面部皮膚缺陷包括色斑、痤瘡、皺紋等。大多數(shù)人的面部都會短期或長期地出現(xiàn)面部皮膚缺陷。面部皮膚狀況既反映了人體內(nèi)部的健康水平,也是外在形象和精神面貌的重要體現(xiàn)。如何對面部皮膚進(jìn)行診斷和評價,以及對護(hù)膚產(chǎn)品的功效進(jìn)行判定,需要客觀、量化的面部皮膚評價方法。傳統(tǒng)的面部皮膚評價方法主要有直接觀察法和專業(yè)儀器檢測法。直接觀察法具有不準(zhǔn)確性、不細(xì)致性、嚴(yán)重依賴個人經(jīng)驗等缺點。專業(yè)儀器檢測法雖然準(zhǔn)確率較高,但操作復(fù)雜、價格昂貴、受使用地點限制。隨著計算機(jī)圖像處理技術(shù)向各應(yīng)用領(lǐng)域的不斷擴(kuò)展,應(yīng)用計算機(jī)圖像處理技術(shù)對面部皮膚缺陷進(jìn)行檢測逐漸成為了該領(lǐng)域的新方法。面部皮膚缺陷檢測算法是面部皮膚評價系統(tǒng)的核心部分。因此,本文主要研究了基于圖像處理的面部皮膚缺陷檢測算法,分別對面部色斑、痤瘡、皺紋進(jìn)行檢測和提取。研究內(nèi)容主要包含以下幾個方面:（1）對人臉圖像進(jìn)行預(yù)處理。使用人臉檢測和人臉輪廓檢測方法提取出面部皮膚區(qū)域。為了消除人臉不同位置膚色差異的影響,將面部皮膚圖像劃分為多個非重疊子圖像。為了提高算法檢測準(zhǔn)確率,采用圖像增強(qiáng)技術(shù)對子圖像進(jìn)行了預(yù)處理。（2）檢測和提取面部色斑和痤瘡。根據(jù)色斑和痤瘡在相應(yīng)彩色空... 

【文章來源】：天津財經(jīng)大學(xué)天津市

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
內(nèi)容摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 人臉檢測研究現(xiàn)狀
        1.2.2 人臉輪廓檢測研究現(xiàn)狀
        1.2.3 圖像分割研究現(xiàn)狀
        1.2.4 面部皮膚缺陷檢測研究現(xiàn)狀
    1.3 研究目標(biāo)及研究內(nèi)容
        1.3.1 研究目標(biāo)
        1.3.2 研究內(nèi)容
    1.4 論文結(jié)構(gòu)
第2章 相關(guān)理論研究
    2.1 色彩空間
    2.2 圖像分割算法
        2.2.1 基于閾值的分割方法
        2.2.2 基于邊緣的分割方法
    2.3 HOG特征
        2.3.1 顏色空間歸一化
        2.3.2 梯度計算
        2.3.3 構(gòu)造梯度方向直方圖
        2.3.4 重疊塊直方圖標(biāo)準(zhǔn)化
    2.4 Gabor濾波器
        2.4.1 Gabor濾波核函數(shù)
        2.4.2 Gabor濾波
        2.4.3 Gabor提取特征
    2.5 高斯混合模型
        2.5.1 高斯混合模型定義
        2.5.2 參數(shù)估計
    2.6 馬爾可夫隨機(jī)場
        2.6.1 馬爾可夫性質(zhì)
        2.6.2 馬爾可夫隨機(jī)場
第3章 圖像預(yù)處理
    3.1 人臉圖像預(yù)處理
        3.1.1 人臉檢測
        3.1.2 人臉輪廓檢測
        3.1.3 人臉膚色區(qū)域檢測
    3.2 子圖像預(yù)處理
第4章 面部色斑和痤瘡檢測算法
    4.1 構(gòu)造顏色空間
    4.2 確定閾值
    4.3 面部皮膚缺陷分類
        4.3.1 SVM分類器
        4.3.2 分類流程
    4.4 實驗及結(jié)果分析
        4.4.1 實驗環(huán)境
        4.4.2 實驗數(shù)據(jù)
        4.4.3 評價標(biāo)準(zhǔn)
        4.4.4 實驗結(jié)果
第5章 面部皺紋檢測算法
    5.1 提取Gabor特征
    5.2 紋理方向場
    5.3 分割模型
        5.3.1 GMM-EM算法
        5.3.2 MRF
        5.3.3 算法測試
    5.4 算法流程
    5.5 基于Frangi濾波的皺紋檢測
        5.5.1 Hessian矩陣
        5.5.2 Frangi濾波
    5.6 實驗及結(jié)果分析
        5.6.1 實驗環(huán)境
        5.6.2 實驗數(shù)據(jù)
        5.6.3 實驗結(jié)果
第6章 總結(jié)與展望
    6.1 總結(jié)
        6.1.1 主要工作
        6.1.2 創(chuàng)新點
    6.2 展望
參考文獻(xiàn)
在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果
后記


