[发明专利]基于灰度共生矩阵的皮肤状态定量评价方法

摘要

本发明公开了一种基于灰度共生矩阵的皮肤状态定量评价方法。该方法主要包括读入已经利用高清摄像仪器采集到的人体皮肤图像、进行皮肤图像灰度均值的求解、修正汗毛像素、计算灰度共生矩阵(Gray Level Co‑occurrence Matrix)、结合灰度共生矩阵计算皮肤图像的特征参数(角二阶矩(Angular Second Moment)、对比度(Contrast)、熵(Entropy)、相关性(Correlation))、计算皮肤状态的综合指标，最后通过计算结果对皮肤图像做综合性的评价。基于皮肤图像的灰度共生矩阵及其特征参数可以真实、客观的反映皮肤的状态和物理特性，其综合指标可以实现对皮肤纹理状态的定量分析与评价，评价结果与基于生化检测的效果的趋势基本一致，实现了定量、快速、科学、便捷的评价方法，可用于对皮肤的状态进行定量的分析和评价。

主权项

基于灰度共生矩阵的皮肤状态定量评价方法，其特征在于：步骤一、实验图像采集；采用图像传感器采集不同年龄段人群的皮肤图像，光源采用LED灯，放大倍数为50倍，采集部位包括面颊、额头、眼角、下巴4部位的图像，图像大小为640×480；步骤二、对皮肤图像进行预处理；预处理的目的是消除皮肤上细小的毛发对图像的局部的影响以及对皮肤纹理的影响，使皮肤纹理状态的评价更客观、科学；步骤三、计算灰度共生矩阵(GLCM)；纹理计算的重点是GLCM的计算，取N×N图像上的任意一点(x,y)及偏离某一距离另一点(x+dx,y+dy)形成点对，设该点对的灰度值为(g1,g2)；令点(x,y)在整个皮肤图像上移动，将得到不同的(g1,g2)值，设图像灰度值级数为k，则(g1,g2)的取值共有k2种；对于整个图像，统计出每一个(g1,g2)值出现的次数，然后形成一个矩阵，再根据(g1,g2)出现的总次数将该矩阵元素归一化得到出现的概率P(g1,g2)，该矩阵即为GLCM；GLCM是距离和方向的函数，其阶数由图像的灰度级决定，是对称矩阵；(dx,dy)取不同的值，可以得到不同情况下的联合概率矩阵；(dx,dy)取值要根据纹理分布进行选择，对于较细的纹理，取(1,0)、(1,1)、(‑1,1)，(2,0)等小的差分值，同时，依据邻域的概念，为了可全面反映皮肤纹理的统计特征，选取(0°、45°、90°、135°)四个独立方向进行纹理计算；步骤四、计算(0°、45°、90°、135°)四个方向的纹理特征参数、均值及其标准差；从理论上分析，基于灰度共生矩阵的纹理特征参数可多达14项，但参数之间存在冗余性，理论研究和实验表明，计算角二阶矩、对比度、相关性、熵四个指标可全面表征皮肤特性；步骤五、得到皮肤评价结果；步骤四中计算的角二阶矩、对比度、相关性、熵四个指标从不同角度反映了皮肤的特性，但是参数之间存在冗余性，根据人体皮肤的特性，计算皮肤状态综合评价指标如下：Rin=-Σg1Σg2p(g1,g2)lgp(g1,g2)+Σkk2[Σg1Σg2p(g1,g2)]Σg1Σg2[p(g1,g2)]2+Σg1Σg2g1g2p(g1,g2)-μxμyσxσy=ent+conAsm+cor]]>其中，Asm为特征参数角二阶矩，ent为特征参数熵，con为特征参数对比度，cor为特征参数相关性。