一種有效的基于內(nèi)容的人體皮膚圖像分類檢索方法
【專利摘要】本發(fā)明涉及一種有效的基于內(nèi)容的人體皮膚圖像分類檢索方法，屬于基于內(nèi)容的圖像分類檢索技術(shù)領(lǐng)域。該方法包括以下步驟：S1：采用基于電容的Fingerprint Sensor對人體皮膚圖片進(jìn)行采集；S2：將采集到的人體皮膚圖片運(yùn)用2D Gabor小波算法進(jìn)行分類檢索，通過對圖片多頻道多分辨率的分析，提取圖片的特征向量，然后通過對數(shù)據(jù)庫中圖片之間特征向量相似度的比較，最終完成圖片的分類檢索。本發(fā)明提供的方法對基于內(nèi)容的圖像分類檢索技術(shù)領(lǐng)域，特別是人體皮膚分類檢索領(lǐng)域提供了很好的技術(shù)支持，具有廣闊的應(yīng)用前景。
【專利說明】
一種有效的基于內(nèi)容的人體皮膚圖像分類檢索方法
技術(shù)領(lǐng)域
[0001]本發(fā)明屬于基于內(nèi)容的圖像分類檢索技術(shù)領(lǐng)域，涉及一種有效的基于內(nèi)容的人體皮膚圖像分類檢索方法。
【背景技術(shù)】
[0002]21世紀(jì)的人類社會進(jìn)入了一個信息大爆炸的數(shù)字化時代，通過互聯(lián)網(wǎng)，人們可以交流，獲取各種信息，促進(jìn)了全球的進(jìn)步。同時，各種信息的載體層出不窮，以圖片視頻為代表的多媒體數(shù)據(jù)信息數(shù)量正隨著計算機(jī)的發(fā)展以驚人的速度增長，曾經(jīng)有報道說人類已經(jīng)進(jìn)入了讀圖時代。然而蘊(yùn)藏著人們需要的有用信息的圖像浩如煙海，并且雜亂無章的分布在世界的每個角落，所以存在的問題就是有用的信息很難被人們所訪問獲取。在此背景下，迫切需要對數(shù)量龐大內(nèi)容復(fù)雜的圖像數(shù)據(jù)進(jìn)行有效且準(zhǔn)確無誤地分類與檢索，所以圖像檢索(Image Retrieval)技術(shù)應(yīng)運(yùn)而生。首先被運(yùn)用的傳統(tǒng)的圖像檢索技術(shù)是基于文本的圖像檢索，但是它的缺點是，不但不利于圖像的準(zhǔn)確檢索，也不利于圖像數(shù)據(jù)的管理分類。為了克服上述技術(shù)的問題，一種新的檢索技術(shù)被提了出來:基于內(nèi)容的圖像檢索，它以表示圖像的直接特征顏色、形狀和紋理等作為檢索的索引，采用特征提取和建立索引，其實質(zhì)是一種相似查詢的技術(shù)，并且整個過程是一種逐漸近似以及反饋的過程，所以內(nèi)容的圖像檢索系統(tǒng)更加的客觀以及高效。
[0003]皮膚是人體重要的器官之一，它如同人體的屏障，它包含很多重要功能。皮膚圖像在許多研究領(lǐng)域都扮演著重要的作用，例如:皮膚病學(xué)、臨床分析、藥理學(xué)、美容學(xué)等。隨著大量皮膚圖片的迅速增加，建立一種有效的基于內(nèi)容的人體皮膚圖像分類檢索方法，就變得越來越重要和緊迫。
[0004]目前已存在的基于內(nèi)容的人體皮膚圖像分類檢索方法主要存在兩個問題，第一個問題在于人體皮膚圖像的獲取，在目前的研究中，有很多普遍用于采集獲取人體皮膚圖像的方法，例如:標(biāo)準(zhǔn)的數(shù)碼相機(jī),Dermilte Dermoscopy和Proscope HR，雖然它們可以采集到人體表面的皮膚圖像，但是在表現(xiàn)精度和準(zhǔn)確度上存在問題;第二個問題在于，具體運(yùn)用的檢索圖像的算法。目前用于檢索圖像的算法，最常見的是灰度共生矩陣算法和Tamura紋理特征算法，但是它們存在一個問題，就是針對那些圖像中的主體物體很突出，占據(jù)圖像很大面積的圖片檢索效果還可以，也就是說它們對圖像的整體檢索效果比較好，但是人體皮膚成功檢索的關(guān)鍵在于細(xì)節(jié)，因為人體皮膚不同部位的紋理會呈現(xiàn)不同特點，這是局部細(xì)節(jié)的細(xì)微差別，所以這兩種算法對基于內(nèi)容的圖片檢索圖像中的主體物體很突出的圖片檢索結(jié)果還令人滿意，但是對類似于人體皮膚圖像這種在細(xì)節(jié)，細(xì)微處體現(xiàn)區(qū)別的圖像，則不太適合。

【發(fā)明內(nèi)容】

[0005]有鑒于此，本發(fā)明的目的在于提供一種有效的基于內(nèi)容的人體皮膚圖像分類檢索方法，該方法首先采用Fingerprint sensor作為采集皮膚圖像的工具進(jìn)行采集，在檢索的算法環(huán)節(jié)，采用2D Gabor小波算法，通過多頻道多分辨率的分析，能夠得到很好體現(xiàn)圖像局部區(qū)域細(xì)節(jié)信息的紋理特征。
