發(fā)布時(shí)間：2020-12-07 06:58

　　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(gè)人的外在形象,決定著人們的第一印象。因此,醫(yī)學(xué)界以及護(hù)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(xué)習(xí)研討相關(guān)知識(shí)的概念公式以及借鑒前人的經(jīng)驗(yàn),構(gòu)建了一個(gè)完整的檢測(cè)系統(tǒng),用于評(píng)價(jià)皮膚粗糙度水平,重點(diǎn)在于研究圖像紋理特征的統(tǒng)計(jì)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(yīng)改變。從若能夠有效的檢測(cè)皮膚粗糙度會(huì)給醫(yī)師帶來(lái)的諸多便利,以及為護(hù)膚專家提供了客觀的第一于的數(shù)據(jù)等方面,闡明了該項(xiàng)工作的意義。介紹了傳統(tǒng)的和目前較為先進(jìn)的檢測(cè)手段,論述了不同方法在檢測(cè)過程中的優(yōu)勢(shì)和弊端。分析了圖像增強(qiáng)的多種方式,并進(jìn)行了實(shí)驗(yàn),對(duì)結(jié)果進(jìn)行了分析對(duì)比,提出了用Gabor濾波對(duì)圖像預(yù)處理來(lái)去除皮膚圖像噪聲,使紋理圖像更適合于接下來(lái)的特征提取操作。下面就是紋理特征提取算法的學(xué)習(xí),重點(diǎn)是對(duì)灰度共生矩陣算法和局部二值模式算法進(jìn)行了深入的學(xué)習(xí)研究,并從算法的不足之處入手,考慮到局部二值模式法的優(yōu)勢(shì),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(jié)合的方法來(lái)提取皮膚紋理特征,即先利用均勻旋轉(zhuǎn)不變的LBP算... 

【文章來(lái)源】：東北林業(yè)大學(xué)黑龍江省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 皮膚表面粗糙度檢測(cè)的意義
        1.1.1 皮膚表面物理特征
        1.1.2 皮膚表面粗糙度檢測(cè)意義
    1.2 皮膚粗糙度測(cè)量法研究現(xiàn)狀
        1.2.1 硅膠復(fù)膜技術(shù)
        1.2.2 光學(xué)輪廓測(cè)定法
        1.2.3 偏振成像法
        1.2.4 圖像傳感器法
    1.3 粗糙度測(cè)量法的研究前景
    1.4 本課題研究任務(wù)及目的
2 皮膚圖像的預(yù)處理
    2.1 預(yù)處理的目的
    2.2 皮膚圖像灰度化
        2.2.1 平均值法
        2.2.2 最大值法
        2.2.3 加權(quán)平均值法
    2.3 皮膚圖像增強(qiáng)
        2.3.1 灰度變換法
        2.3.2 直方圖均衡化
    2.4 皮膚圖像的平滑處理
        2.4.1 均值濾波法
        2.4.2 中值濾波法
        2.4.3 高斯濾波法
    2.5 Gabor濾波
        2.5.1 Gabor濾波器
        2.5.2 Gabor濾波流程
    2.6 本章小結(jié)
3 皮膚紋理特征分析
    3.1 紋理概述
    3.2 常用紋理的分析方法
    3.3 紋理統(tǒng)計(jì)特征分析法
        3.3.1 基于圖像灰度直方圖特征提取法
        3.3.2 中心距法
        3.3.3 灰度差值統(tǒng)計(jì)分析法
        3.3.4 基于自相關(guān)函數(shù)的紋理特征提取法
        3.3.5 游程長(zhǎng)度統(tǒng)計(jì)分析法
        3.3.6 灰度共生矩陣法
        3.3.7 局部二值模式法
        3.3.8 融合LBP和GLCM法的紋理特征提取
    3.4 本章小結(jié)
4 基于神經(jīng)網(wǎng)絡(luò)的皮膚紋理識(shí)別技術(shù)
    4.1 人工神經(jīng)網(wǎng)絡(luò)與模式識(shí)別
        4.1.1 人工神經(jīng)網(wǎng)絡(luò)
        4.1.2 模式識(shí)別技術(shù)
    4.2 神經(jīng)網(wǎng)絡(luò)的基本概念
        4.2.1 人工神經(jīng)元模型
        4.2.2 神經(jīng)網(wǎng)絡(luò)連接方式
        4.2.3 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)策略
        4.2.4 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則
    4.3 BP神經(jīng)網(wǎng)絡(luò)
        4.3.1 BP網(wǎng)絡(luò)結(jié)構(gòu)
        4.3.2 BP網(wǎng)絡(luò)學(xué)習(xí)算法
        4.3.3 BP算法的不足及優(yōu)化方法
    4.4 本章小結(jié)
5 實(shí)驗(yàn)設(shè)計(jì)及結(jié)果分析
    5.1 設(shè)計(jì)皮膚圖像采集系統(tǒng)
    5.2 分類系統(tǒng)設(shè)計(jì)
    5.3 圖像拍攝和預(yù)處理環(huán)節(jié)
    5.4 特征參數(shù)的選取與分析
        5.4.1 皮膚紋理特征提取
        5.4.2 皮膚紋理特征值分析
    5.5 皮膚紋理分類器設(shè)計(jì)
        5.5.1 分類網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
        5.5.2 分類網(wǎng)絡(luò)參數(shù)設(shè)置
        5.5.3 分類網(wǎng)絡(luò)訓(xùn)練
    5.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝



本文編號(hào)：2902846