一种基于Gabor特征的皮肤纹理检测方法及装置的制造方法
【技术领域】
[0001] 本发明属于图像处理技术领域，尤其涉及一种基于Gabor特征的皮肤纹理检测方 法及装置。
【背景技术】
[0002] 近几年来，图像检测受到广泛关注，由于图像中包含大量的纹理信息，且不同部 位的纹理特征差异较大。因此，纹理作为重要的低层视觉特征受到了广泛的关注，纹理检测 已经成为图像检测中重要的研究领域。
[0003] 随着互联网的快速发展，网络在给人们带来便利的同时也产生了很多的不良信 息，尤其是色情图片对青少年产生了不利影响。在以肤色为主的色情图片检测里，沙滩、木 纹等与皮肤颜色相近的物体很容易被误判，但这些通过纹理的检测可以很容易将其过滤。
[0004] 现有的纹理检测方法主要有统计方法，而统计方法又包括灰度共生矩阵、局部灰 度统计等方法。但是现有的灰度共生矩阵、局部灰度统计等方法在进行纹理检测时，占用内 存多、运行速度慢，检测效果较差。
【发明内容】
[0005] 本发明实施例的目的在于提供一种基于Gabor特征的皮肤纹理检测方法及装置， 以解决现有技术在进行纹理检测时，存在的占用内存多、运行速度慢以及检测效果较差的 问题。
[0006] 本发明实施例是这样实现的，一种基于Gabor特征的皮肤纹理检测方法，所述方 法包括：
[0007] 将待检测图像划分成多个图像块；
[0008] 将每一个图像块的每一个色彩通道与预先建立的Gabor滤波器组依次在空域做 卷积，获得k*s*r个与该图像块尺寸大小相同的矩阵，其中k为所述Gabor滤波器组的方向 的个数，s为所述Gabor滤波器组的尺度的个数，r为所述色彩通道的个数，k、s、r为大于 零的整数；
[0009] 计算每一个所述矩阵的均值和方差，并将所述均值和方差作为特征值，获得 k*s*r*2个特征值；
[0010] 将所述k*s*r*2个特征值作为该图像块的特征向量，并将所述特征向量通过预先 建立的分类器进行检测，以确定该图像块是否具有皮肤纹理特征。
[0011] 本发明实施例的另一目的在于提供一种基于Gabor特征的皮肤纹理检测装置，所 述装置包括：
[0012] 第一图像块划分单元，用于将待检测图像划分成多个图像块；
[0013] 第一计算单元，用于将每一个图像块的每一个色彩通道与预先建立的Gabor滤 波器组依次在空域做卷积，获得k*s*r个与该图像块尺寸大小相同的矩阵，其中k为所述 Gabor滤波器组的方向的个数，s为所述Gabor滤波器组的尺度的个数，r为所述色彩通道 的个数，k、s、r为大于零的整数；
[0014] 第二计算单元，用于计算每一个所述矩阵的均值和方差，并将所述均值和方差作 为特征值，获得k*s*r*2个特征值；
[0015] 检测单元，用于将所述k*s*r*2个特征值作为该图像块的特征向量，并将所述特 征向量通过预先建立的分类器进行检测，以确定该图像块是否具有皮肤纹理特征。
[0016] 本发明实施例与现有技术相比存在的有益效果是：本发明实施例通过将待检测图 像划分成多个图像块，将每一个图像块的每一个色彩通道与建立的Gabor滤波器组进行小 波变换，并将变换结果提取均值和方差做为特征值，使得在提高皮肤纹理判断准确率的同 时降低了特征向量的空间维度，节省了内存空间。由于所述变换结果是与图像块大小相同 的矩阵，如果将所述变换结果直接作为特征值，特征向量的空间维度会很大，因此本发明实 施例将矩阵的均值和方差做为特征值，在保留主要特征的同时大大降低了空间维度。而且， 本发明实施例还考虑到皮肤的颜色比较单一，在RGB不同色彩通道上的分量分别进行提 取，使得比灰度图像的提取准确率高出很多。另外，本发明实施例可以选择多个方向和多个 尺度的Gabor滤波器组，使之与图像块的方向与尺度更容易吻合，从而小波变换后能量较 大，在皮肤纹理分析上可取得更好的效果。本发明实施例皮肤纹理检测准确率高、速度快， 易于实现，而且整个皮肤纹理检测过程中不需要增加额外的硬件，从而可有效降低成本，具 有较强的易用性和实用性。
【附图说明】
[0017] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述 中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些 实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些 附图获得其他的附图。
[0018] 图1是本发明实施例一提供的基于Gabor特征的皮肤纹理检测方法的实现流程 图；
[0019] 图2中的2a、2b是本发明实施例一提供的基于Gabor特征的皮肤纹理检测效果的 示例图；
[0020] 图3是本发明实施例二提供的基于Gabor特征的皮肤纹理检测装置的组成结构 图。
【具体实施方式】
[0021] 以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具 体细节，以便透切理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体 细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电 路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
[0022] 为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
[0023] 实施例一:
[0024] 图1示出了本发明实施例一提供的基于Gabor特征的皮肤纹理检测方法的实现流 程，该方法过程详述如下：
[0025] 在步骤SlOl中，将待检测图像划分成多个图像块。
[0026] 示例性的，本实施例可以将所述待检测图像划分成16*16大小的图像块。
[0027] 需要说明的是，由于纹理特征是一种依赖与图像周围像素关系的特征，所以，如果 图像块太小则体现不出这种循环出现的特征，且计算量会大大增加；如果图像块太大，则一 个图像块可能既包含皮肤纹理特征也包含非皮肤纹理特征，会降低皮肤纹理特征检测的准 确性。本实施例在通过具体的实验之后，优选16*16像素的图像块对图像进行划分。
[0028] 在步骤S102中，将每一个图像块的每一个色彩通道与预先建立的Gabor滤波器组 依次在空域做卷积，获得k*s*r个与该图像块尺寸大小相同的矩阵，其中k为所述Gabor滤 波器组的方向的个数，s为所述Gabor滤波器组的尺度的个数，r为所述色彩通道的个数，k、 s、r为大于零的整数。
[0029] 考虑到皮肤的颜色比较单一，为了提高提取的准确率，本实施例在RGB不同色彩 通道上的分量分别进行提取，即将每一个图像块的每一个色彩通道与建立的Gabor滤波器 组进行小波变换。
[0030] 其中，建立Gabor滤波器组的过程如下：
[0031] Gabor函数是复正弦曲线调制的高斯函数，它的二维表达式是：
[0032] Gabor滤波器组函数可通过伸缩和平移g(x, y)来生成：gmn(x, y)= a mg (X'，y'），a>l, m、η 为整数；
[0033] 其中：x' = a m(xcos Θ+ysin θ )，y，= a m(_xsin Θ+ycos θ )，θ = η π/k
[0034] 参数a、σ u和σ ν的计算公式如下：
[0039] k是Gabor滤波器组方向的个数，s是Gabor滤波器组尺度的个数，高U1和Uh分 别是低频和高频的中心频率，尺度因子a m保证了能量独立于m。示例性的，Uh = 0. 4, U1 = 0· 05, k = 6, s = 4。
[0040] 本发明实施例通过选择多个方向和多个尺度的Gabor滤波器组对图像块进行小 波变换，使之与图像块的方向与尺度更容易吻合，从而小波变换后能量较大，在皮肤纹理分 析上可取得更好的效果。
[0041] 需要说明的是，在皮肤纹理特征提取上，本实施例使用了信号处理方法中的 Gabor小波变换提取。小波分析是一种时频分析方