【參考文獻(xiàn)】：
期刊論文
[1]基于降維Gabor特征和決策融合的高光譜圖像分類[J]. 楊秀杰,高麗.  計算機(jī)應(yīng)用研究. 2020(03)
[2]基于層次Gamma混合模型的高分辨率SAR影像分割方法[J]. 石雪,李玉,趙泉華.  模式識別與人工智能. 2018(07)
[3]自適應(yīng)分?jǐn)?shù)階微分在面部圖像處理中的應(yīng)用[J]. 陳德品,胡步發(fā).  機(jī)械制造與自動化. 2017(06)
[4]近紅外波段病變皮膚的微型檢測系統(tǒng)[J]. 董太良,熊顯名,聶影影,袁縱橫.  桂林電子科技大學(xué)學(xué)報. 2017(05)
[5]基于環(huán)型網(wǎng)絡(luò)模體應(yīng)用馬爾科夫聚類的圖挖掘模型[J]. 任永功,索全明,劉洋.  模式識別與人工智能. 2017(09)
[6]自適應(yīng)分?jǐn)?shù)階變分去泊松噪聲新模型[J]. 謝斌,劉壯,丁成軍.  中國圖象圖形學(xué)報. 2017(06)
[7]人體面部皮膚檢測分析系統(tǒng)設(shè)計[J]. 盧宏煜,王小藝,張慧妍,陳天華,李爽,劉暢.  傳感器與微系統(tǒng). 2017(02)
[8]融合人臉幾何和皺紋信息的年齡分組[J]. 郝寧波,吳海濤,廖海斌.  計算機(jī)工程與設(shè)計. 2016(10)
[9]結(jié)合馬爾可夫高斯模型的雙鄰域模糊聚類分割算法[J]. 趙雪梅,李玉,趙泉華.  計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2016(04)
[10]基于多尺度2D Gabor小波的視網(wǎng)膜血管自動分割[J]. 王曉紅,趙于前,廖苗,鄒北驥.  自動化學(xué)報. 2015(05)

碩士論文
[1]基于圖像的人臉皺紋提取技術(shù)研究[D]. 劉耕云.西北農(nóng)林科技大學(xué) 2018
[2]皮膚綜合分析云服務(wù)系統(tǒng)的研究與實現(xiàn)[D]. 王齊.華南理工大學(xué) 2017
[3]皮膚鏡圖像的皮損邊界檢測算法研究[D]. 程書元.電子科技大學(xué) 2017
[4]面部皮膚評測系統(tǒng)的設(shè)計與實現(xiàn)[D]. 林綿.華南理工大學(xué) 2016
[5]色素性皮膚病圖像預(yù)處理與內(nèi)容檢索研究[D]. 孫銀輝.電子科技大學(xué) 2016
[6]基于高斯Markov隨機(jī)場混合模型的彩色眼底視網(wǎng)膜血管分割提取[D]. 湯莉平.云南大學(xué) 2014
[7]基于圖像分析的皮膚色斑檢測技術(shù)研究[D]. 劉喜鳳.哈爾濱理工大學(xué) 2014
[8]人體皮膚皺紋檢測系統(tǒng)的研究[D]. 張慶森.武漢理工大學(xué) 2005



本文編號：3018579