紫质检测方法、装置、皮肤检测仪和可读存储介质制造方法及图纸

本申请实施例提供了一种紫质检测方法、装置、皮肤检测仪和可读存储介质，涉及图像处理技术领域。该方法首先获取待检测图像。然后将待检测图像输入紫质检测模型进行紫质检测，得到紫质检测后的结果图像。其中，紫质检测模型是将包括紫质的原始图像作为训练样本，将原始图像对应的紫质掩膜图像作为目标图像，对预先构建的包括编码网络和解码网络的紫质检测网络进行训练得到。如此，利用结构简单小巧的紫质检测模型对待检测图像进行紫质检测，可在保证检测精度的前提下，提高检测效率。

【技术实现步骤摘要】
紫质检测方法、装置、皮肤检测仪和可读存储介质
本申请涉及图像处理
，具体而言，涉及一种紫质检测方法、装置、皮肤检测仪和可读存储介质。
技术介绍
人脸皮肤的紫质是指人脸毛囊中产生的油脂分泌物，由于各种原因堆积在毛囊处，由此滋生出的细菌产生的分泌物(细菌的新陈代谢产物)在紫外光(UltravioletRays，UV)照射下会发出荧光，发出荧光的区域即为紫质。研究表明，如果人脸紫质很多，就会有爆发痤疮的可能，对人脸紫质进行检测能够揭示皮肤的清洁和健康状况，有助于人脸皮肤的健康防护。目前，常利用传统的图像处理方法直接对原始图像进行紫质区域的分割，比如根据原始图像的亮度图，设定阈值进行二值化。但是此类方法准确率低，鲁棒性差。比较前沿的方式是利用获取到的UV光原始图像和原始图像对应的标注掩膜图，共同训练深度学习网络。训练完成后，将需要检测的待检测图像输入训练好的深度学习网络中，即可检测出待检测图像中人脸的紫质区域。但是，由于市面上流行的深度学习网络框架的结构较大且复杂，且并非是针对此问题设计出来的网络框架，训练过程往往本文档来自技高网...

【技术保护点】
1.一种紫质检测方法，其特征在于，所述方法包括：/n获取待检测图像；/n将所述待检测图像输入紫质检测模型进行紫质检测，得到紫质检测后的结果图像，其中，所述紫质检测模型是将包括紫质的原始图像作为训练样本，将所述原始图像对应的紫质掩膜图像作为目标图像，对预先构建的包括编码网络和解码网络的紫质检测网络进行训练得到。/n

【技术特征摘要】
1.一种紫质检测方法，其特征在于，所述方法包括：
获取待检测图像；
将所述待检测图像输入紫质检测模型进行紫质检测，得到紫质检测后的结果图像，其中，所述紫质检测模型是将包括紫质的原始图像作为训练样本，将所述原始图像对应的紫质掩膜图像作为目标图像，对预先构建的包括编码网络和解码网络的紫质检测网络进行训练得到。


2.根据权利要求1所述的紫质检测方法，其特征在于，所述紫质检测模型通过以下步骤训练得到：
获取包括紫质的原始图像和所述原始图像对应的紫质掩膜图像，其中，所述紫质掩膜图像为对所述原始图像进行紫质标注后得到的图像；
将所述原始图像作为训练样本，输入所述编码网络，利用所述编码网络对所述原始图像进行特征提取和特征融合，得到中间特征图层；
将所述中间特征图层输入所述解码网络，利用所述解码网络对所述中间特征图层进行解析，得到初步结果图像；
依据所述初步结果图像和所述紫质掩膜图像，计算预设的损失函数的损失值；
依据所述损失值，采用反向传播算法更新所述紫质检测网络的参数，直至重新计算得到的损失值满足预设条件，得到训练后的所述紫质检测模型。


3.根据权利要求2所述的紫质检测方法，其特征在于，所述编码网络包括第一特征提取模块和特征融合模块；
所述将所述原始图像作为训练样本，输入所述编码网络，利用所述编码网络对所述原始图像进行特征提取和特征融合，得到中间特征图层的步骤包括：
将所述原始图像作为训练样本，输入所述第一特征提取模块，利用所述第一特征提取模块对所述原始图像进行特征提取，得到原始特征图层；
将所述原始特征图层输入所述特征融合模块，利用所述特征融合模块对所述原始特征图层进行多尺度特征提取，得到多个中间特征图；
利用所述特征融合模块对所述多个中间特征图进行多尺度特征融合，得到中间特征图层。


4.根据权利要求3所述的紫质检测方法，其特征在于，所述解码网络包括第二特征提取模块、跳跃连接模块和第三特征提取模块；
所述将所述中间特征图层输入所述解码网络，利用所述解码网络对所述中间特征图层进行解析，得到初步结果图像的步骤包括：
将所述中间特征图层输入所述第二特征提取模块，利用所述第二特征提取模块进行特征提取，得到第...

【专利技术属性】
技术研发人员：马建杰，黄炜，王喆，许清泉，
申请(专利权)人：厦门美图之家科技有限公司，
类型：发明
国别省市：福建;35