[0006]為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案:
[0007]—種有效的基于內(nèi)容的人體皮膚圖像分類檢索方法，該方法包括以下步驟:
[0008]S1:采用基于電容的Fingerprint Sensor(指紋傳感器)對人體皮膚圖片進(jìn)行采集；
[0009]S2:將采集到的人體皮膚圖片運(yùn)用2D Gabor小波算法進(jìn)行分類檢索，通過對圖片多頻道多分辨率的分析，提取圖片的特征向量，然后通過對數(shù)據(jù)庫中圖片之間特征向量相似度的比較，最終完成圖片的分類檢索。
[0010]進(jìn)一步，在步驟SI中，使用Fingerprint Sensor來采集圖片，所述FingerprintSensor具備256 X 300個像素矩陣，每個像素的每空間分辨率為50微米;其總共測量范圍區(qū)域為12.8 X 15微米;每一個像素本質(zhì)上都是一個電容感應(yīng)器，電容傳感器主要生成一個皮膚表面的電容圖像，在每一幅圖像中，每一個像素都可以由0-255的8位灰度值表示，對于所有的測量來說它的測量持續(xù)時間都被限制在5s。
[0011 ]進(jìn)一步，步驟S2具體包括:首先把2D Gabor小波濾波器和數(shù)據(jù)庫中所有的圖像進(jìn)行卷積得到每幅圖的特征向量，然后把圖像的特征向量作為向量空間，然后在圖片庫中選取一張作為目標(biāo)圖像，通過把目標(biāo)圖像用2D Gabor小波濾波器提取的特征向量與特征向量空間中所有的特征向量進(jìn)行相似度比較，找到與目標(biāo)圖像最相似的前三位圖像。
[0012]進(jìn)一步，在步驟S2中，相似度度量采用歐式距離。
[0013]本發(fā)明的有益效果在于:本發(fā)明首先采用Fingerprintsensor作為采集圖像的工具，F(xiàn)ingerprint sensor可以十分準(zhǔn)確的采集到人體不同部位的圖片，由于采集的過程直接接觸到人體皮膚表面，所以得到的圖像可以很準(zhǔn)確的體現(xiàn)人體皮膚紋理的信息，為后續(xù)的檢索提供很好的基礎(chǔ)，同時采集的過程也方便簡潔，快速，且無創(chuàng)傷性。在檢索的算法選用環(huán)節(jié)，本發(fā)明采用的是2D Gabor小波算法，這種算法通過對圖片多頻道多分辨率的分析，提取出圖片的特征向量，然后通過對數(shù)據(jù)庫中圖片之間特征向量相似度的比較，最終完成圖片的分類檢索。這種方法對基于內(nèi)容的圖像分類檢索技術(shù)領(lǐng)域，特別是人體皮膚分類檢索領(lǐng)域提供了很好的技術(shù)支持。
【附圖說明】
[0014]為了使本發(fā)明的目的、技術(shù)方案和有益效果更加清楚，本發(fā)明提供如下附圖進(jìn)行說明:
[0015]圖1為本發(fā)明所述方法的流程示意圖。
【具體實施方式】
[0016]下面將結(jié)合附圖，對本發(fā)明的優(yōu)選實施例進(jìn)行詳細(xì)的描述。
[0017]圖1為本發(fā)明所述方法的流程示意圖，如圖所示，本發(fā)明提供的方法包括以下步驟:S1:采用基于電容的Fingerprint Sensor(指紋傳感器)對人體皮膚圖片進(jìn)行采集:S2:將采集到的人體皮膚圖片運(yùn)用2D Gabor小波算法進(jìn)行分類檢索，通過對圖片多頻道多分辨率的分析，提取圖片的特征向量，然后通過對數(shù)據(jù)庫中圖片之間特征向量相似度的比較，最終完成圖片的分類檢索。
[0018]具體來說:
[0019]一、人體皮膚圖片采集
[°02°] 本發(fā)明的一個十分重要的創(chuàng)新之處在于使用Fingerprint Sensor來采集圖片。Fingerprint Sensor具備256 X 300個像素矩陣，每個像素的每空間分辨率為50微米。它的總共測量范圍區(qū)域是12.8 X 15微米。每一個像素本質(zhì)上都是一個電容感應(yīng)器。電容傳感器主要生成一個皮膚表面的電容圖像，在每一幅圖像中，每一個像素都可以由0-255的8位灰度值表示，對于所有的測量來說它的測量持續(xù)時間都被限制在5s.Fingerprint sensor可以十分準(zhǔn)確的采集到人體不同部位的圖片，由于采集的過程直接接觸到人體皮膚表面，所以得到的圖像可以很準(zhǔn)確的體現(xiàn)人體皮膚紋理的信息，為后續(xù)的檢索提供很好的基礎(chǔ)，同時采集的過程也方便簡潔，快速，且無創(chuàng)傷性。
