随着医学美容技术的飞速发展,人们越来越关注自身皮肤的健康状况。如何客观、定量地评价人脸皮肤的肤质成为医学美容界重点关注的问题。传统的大型机械性皮肤肤质检测仪在便携性和实时性方面已无法满足人们的需求,利用图像处理手段对人脸皮肤肤质进行检测与评价具有十分广阔的应用前景。本课题希望可以建立一套皮肤瑕疵检测与评价系统,能够对皮肤表面的皱纹、斑点、痤疮、毛孔粗大等皮肤问题进行评估。具体工作内容如下:1.详细介绍了人脸皮肤肤质检测技术的背景和研究现状,分析了目前常见的用于评价皮肤肤况的检测指标,选定以皮肤瑕疵作为研究对象,构建了人脸皮肤图像数据库。本文采集了50个志愿者的5个部位的人脸皮肤图像,每个部位采集10张,共得到2500幅原始皮肤图像。2.针对单一特征描述人脸皮肤图像的局限性,提出了一种基于特征融合的人脸皮肤瑕疵检测方法。本文首先对人脸皮肤的纹理特征、形状特征、色彩特征展开研究,选取其中的LBP特征、小波特征、HOG特征、颜色矩特征来描述人脸皮肤瑕疵。通过分析以上特征对人脸皮肤瑕疵的检测效果,将旋转不变等价LBP特征、HOG特征、颜色矩特征进行融合,最后利用SVM分类器训练人脸皮肤瑕疵检测模型。本文提出的特征融合算法,相比于单一特征,有更好的检测效果。3.研究了一种基于卷积神经网络的人脸皮肤瑕疵检测方法。本文以VGG16网络模型为基础,设计和实现了基于VGG16的人脸皮肤瑕疵检测方法。具体而言,首先构建了VGG16网络模型,然后利用自建的皮肤图像数据库进行训练,对网络中的参数进行微调,将VGG16分类器的“batchsize”参数设置为20,“max_batches”参数设置为64,使得识别率高达97.66%,在很大程度上提高了系统整体的识别性能。4.设计人脸皮肤瑕疵评价模型。本文结合国内医学界对于皮肤痤疮、毛孔、皱纹瑕疵的分级标准,基于瑕疵面积大小对各类皮肤瑕疵进行等级划分。根据各类瑕疵所处等级,提出了人脸皮肤的总体评价模型,设计人机交互界面,完成了整个人脸皮肤瑕疵检测与评价系统的搭建。