[發(fā)明專利]一種基于深度學習的皮膚圖像實際面積估算方法

有效

• 申請?zhí)枺?/td>: 201910385989.5
• 申請日: 2019-05-09
• 公開（公告）號: CN110263806B
• 公開（公告）日: 2023-04-18
• 發(fā)明（設計）人: 李東;彭國豪;王穎;莊洪林
• 申請（專利權）人: 廣東工業(yè)大學
• 主分類號: G06T7/62
• 分類號: G06T7/62;G06T7/00;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 張金福

本發(fā)明提供一種基于深度學習的皮膚圖像實際面積估算方法，包括以下步驟：S1.對所拍攝的皮膚圖像進行預處理，得到其毛孔密度圖，并將它作為皮膚圖像的標簽；S2.構建PDINet卷積神經(jīng)網(wǎng)絡模型，將所拍攝的皮膚圖像以及對應的標簽毛孔密度圖作為模型的輸入，并使用隨機梯度下降法訓練模型；S3.利用訓練好的模型對拍攝的皮膚圖像生成其毛孔密度圖，進而對密度圖進行積分，得到該圖像上毛孔的數(shù)量，再根據(jù)公式得出所拍攝皮膚的實際尺寸。本發(fā)明使用卷積神經(jīng)網(wǎng)絡學習毛孔特征，結構簡單，復雜度低，提高了毛孔計數(shù)估計的精確度。

技術領域

本發(fā)明涉及深度學習技術領域，更具體地一種基于深度學習的皮膚圖像實際面積估算方法。

背景技術

目前的皮膚面積測量方案包括直尺測量法、方格紙測量法、拍照手動測量法和自動測量法等。

直尺測量法利用直尺測量皮膚的長短徑，再作乘法運算測得皮膚面積。該方案需接觸皮膚，并且誤差很大。

方格紙測量法利用透明方格紙，通過對皮膚包含的方格個數(shù)進行計數(shù)，確定皮膚面積。該方案需接觸皮膚，且誤差較大。

拍照手動測量法拍攝皮膚照片，利用圖像軟件，手動分割皮膚輪廓并計算面積。該方案雖然無需接觸皮膚，但工作量異常龐大。

自動測量法利用邊緣識別等算法，自動分割皮膚并計算面積。該方案工作量小，但無法識別復雜皮膚，例如成分復雜、存在雜質等皮膚，并會受環(huán)境亮度等拍攝環(huán)境的影響，皮膚邊緣識別成功率低，穩(wěn)定性差。

針對以上問題，需要一種高精度、高穩(wěn)定性的基于深度學習的皮膚圖像實際面積估算方法。

發(fā)明內容

為了克服上述的缺陷，本發(fā)明提出一種基于深度學習的皮膚圖像實際面積估算方法。

為解決上述技術問題，本發(fā)明采用的技術方案是：

一種基于深度學習的皮膚圖像實際面積估算方法，包括以下步驟:

S1.對所拍攝的皮膚圖像進行預處理，生成皮膚毛孔密度圖，并將該毛孔密度圖作為對應拍攝的皮膚圖像標簽；

S2.構建PDINet卷積神經(jīng)網(wǎng)絡模型，將所拍攝的皮膚圖像以及所對應的毛孔密度圖標簽作為該模型的輸入，并使用隨機梯度下降法訓練模型；

S3.利用訓練好的模型對拍攝的皮膚圖像進行測試，對該模型所生成的毛孔密度圖進行積分，得到該圖像上的毛孔數(shù)量。

在一種優(yōu)選方案中，所述的S1中生成皮膚毛孔密度圖的具體步驟如下，對于每一張所拍攝的皮膚圖像，通過公式將原圖轉換為毛孔密度圖，其公式如下：

其中x表示圖片某像素位置上的一個毛孔，N表示圖片上所有毛孔的數(shù)量，i∈N，δ(x)是狄拉克δ函數(shù)，G(x)是高斯核函數(shù)。該損失函數(shù)的意義是計算模型預測的毛孔密度與其基準之間的歐氏距離。

在一種優(yōu)選方案中，所述的卷積神經(jīng)網(wǎng)絡模型包括前端網(wǎng)絡和后端網(wǎng)絡；前端網(wǎng)絡包括十個卷積層，三個池化層，后端網(wǎng)絡包括一個卷積層，六個空洞卷積層；其中前端網(wǎng)絡包括卷積層C1、卷積層C2、卷積層C3、卷積層C4、卷積層C5、卷積層C6、卷積層C7、卷積層C8、卷積層C9、卷積層C10、池化層P1、池化層P2和池化層P3；后端網(wǎng)絡包括卷積層C6，空洞卷積層DC1、空洞卷積層DC2、空洞卷積層DC3、空洞卷積層DC4、空洞卷積層DC5、空洞卷積層DC6。

S25.將步驟S24中得到的2W*2H*64的P2下采樣特征圖輸入到C5卷積層。通過128個3*3的濾波器，使用1個像素的步長，使用relu激活函數(shù)，對P2下采樣特征圖進行卷積操作，輸出2W*2H*128的C3卷積特征圖。由于C6、C7與C5卷積參數(shù)完全一致，所以如同C5卷積層的操作流程，2W*2H*128的特征圖經(jīng)過C6、C7卷積層后，輸出2W*2H*128的C7卷積層特征圖。