一种定量分析人体皮肤纹理老化的方法

一种定量分析人体皮肤纹理老化的方法
【专利摘要】本发明涉及一种定量分析人体皮肤纹理老化的方法，属于人体皮肤纹理研究技术领域。该方法包括以下步骤：S1：运用基于电容的Fingerprint sensor来对人体皮肤纹理图像进行采集；S2：采用直方图均衡化来对采集到的人体皮肤纹理的电容灰度图像进行灰度增强，进而改善图像的对比度和清晰度；S3：运用灰度共生矩阵算法，计算图像的二阶矩，对比度，熵和相关性特征参数的变化；S4：分析人体不同部位纹理的二阶矩，对比度，熵和相关性这四个特征参数之间存在的关系。本方法能够有效的定量分析人体皮肤纹理老化，对人体皮肤老化过程的分析和优化纹理特征参数都有借鉴意义。
【专利说明】
一种定量分析人体皮肤纹理老化的方法
技术领域
[0001] 本发明属于人体皮肤纹理研究技术领域，涉及一种定量分析人体皮肤纹理老化的 方法。
【背景技术】
[0002] 皮肤是人体重要的器官之一，如同人体的屏障，它包含很多重要功能。一个人的年 纪越来越大，皮肤同样跟着变得老化，因此皮肤可以在外界上客观的表示出年龄的变化。当 人类的审美观念还停留在表面上的视觉感受，皮肤便成为了生活中审美的一种重要判别标 准，因此，建立一套科学地，准确地，简单快捷的分析人体皮肤纹理老化的方法，是皮肤美容 和功效化妆品研究领域亟需解决的问题和研究的重要内容。
[0003] 目前对人体皮肤纹理老化的判别方法主要有两种：一种是应用机械探测法，用具 有一定强度的探针对皮肤表面复膜进行探测，其精度和灵敏度都不高，且操作起来比较麻 烦。另一种是广泛采用的是硅胶复膜，通过检测皱纹在斜射光下形成的阴影面积，再换算得 到皮纹与皱纹的深度。但该方法在灵敏度和精度方面也存在一定的局限性，同样也存在操 作起来比较繁琐复杂的问题。因此，目前急需一种能够简单高效分析人体皮肤纹理老化情 况的方法。
[0004] 随着计算机技术的快速发展，计算机技术在图像处理中的应用也越来越广泛，其 中的一个重要应用就是对皮肤纹理特征的分析，并取得了一定的研究成果。通过计算机数 字图像处理和分析技术，定量地分析纹理，提取有效的特征参数，结合合理的模式识别方 法，可以实现对不同纹理图像的描述。

【发明内容】

[0005] 有鉴于此，本发明的目的在于提供一种定量分析人体皮肤纹理老化的方法，该方 法利用灰度共生矩阵，对不同年龄的男性的脸部皮肤纹理进行分析，计算四个方向的方向 矩阵，通过提取它的特征值，进行客观定量的人体皮肤纹理老化的评价，为皮肤美容和抗衰 防皱类护肤品的疗效评估提供了有力的技术支持。
[0006] 为达到上述目的，本发明提供如下技术方案：
[0007] -种定量分析人体皮肤纹理老化的方法，该方法包括以下步骤：
[0008] si:对人体皮肤图像进行采集；
[0009] S2:对采集到的皮肤图像进行预处理；
[0010] S3:运用灰度共生矩阵算法，计算图像的二阶矩，对比度，熵和相关性特征参数的 变化；
[0011] S4:分析人体不同部位纹理的二阶矩，对比度，熵和相关性这四个特征参数之间存 在的关系。
[0012] 进一步，在步骤S1中，运用基于电容的Fingerprint sensor来采集不同年龄男性 的脸部不同部分皮肤的纹理图像，确保图像的准确性，采集图像的过程具有无创伤，并且简 单快捷的优点。
[0013] 进一步，在步骤S2中，采用直方图均衡化来对用Fingerprint Sensor采集到的人 体皮肤纹理的电容灰度图像进行灰度增强，进而改善图像的对比度和清晰度。
