[發(fā)明專利]一種基于線條聚類的頭發(fā)密度評(píng)估方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201611061009.9
• 申請(qǐng)日: 2016-11-28
• 公開（公告）號(hào): CN106778827B
• 公開（公告）日: 2019-04-23
• 發(fā)明（設(shè)計(jì)）人: 韓英;任大明;張奕
• 申請(qǐng)（專利權(quán)）人: 南京鑫和匯通電子科技有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06T7/13;G06T7/181;G06T7/187
• 代理公司: 山西華炬律師事務(wù)所 14106
• 代理人: 楊秉一

本發(fā)明提出一種基于線條聚類的頭發(fā)密度評(píng)估方法，能夠有效識(shí)別出圖像中的頭發(fā)并根據(jù)識(shí)別結(jié)果統(tǒng)計(jì)頭發(fā)數(shù)目和寬度，計(jì)算頭發(fā)密度，實(shí)現(xiàn)頭發(fā)密度評(píng)估。本發(fā)明的方法可實(shí)現(xiàn)對(duì)頭發(fā)生長過程的實(shí)時(shí)跟蹤，快速有效地估計(jì)頭發(fā)密度并將治療前后頭發(fā)密度進(jìn)行對(duì)比，為評(píng)判醫(yī)學(xué)治療效果提供有效的依據(jù)，在實(shí)際醫(yī)學(xué)應(yīng)用中有著重要的意義。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)圖像檢測(cè)識(shí)別領(lǐng)域，特別是指一種基于線條聚類的頭發(fā)識(shí)別方法及頭發(fā)密度評(píng)估系統(tǒng)。

背景技術(shù)

基于線條特征的圖像識(shí)別方法已受到廣泛關(guān)注，目前已有很多學(xué)者通過提取圖像線條特征進(jìn)行圖像識(shí)別，但是并沒有有效的對(duì)線條進(jìn)行聚類的方法，頭發(fā)圖像在圖像識(shí)別領(lǐng)域通常是一種特殊圖像，對(duì)特定技術(shù)特征的識(shí)別的影響較小，因此，目前并沒有具體的針對(duì)頭發(fā)識(shí)別的方法。

由于傳統(tǒng)的頭發(fā)密度估計(jì)只能是人為去統(tǒng)計(jì)頭發(fā)的數(shù)目并計(jì)算寬度，耗費(fèi)大量的時(shí)間，同時(shí)由于頭發(fā)一般比較細(xì)長，人為統(tǒng)計(jì)結(jié)果往往存在很大的誤差，因此頭發(fā)密度估計(jì)在醫(yī)療評(píng)估和檢測(cè)中具有重要的意義。線條是圖像的重要特征，目前已有大量方法利用圖像線條特征進(jìn)行圖像識(shí)別，考慮到頭發(fā)圖像的特殊性，在檢測(cè)到圖像線條之后，關(guān)鍵是對(duì)線條進(jìn)行聚類，將屬于同一頭發(fā)的線條劃分為同一類別，以此實(shí)現(xiàn)頭發(fā)識(shí)別并統(tǒng)計(jì)頭發(fā)數(shù)目，計(jì)算頭發(fā)寬度和厚度。

本發(fā)明提出的基于線條聚類的頭發(fā)密度評(píng)估方法，通過統(tǒng)計(jì)圖像線條與其周圍相鄰線條的關(guān)系，將屬于同一條線的所有線條進(jìn)行連接，實(shí)現(xiàn)線條的初次聚類；并提取圖像各個(gè)局部區(qū)域的中線，利用中線對(duì)線條進(jìn)行再次聚類，以此獲取圖像中所有頭發(fā)區(qū)域。在實(shí)際應(yīng)用中，只要提供光照強(qiáng)度較好的頭發(fā)圖像，將圖像處理為灰度圖輸入計(jì)算機(jī)，便可根據(jù)我們的算法快速有效地識(shí)別出圖像中的頭發(fā)，同時(shí)統(tǒng)計(jì)頭發(fā)數(shù)目，計(jì)算頭發(fā)寬度和密度，為頭發(fā)密度評(píng)估提供了極大的便利。

發(fā)明內(nèi)容

本發(fā)明提出一種基于線條聚類的頭發(fā)密度評(píng)估方法，能夠有效識(shí)別出圖像中的頭發(fā)并根據(jù)識(shí)別結(jié)果統(tǒng)計(jì)頭發(fā)數(shù)目和寬度，計(jì)算頭發(fā)密度，實(shí)現(xiàn)頭發(fā)密度評(píng)估。

本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

一種基于線條聚類的頭發(fā)密度評(píng)估方法，其特征在于，包括以下步驟：

步驟一：在計(jì)算機(jī)中輸入待檢測(cè)圖像并處理為灰度圖像；

步驟二：利用直方圖進(jìn)行圖像預(yù)處理增加圖像對(duì)比度；

步驟三：圖像背景建模，以提取圖像背景圖和前景圖，根據(jù)前景圖和背景圖獲取圖像前景點(diǎn)、背景點(diǎn)和圖像區(qū)域信息，并對(duì)提取的背景圖像進(jìn)行歸一化處理；

步驟四：計(jì)算歸一化后圖像的積分圖，以快速獲取圖像的Haar特征點(diǎn)；

步驟五：利用canny邊緣檢測(cè)算法獲取待檢測(cè)圖像的所有邊緣點(diǎn)和邊緣線；

步驟六：對(duì)所有邊緣線進(jìn)行分割，并根據(jù)線條長度進(jìn)行排序，剔除長度小于給定閾值不足以構(gòu)成頭發(fā)的線條；

步驟七：基于上述關(guān)鍵點(diǎn)檢測(cè)結(jié)果，關(guān)鍵點(diǎn)即獲取的所有前景點(diǎn)、背景點(diǎn)、 Haar特征點(diǎn)及邊緣點(diǎn)，將圖像所有像素點(diǎn)進(jìn)行分類，分為前景點(diǎn)、背景點(diǎn)、Haar 特征點(diǎn)以及邊緣點(diǎn)，并在圖像上標(biāo)記每個(gè)關(guān)鍵點(diǎn)的類型；

步驟八：遍歷圖像所有像素點(diǎn)，建立每個(gè)像素點(diǎn)與其上下左右4方向相鄰關(guān)鍵點(diǎn)的關(guān)系圖，以記錄每一點(diǎn)4方向上相鄰的邊緣點(diǎn)、Haar特征點(diǎn)以及每個(gè)點(diǎn) 4方向上的局部鄰域內(nèi)前景點(diǎn)總數(shù)；

步驟九：基于上述關(guān)系圖，遍歷圖像所有邊緣線，找出每條邊緣線上下左右 4方向上相鄰的邊緣線并判定邊緣線間的連接性，獲取初始邊緣線連接結(jié)果；

步驟十：基于邊緣線上下左右4方向上相鄰關(guān)鍵點(diǎn)的信息，將所有邊緣線分為三類，分別為：頭發(fā)區(qū)域左線條、頭發(fā)區(qū)域右線條和頭發(fā)區(qū)域中線；

步驟十一：獲取圖像局部區(qū)域內(nèi)的灰度極值點(diǎn)，并利用其提取圖像各個(gè)局部區(qū)域的頭發(fā)區(qū)域中線；