[發(fā)明專利]基于深度學習和自適應閾值法的鼻翼黑頭圖像檢測方法

在審

• 申請?zhí)枺?/td>: 202110552883.7
• 申請日: 2021-05-20
• 公開（公告）號: CN113298772A
• 公開（公告）日: 2021-08-24
• 發(fā)明（設計）人: 熊國虹;董璐;孫佳;王遠大
• 申請（專利權(quán)）人: 南京云智控產(chǎn)業(yè)技術(shù)研究院有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T7/194;G06N3/04;G06N3/08
• 代理公司: 南京眾聯(lián)專利代理有限公司 32206
• 代理人: 許小莉

本發(fā)明公開了一種基于深度學習和自適應閾值法的鼻翼黑頭圖像檢測方法，該方法包括如下步驟：S1.收集人臉五官分割數(shù)據(jù)集，訓練CNN級聯(lián)網(wǎng)絡并保存網(wǎng)絡參數(shù)；S2.調(diào)用訓練好的CNN級聯(lián)網(wǎng)絡進行五官分割，將人臉圖像中的鼻部圖像提取出來；S3.將鼻部圖像提取藍色單通道，去除邊緣、光線和陰影的影響，去除鼻孔部分；S4.用自適應閾值法提取黑頭；S5.利用tkinter制作交互界面。本發(fā)明采用卷積神經(jīng)網(wǎng)絡對人臉五官進行分割，從而避免不同部位顏色差異對檢測結(jié)果的影響，提取單通道圖像以減小光照和膚色影響，采用腐蝕、閾值分割方法去除邊界和鼻孔黑影、高光的影響，采用自適應閾值檢測黑頭減小光照等因素的影響。

技術(shù)領域

本發(fā)明屬于數(shù)字圖像處理技術(shù)領域，具體涉及一種基于深度學習和自適應閾值法的鼻翼黑頭圖像檢測方法。

背景技術(shù)

數(shù)字圖像處理(Digital Image Processing)是通過計算機對圖像進行去除噪聲、增強、復原、分割、提取特征等處理的方法和技術(shù)。數(shù)字圖像處理的產(chǎn)生和迅速發(fā)展主要受三個因素的影響：一是計算機的發(fā)展；二是數(shù)學的發(fā)展(特別是離散數(shù)學理論的創(chuàng)立和完善)；三是廣泛的農(nóng)牧業(yè)、林業(yè)、環(huán)境、軍事、工業(yè)和醫(yī)學等方面的應用需求的增長。

深度學習(DL,Deep Learning)是機器學習(ML,Machine Learning)領域中一個新的研究方向，它被引入機器學習使其更接近于最初的目標——人工智能(AI,ArtificialIntelligence)。深度學習是學習樣本數(shù)據(jù)的內(nèi)在規(guī)律和表示層次，這些學習過程中獲得的信息對諸如文字，圖像和聲音等數(shù)據(jù)的解釋有很大的幫助。它的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、圖像和聲音等數(shù)據(jù)。深度學習是一個復雜的機器學習算法，在語音和圖像識別方面取得的效果，遠遠超過先前相關(guān)技術(shù)。深度學習在搜索技術(shù)，數(shù)據(jù)挖掘，機器學習，機器翻譯，自然語言處理，多媒體學習，語音，推薦和個性化技術(shù)，以及其他相關(guān)領域都取得了很多成果。深度學習使機器模仿視聽和思考等人類的活動，解決了很多復雜的模式識別難題，使得人工智能相關(guān)技術(shù)取得了很大進步。

卷積神經(jīng)網(wǎng)絡(Convolutional Neural Networks,CNN)是一類包含卷積計算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(Feedforward Neural Networks)，是深度學習(deeplearning)的代表算法之一。卷積神經(jīng)網(wǎng)絡具有表征學習(representation learning)能力，能夠按其階層結(jié)構(gòu)對輸入信息進行平移不變分類(shift-invariantclassification)，因此也被稱為“平移不變?nèi)斯ど窠?jīng)網(wǎng)絡(Shift-Invariant ArtificialNeural Networks,SIANN)”。卷積神經(jīng)網(wǎng)絡仿造生物的視知覺(visual perception)機制構(gòu)建，可以進行監(jiān)督學習和非監(jiān)督學習，其隱含層內(nèi)的卷積核參數(shù)共享和層間連接的稀疏性使得卷積神經(jīng)網(wǎng)絡能夠以較小的計算量對格點化(grid-like topology)特征，例如像素和音頻進行學習、有穩(wěn)定的效果且對數(shù)據(jù)沒有額外的特征工程(feature engineering)要求。

近年來，人們對護膚越來越重視，各種各樣皮膚檢測的產(chǎn)品也隨之活躍在市場上。而由于黑頭在照片中占比很小、顏色不明顯，受到光照、皮膚上的斑點、相機像素等因素的影響很大，因此檢測黑頭是一件非常困難的事。

發(fā)明內(nèi)容

為解決上述問題，本發(fā)明公開了一種基于深度學習和自適應閾值法的鼻翼黑頭圖像檢測方法，采用卷積神經(jīng)網(wǎng)絡對人臉五官進行分割，從而避免不同部位顏色差異對檢測結(jié)果的影響，提取單通道圖像以減小光照和膚色影響，采用腐蝕、閾值分割方法去除邊界和鼻孔黑影、高光的影響，采用自適應閾值等方法檢測黑頭減小光照等因素的影響。最后制作用戶交互界面以便使用。

上述的目的通過以下的技術(shù)方案實現(xiàn)：

一種基于深度學習和自適應閾值法的鼻翼黑頭圖像檢測方法，該方法包括如下步驟：

S1.收集人臉五官分割數(shù)據(jù)集，訓練CNN級聯(lián)網(wǎng)絡并保存網(wǎng)絡參數(shù)；