[0014]本发明的有益效果在于:本发明运用基于电容的Fingerprint sensor来采集不同 年龄男性的脸部不同部分皮肤的纹理图像，确保了图像的准确性，采集图像的过程无创伤， 并且简单快捷;然后基于图像纹理的分析技术，通过运用灰度共生矩阵算法，计算了图像的 二阶矩，对比度，熵和相关性等特征参数的变化。同时还分析了人体不同部位纹理的二阶 矩，对比度，熵和相关性这四个特征参数之间存在的关系。经过实验分析，用灰度共生矩阵 提取的特征参数能够准确，有效的定量分析人体皮肤纹理老化。对人体皮肤老化过程的分 析和优化纹理特征参数都有借鉴意义。
【附图说明】
[0015] 为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行 说明：
[0016] 图1为本发明所述方法的流程示意图；
[0017] 图2为实施例中选取的四个样本图；
[0018] 图3为实施例中测试者的前额电容图像；
[0019] 图4为实施例中测试者的面颊电容图像；
[0020] 图5为实施例中测试者的眼部电容图像；
[0021] 图6为实施例中图像的特征向量：（a)二阶距(能量）、（b)熵、（c)对比度、（d)相关性 的曲线和误差线。
【具体实施方式】
[0022]下面将结合附图，对本发明的优选实施例进行详细的描述。
[0023] 图1为本发明所述方法的流程示意图，如图所示，本发明所述方法包括以下步骤： S1:对人体皮肤图像进行采集;S2:对采集到的皮肤图像进行预处理;S3:运用灰度共生矩阵 算法，计算图像的二阶矩，对比度，熵和相关性特征参数的变化;S4:分析人体不同部位纹理 的二阶矩，对比度，熵和相关性这四个特征参数之间存在的关系。在步骤S1中，运用基于电 容的Fingerprint sensor来采集不同年龄男性的脸部不同部分皮肤的纹理图像，确保图像 的准确性，采集图像的过程具有无创伤，并且简单快捷的优点。在步骤S2中，采用直方图均 衡化来对用Fingerprint Sensor采集到的人体皮肤纹理的电容灰度图像进行灰度增强，进 而改善图像的对比度和清晰度。
[0024] 下面通过具体实施例对本发明的方法进行详细描述。
[0025]本发明首先采用直方图均衡化来对用Fingerprint Sensor采集到的人体皮肤纹 理的电容灰度图像进行灰度增强，进而改善它的对比度和清晰度。直方图均衡化作为一种 基本的对比度调整的方法，一般利用这种方法来增加对应图像的局部对比度，特别是在图 像内有用数据的对比度非常接近的情况下。通过此种形式，在直方图上亮度就有了非常好 的分布。通过这种方法实现了在不影响整体的对比度的前提下对局部的对比度进行增强， 通过对亮度进行调节便可以达到同样的目的。直方图均衡化处理的核心内容为把原始图像 的灰度直方图从相对聚集的某处灰度区间替换为在全部灰度范围下的均匀分布。其具体的 实施方法便是对图像采取非线性拉伸的方式，从而将其像素值再次分配，像素的具体数量 不会随着灰度变化而变化。直方图均衡化的提出为将给定目标的直方图变成均匀化分布的 图像提供了可能。
[0026]灰度共生矩阵的特征值及其意义：
[0027]应用灰度共生矩阵建立4个不同的特征向量来描述皮肤纹理，即角二阶矩(ASM)， 熵(ENT)，对比度(CON)和相关性(COR)。
[0028] 1)角二阶距(能量）：
[0030] 邱，./ΧΔ)代表规范化P(i，j，d，Δ )，G代表的是灰度级的总数。
[0031] 角二阶矩(ASM)表示灰度共生矩阵中所有元素值进行平方计算后再相加得到的 和，它也被叫做能量。通过分析角二阶距可以得到图像灰度分布均匀程度和纹理粗细程度。 当分析对象后发现它全部的值都相等的这种情况就说明它的角二阶矩相对较小。分析得到 当中的某些值大但是另外的值小就说明它的角二阶矩相对较大。如果它的角二阶矩相对比 较大，那么就表明它的纹理较粗，能量就大;角二阶矩相对较小，表明纹理比较细，能量就相 对来说比较小了。
[0032] 2)熵：