[0021]二、圖片分類檢索
[0022]在本實施例中，為了更好的檢驗方法的有效性，組成數(shù)據(jù)庫的圖片不僅有人體皮膚的圖像，還有人臉圖片，皮膚癌的圖片和皮膚病的圖片，一共4個不同種類，共56幅。
[0023]在本實施例中，2DGabor小波在6個尺度和4個方向上對圖片提取特征向量，即對圖像的特征向量的提取由4X6 = 24個濾波器進(jìn)行，之所以只選用24個濾波器進(jìn)行實驗，是為了在保證準(zhǔn)確率的同時，減少程序運(yùn)行的時間，快速的識別和選取目標(biāo)圖像。當(dāng)然適當(dāng)?shù)卦黾臃较蚝统叨鹊拇笮?，即增加濾波器的數(shù)量可增加實驗的準(zhǔn)確度，但是綜合考慮，本發(fā)明采用了6個尺度和4個方向。另外，關(guān)于最高，最低中心頻率的選取，根據(jù)奈奎斯特采樣定理得知圖像特性的頻率應(yīng)該是0-0.5之間，但是人的眼睛反應(yīng)圖像特性的頻率范圍是0.05-
0.4，所以Ui和Uh分別取0.05和0.4。
[0024]具體進(jìn)行檢索時，首先把2DGabor小波濾波器和圖片庫中所有的圖像進(jìn)行卷積得到每幅圖的特征向量，然后把56幅圖像的特征向量作為向量空間，然后在圖片庫中選取一張作為目標(biāo)圖像，通過把目標(biāo)圖像用2D Gabor小波濾波器提取的特征向量與特征向量空間中所有的特征向量進(jìn)行相似度比較，找到與目標(biāo)圖像最相似的前三位圖像。本發(fā)明的相似度度量采用歐式距離。通過試驗驗證，本方法對于皮膚圖像的識別能夠取得很好的效果。最后說明的是，以上優(yōu)選實施例僅用以說明本發(fā)明的技術(shù)方案而非限制，盡管通過上述優(yōu)選實施例已經(jīng)對本發(fā)明進(jìn)行了詳細(xì)的描述，但本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，可以在形式上和細(xì)節(jié)上對其作出各種各樣的改變，而不偏離本發(fā)明權(quán)利要求書所限定的范圍。
【主權(quán)項】
1.一種有效的基于內(nèi)容的人體皮膚圖像分類檢索方法，其特征在于:該方法包括以下步驟: S1:采用基于電容的Fingerprint Sensor對人體皮膚圖片進(jìn)行采集； S2:將采集到的人體皮膚圖片運(yùn)用2D Gabor小波算法進(jìn)行分類檢索，通過對圖片多頻道多分辨率的分析，提取圖片的特征向量，然后通過對數(shù)據(jù)庫中圖片之間特征向量相似度的比較，最終完成圖片的分類檢索。2.根據(jù)權(quán)利要求1所述的一種有效的基于內(nèi)容的人體皮膚圖像分類檢索方法，其特征在于:在步驟SI中，使用Fingerprint Sensor來采集圖片，所述Fingerprint Sensor具備256 X 300個像素矩陣，每個像素的每空間分辨率為50微米;其總共測量范圍區(qū)域為12.8 X15微米;每一個像素本質(zhì)上都是一個電容感應(yīng)器，電容傳感器主要生成一個皮膚表面的電容圖像，在每一幅圖像中，每一個像素都可以由0-255的8位灰度值表示，對于所有的測量來說它的測量持續(xù)時間都被限制在5s。3.根據(jù)權(quán)利要求1所述的一種有效的基于內(nèi)容的人體皮膚圖像分類檢索方法，其特征在于:步驟S2具體包括:首先把2D Gabor小波濾波器和數(shù)據(jù)庫中所有的圖像進(jìn)行卷積得到每幅圖的特征向量，然后把圖像的特征向量作為向量空間，然后在圖片庫中選取一張作為目標(biāo)圖像，通過把目標(biāo)圖像用2D Gabor小波濾波器提取的特征向量與特征向量空間中所有的特征向量進(jìn)行相似度比較，找到與目標(biāo)圖像最相似的前三位圖像。4.根據(jù)權(quán)利要求3所述的一種有效的基于內(nèi)容的人體皮膚圖像分類檢索方法，其特征在于:在步驟S2中，相似度度量采用歐式距離。
【文檔編號】G06F17/30GK105930459SQ201610254688
【公開日】2016年9月7日
【申請日】2016年4月21日
【發(fā)明人】歐翔, 仲元紅, 桂小剛, 林煥, 方志平
【申請人】重慶大學(xué)