皮膚表面粗糙度檢測技術的研究.pdf

1、皮膚的好壞不僅反映人體的生理健康狀況，更重要的是它影響著一個人的外在形象，決定著人們的第一印象。因此，醫(yī)學界以及護膚品銷售商一直在致力于研究如何定量、客觀的描述皮膚表面的狀態(tài)。通過學習研討相關知識的概念公式以及借鑒前人的經(jīng)驗，構建了一個完整的檢測系統(tǒng)，用于評價皮膚粗糙度水平，重點在于研究圖像紋理特征的統(tǒng)計分析法。
　　文中開篇介紹了皮膚紋理的具體物理特征，皮膚變得粗糙后紋理特征發(fā)生的相應改變。從若能夠有效的檢測皮膚粗糙度會給醫(yī)師帶

2、來的諸多便利，以及為護膚專家提供了客觀的第一手的數(shù)據(jù)等方面，闡明了該項工作的意義。介紹了傳統(tǒng)的和目前較為先進的檢測手段，論述了不同方法在檢測過程中的優(yōu)勢和弊端。分析了圖像增強的多種方式，并進行了實驗，對結果進行了分析對比，提出了用Gabor濾波對圖像預處理來去除皮膚圖像噪聲，使紋理圖像更適合于接下來的特征提取操作。下面就是紋理特征提取算法的學習，重點是對灰度共生矩陣算法和局部二值模式算法進行了深入的學習研究，并從算法的不足之處入手，考慮

3、到局部二值模式法的優(yōu)勢，提出了采用將局部二值模式法與空間灰度共生矩陣法相結合的方法來提取皮膚紋理特征，即先利用均勻旋轉不變的LBP算子對圖像進行運算得到LBP圖像，進而通過計算矩陣的多個特征統(tǒng)計量來反映皮膚紋理的特征，并與對圖像直接求其灰度共生矩陣在實驗效率以及后續(xù)分類的準確性上進行對比。
　　然后，介紹了神經(jīng)網(wǎng)絡模式識別技術及目前的研究發(fā)展現(xiàn)狀，在對傳統(tǒng)的BP網(wǎng)絡算法研究的基礎上，采用了一種改進的BP網(wǎng)絡算法作為分類識別算法。在