[0034]熵(ENT)作为一种精确的度量可以对图像的信息量进行分析，在灰度共生矩阵中 的大多数元素都是随机分布的一个情况下，作为一项随机度量的熵便会有相对来说较大的 值。通过熵的值可以清楚地看出一幅图的纹理的非均匀程度或复杂程度。如果图像没有任 何纹理，那么灰度共生矩阵几乎为零阵。若纹理复杂，熵值大;相反的情况下，当图像中的灰 度均匀分布时，可以发现其内的元素大小有很大的差异，所以此种情况下的熵值较小。 [0035] 3)对比度：
[0037]对比度(C0N)反映的是图像的清晰度，它还可以反映出纹理沟纹深浅的程度。可以 得到这样的结论:沟纹比较深的，它的对比度相对来说就较大，有十分好的清晰度;反之，对 比度相对来说比较小的时候，沟纹浅自然也比较浅，效果就不是那么清楚。灰度差指的就是 在对比度相对来说较大时，便对应了更多的像素对，灰度差的值也越大。在灰度共生矩阵中 当与对角线相距较远的元素值越大时，对比度的值也同样会越大。
[0038] 4)相关性：
[0039]相关性(C0R)代表的是在行或者在列方向上各个元素有多少相同的地方。如果矩 阵中的元素有很多相同的，那么就存在相对较大的相关值;反之，就是说像素的值都不怎么 相同并区别较大时，那么相关值相对来说就比较小。还可以得出：当出现水平方向的纹理 时，这种类型矩阵的相关值就比其他类型的要大一些。
[0046] 实施例：
[0047] 在一般运用灰度共生矩阵分析时，为了简便，灰度共生矩阵的像素距离参量都取 成1。但是，当距离变化时，特征参量会同时发生变化。如果距离选取的过大，会导致两像素 之间的信息丢失，造成灰度共生矩阵无法有效提取纹理的细节信息，所以在本实施例中，选 取的讨论的距离参数范围为1 一 12。对图2所示的四副从图片库中随机选取的图片进行特征 值的提取，最终得到如下4个不同的表格:表1、表2、表3、表4:
[0048] 表1不同像素距离下的ASM值

[0057]从表格可以看出，对于能量和熵，特征值变化普遍缓慢，在距离大于4时尤其明显； 而对比度和相关性随距离的增大变化较为明显，但是也可以找到在4-12变化较平稳的区 域，这一结果表示在此种情况下距离对特征值的影响较小，得到的特征值相对比较稳定。所 以下面在具体分析时，选取距离4-12区间的值进行进一步特征向量的提取，同时考虑到距 离增大会影响提取信息的准确性，所以本实施例在后续特征值计算环节，采用距离，即d = 4 进行计算。
[0058] 本实施例针对年龄在20-30岁和30-40岁的两位健康男性志愿者，每人在其额头， 脸颊和眼睛各采集5幅电容灰度图像，见图3、图4、图5,其中，志愿者1年龄在20-30岁，志愿 者2年龄在30-40岁。本发明的一个十分重要创新之处在于面部图像的采集运用了 Fingerprint Sensor。它是类似于基于电容的指纹传感器，具备256X300个像素矩阵，每个 像素的每空间分辨率为50微米。它的总共测量范围区域是12.8X15微米。每一个像素本质 上都是一个电容感应器。电容传感器主要生成一个皮肤表面的电容图像，在每一幅图像中， 每一个像素都可以由0-255的8位灰度值表示，对于所有的测量来说它的测量持续时间都被 限制在5s，根据以往的研究表明，利用基于电容的Fingerprint Sensor可以采集到很精准 的人体皮肤纹理图片，用于人体纹理相关分析和研究，并且采集的过程具有无创性，且简单 快捷。
[0059] 具体分析时，先对采集到的皮肤图像运用直方图均衡化进行预处理，增强图像的 对比度和清晰程度。然后通过灰度共生矩阵算法对图像提取四个相关的特征向量，其四组 特征向量随年龄的变化如图6所示。
[0060] 皮肤纹理二阶距(能量)特征的计算结果如图6(a)。二阶距(能量)反应了图片灰度 分布的均衡性和人体皮肤纹理的粗细程度。相对20-30年龄段，随着年龄的增长，30-40年龄 段皮肤的纹理会变的越来越粗，相应的从图中可以观察到二阶距的值是变大的，尤其以眼 部表现的较为突出。
