[发明专利]一种皮肤毛孔检测与评价的方法

说明书

本发明公开了一种皮肤毛孔检测与评价的方法，根据皮肤特征在不同色素层上的色素分布特性，联合多色素层图像检测毛孔并解决其困难的问题。首先，根据皮肤特征显著性差异和K‑means聚类为SURF和SIFT算法设置合理阈值检测不同色素层上的皮肤特征；然后基于皮肤特征在不同皮肤色素层上的差异性，引入欧氏距离描述不同色素层检测点的位置信息相似性，利用最佳尺度作为阈值有效地筛除干扰项；最后，在毛孔检测的基础上，利用SIFT算法中的最佳尺度构建了皮肤毛孔粗糙度评价指标。本发明提高了毛孔检测的准确度,构建的毛孔评价指标更准确稳定。

技术领域

本发明属于面部毛孔检测领域，特别是涉及到一种皮肤毛孔检测与评价的方法。

背景技术

面部毛孔检测对于日常皮肤检测、医学美容、化妆品开发、人脸识别、面部重构都发挥了重要的作用。首先,越来越多的爱美人士关注于个人面部皮肤状况,而毛孔问题是面部皮肤问题中的一个突出问题,有效解决此问题的前提则是科学的面部毛孔的检测及评价。现有的毛孔检测方法基本都要依靠于皮肤镜等专业设备,所以此类方法往往成本较高且地点局限性较大,为日常皮肤检测、化妆品开发、皮肤医学研究带来了很多不便。与此同时缺少毛孔状况的客观评价方法更是为毛孔的研究增添了困难。其次,因为人与人的皮肤毛孔特征都是独一无二的,所以毛孔可以作为一种更加独特且精确的特征用于人脸识别、面部重构等领域。因此如何利用普通数字图像便捷准确地识别出面部毛孔并且建立适应图像的毛孔评价指标是当前研究的难点。

现有利用普通数字图像进行毛孔检测的方法主要分为两大类:

第一类,基于皮肤图像直接进行毛孔检测。Malathi和Meena等利用SIFT(Scale-invariant feature transform)算法进行指纹毛孔识别,为面部毛孔检测提供了新思路。Song等使用了一个专用特殊设备,通过控制特定光线,对鼻部毛孔进行拍摄并识别,但该方法对设备光线的要求过高,难以普及。Li等参考了指纹毛孔识别的方法,以SIFT算法直接作用于Bosphorus人脸库中的面部皮肤图像进行毛孔检测,使得毛孔检测在普通数字图像中可以实现,提高了毛孔检测的适用空间。然而,此方法中并没有很好的去除毛孔外的其他面部干扰特征,如痣、痘坑、痘印等。同时,其局限性还在于选取的毛孔检测区域为平坦的脸颊区域,不存在反光、阴影,而实际情况中,图片成像会因光的作用产生局部反光、阴影,这些区域难以准确识别出毛孔。

第二类,基于面部皮肤黑色素层进行毛孔检测。通过研究,研究人员发现一个确定的颜色空间(RGB、CIELAB等)上的肤色表示不是一个真正的物理量,它是一个抽象及推导出的人类视觉效果。皮肤的颜色主要取决于皮肤黑色素、血色素的吸收和散射。故以非侵入方式从皮肤图像中获得黑色素和血色素层图像可以更加真实地研究皮肤特征。Tsumura等首次利用独立成份分析(independent components analysis,ICA)技术在光学密度领域成功地从单张人脸图像中分离出可视的黑色素层血色素层图像，并消除面部阴影影响。Carlos等基于不同色素层对光的吸收情况,发现毛孔主要分布在黑色素层,并根据已有的研究成果,利用分离出的黑色素层进行毛孔检测。此方法更加准确地识别出了面部毛孔,但仍存在不足。面部部分特征不仅仅由单一色素组成,如痘印、色素痣等,在分离黑色素层的过程中,大特征会破碎成接近于毛孔的小特征,因而在毛孔识别中引入了新的干扰,所以以黑色素层进行毛孔检测依旧存在不准确性。

此外,针对毛孔评价方法,一些皮肤学研究给出了一些可通用的毛孔评价标准和范围。Francois等提出毛孔尺寸从50μm到500μm不等,通过图像可见的范围为250.μm到500μm。在此基础上,Flament等提出了毛孔占皮肤区域比例这一指标,并给出了该指标的最大值为25％。但现有的毛孔评价方法仍需要依靠皮肤镜等专业设备,基于普通数字图像和皮肤学理论进行毛孔评价的方法则少之又少。

发明内容

本发明的目的是提供一种皮肤毛孔检测与评价的方法，充分利用不同皮肤色素层上的皮肤特征差异性,解决了因差异性带来的多色素层难以联合的问题,提高了毛孔检测的精确度，并提出了适用于图像的毛孔粗糙度评价指标。