练
    5.6 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢



本文编号：2902846