[0061] 对于熵的计算结果如图6(b)。熵和二阶距是成反比的，它反映的是纹理的复杂程 度和灰度分布的随机性的大小。如果图像灰度分布的随机性大，则灰度共生矩阵中的所有 非零值都几乎相等，此时熵值达到最大。由柱状图可知，二阶距(能量)特征值随着年龄的增 大而增大，熵值则会相反减少，反正亦然。由此可得，当熵越大的时候，它的纹理就会越密 集，反之纹理稀疏的图像熵值小。
[0062] 对比度的计算结果如图6(c).通过图上的统计数据可知，相对30-40年龄段，20-30 年龄段的对比度相对较大，此时纹理的清晰度最明显，纹理也较细。之后，随着年龄的增长， 纹理会变的稀疏无规则，局部灰度变化减小，纹理变粗，对比度就会有明显的下降。
[0063] 相关性的计算结果如图6(d).相关性反映了图像中纹理在某方面的相似性，是图 像局部灰度线性相关的度量。从柱状图可以看出，对比度和相关性存在一定联系，对比度大 的图像，相关性就小，反之，相关性大的图像，对比度就小。同时，相关性的变化规律和二阶 矩的变化规律相类似，并且在不同年龄段的差异比较大。
[0064] 综上所述:本实施例通过运用灰度共生矩阵算法，计算了图像的二阶矩，对比度， 熵和相关性等特征参数的变化。同时还分析了人体不同部位纹理的二阶矩，对比度，熵和相 关性这四个特征参数之间存在的关系。经过实验分析，用灰度共生矩阵提取的特征参数能 够准确，有效的定量分析人体皮肤纹理老化。年龄范围是30-40岁的志愿者皮肤纹理二阶矩 的值的值要比年龄范围是20-30岁的志愿者大，这说明了年纪越大，二阶矩值越大，人体皮 肤纹理越粗，年纪越小，二阶矩值越小，人体皮肤纹理越细。熵值反映的是纹理的复杂程度 和灰度分布情况，能量特征值随着年龄的增大而增大时熵值减小，所以熵值大的，表明皮肤 纹理越复杂密集，熵值小的，表明灰度均匀皮肤纹理越稀疏。年纪越小的对比度值相对较 大，此时纹理较细，而且有很明显的纹理清晰度，图像纹理的局部灰度变化也较大。随着年 龄的增长，纹理局部灰度变化减小，而且会变的稀疏无规则，对比度也随着发生了明显的下 降。相关性反映的是图像灰度的线性相关程度，对比度和相关性存在一定的联系，对比度 大，相关性就小，相关性大的，对比度就小。
[0065]最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通 过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在 形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。
【主权项】
1. 一种定量分析人体皮肤纹理老化的方法，其特征在于:该方法包括以下步骤： S1:对人体皮肤纹理图像进行采集； S2:对采集到的皮肤图像进行预处理； S3:运用灰度共生矩阵算法，计算图像的二阶矩，对比度，熵和相关性特征参数的变化； S4:分析人体不同部位纹理的二阶矩，对比度，熵和相关性这四个特征参数之间存在的 关系。2. 根据权利要求1所述的一种定量分析人体皮肤纹理老化的方法，其特征在于:在步骤 S1中，运用基于电容的Fingerprint sensor来采集不同年龄男性的脸部不同部分皮肤的纹 理图像，确保图像的准确性。3. 根据权利要求2所述的一种定量分析人体皮肤纹理老化的方法，其特征在于:在步骤 S2中，采用直方图均衡化来对用Fingerprint Sensor采集到的人体皮肤纹理的电容灰度图 像进行灰度增强，进而改善图像的对比度和清晰度。
【文档编号】G06T5/00GK105869171SQ201610240322
【公开日】2016年8月17日
【申请日】2016年4月18日
【发明人】欧翔, 仲元红, 李 东, 熊汉, 桂小刚, 林焕, 方志平
【申请人】重庆大学