基于角点检测的毛发图像中毛发计数方法技术

本发明专利技术属于医学图像处理技术领域，具体为一种基于角点检测的毛发图像中毛发计数方法。本发明专利技术方法包括：对毛发图像进行分块阈值分割，得到毛发分割图；然后对毛发分割图进行角点检测；将将角点视作毛发的端点，统计角点数量，再除以2即得毛发数量。本发明专利技术是一种无监督方法，即不需要数据对参数进行训练，可直接应用在毛发图像上进行计数，可有效减少临床工作量。本发明专利技术能够快速地统计图像中毛发数量，有效辅助医生进行诊断，提升诊断的准确率与效率。率。率。

【技术实现步骤摘要】
基于角点检测的毛发图像中毛发计数方法


[0001]本专利技术属于医学图像处理
，具体涉及一种毛发计数方法。

技术介绍

[0002]单张毛发图像中所包含的毛发数量往往很大，若由人工进行定位、统计数量的工作，则耗费大量人力与时间。而将计算机运用于毛发计数工作之中，能够借助计算机的算力优势在毛发图像快速统计毛发的数量，并且能够实现批处理，处理大量图片，从而节省时间、提高效率。
[0003]本文采用传统图像处理技术对毛发图像进行处理，过程中没有需要学习的参数。相对的，深度卷积神经网络（Deep convolutional neural network, DCNN）作为一种时下热门的机器学习技术，虽然在图像分类
[1-4]、目标检测
[5-7]、语义分割
[8,9]等领域取得了良好的性能，但是模型有大量的参数需要学习，也就意味着需要大量的训练数据，对硬件的存储及算力要求高。
[0004]传统的图像处理算法主要基于图像的浅层特征进行计算，如轮廓、纹理等，计算量小，且不需要大量数据进行训练。本专利技术中所涉及的毛发图像相比于自然图像数据集（如ImageNet
[2]），没有复杂的语义信息，且图像仅包含毛发及皮肤，即前景与背景区别大。因此，传统图像处理算法能够通过少量的计算对毛发图像的浅层特征进行分析，粗略估计毛发总数。
[0005]本专利技术的基本思路为通过阈值分割区分毛发与皮肤区域，再通过角点检测找出毛发端点，通过端点数量除以二估算毛发总数。本专利技术不需要数据进行训练，过程中没有需要学习的参数，且计算量小，适合在毛发图像上进行快速粗略计数辅助临床诊断。

技术实现思路

[0006]本专利技术的目的在于提供一种能够排除人为因素影响，对毛发图像进行毛发计数的方法。
[0007]本专利技术提出的毛发图像中毛发计数方法，是基于角点检测技术的，具体步骤为：（1）毛发图像进行分块阈值分割；将毛发图像等分为25块区域，对每个区域独立进行大津法
[10]阈值分割，以区分毛发与皮肤区域，从而得到毛发分割图；分块阈值分割是为了解决拍摄图片中不同区域光照条件不同，分割所应取的阈值不同的问题。
[0008]（2）角点检测；将步骤（1）所得毛发分割图进行角点检测。这里，所谓角点是指在图像处理中为任意方向上梯度都比较大的部分，本专利技术中将检测所得的角点视作毛发的端点，即通过Harris算法
[11]检测角点得到粗略的毛发端点。由于步骤（1）中所得毛发分割图存在一些离散的点，会影响角点检测的结果。因而本专利技术中采用核为25个像素长的正方形掩膜进行闭运算
[12]，以去除该类噪声。随后对毛发分割图进行角点检测，得到角点响应图；其中，响应高的像素
点各个方向上的梯度更大，则更可能为角点；（3）毛发数量计算；对于步骤（2）中所得响应图进行固定阈值分割
[12]，保留高响应区域，再与步骤（1）中所得的毛发分割图进行与运算，得到角点分割图；然后将毛发分割图中的图像边界上的前景部分与角点分割图进行或运算，以处理边界情况；在最终所得角点分割图中，每个连通的前景区域视作一个角点，并对角点进行计数。由于本专利技术中最终所得角点可视作毛发的端点，故将角点总数除以二，即得毛发数量（估计量）。
[0009]本专利技术数据集包含120张长3072像素、宽4608像素的毛发图像用于测试本专利技术性能，即使用相应于上述计数方法，本专利技术还涉及基于深度卷积神经网络的毛发计数系统。该系统包括三个模块，分别为：毛发图像分块阈值分割模块、角点检测模块、毛发数量计算模块，对应执行上述三个步骤的操作。
[0010]本专利技术检测的毛发数量相对于人工计数的精度为72.81%。图2展示了本专利技术在一张毛发图像上的效果，左侧为输入的原图，中央为阈值分割结果，右侧为角点检测结果可视化，可见本专利技术能够准确检测出毛发端点，并能够借此估算毛发数量。
[0011]本专利技术是一种无监督方法，即不需要数据对参数进行训练，可直接应用在毛发图像上进行计数，可有效减少临床工作量。本专利技术能够快速地统计图像中毛发数量，有效辅助医生进行诊断，提升诊断的准确率与效率。
附图说明
[0012]图1为本专利技术的流程图。
[0013]图2为一张毛发图像的原图（左侧），阈值分割结果（中央）及角点可视化（右侧）。
具体实施方式
[0014]下面对本专利技术实施方案进行详细说明，但是本专利技术的保护范围不局限于所述实施例。
[0015]采用图1中的流程框架，基于阈值分割及角点检测构建算法，获得毛发计数方法。
[0016]具体实施方法是：（1）为应对图像中不同区域的光照不同，将输入毛发图像等分为25个区域，对每个区域使用大津法
[10]进行阈值分割从而获得毛发分割图。分割图中以毛发区域为前景，皮肤区域为背景。
[0017]（2）对分毛发割图使用核为25个像素长的正方形掩膜进行闭运算
[12]去除离散的点，并通过Harris算法
[11]得到角点响应图。角点响应图中，高响应的像素点对应各个方向上梯度较大的点，即更有可能为角点。
[0018]（3）对角点响应图进行阈值为1的固定阈值分割
[12]保留高响应区域，再与步骤（1）中所得的毛发分割图进行与运算，得到角点分割图；然后将毛发分割图中的图像边界上的前景部分与角点分割图进行或运算，以处理边界情况；在最终所得角点分割图中，每个连通的前景区域视作一个角点，并对角点进行计数。所得角点视作毛发的端点，则角点总数除以二便可得估计。
[0019]图2为本专利技术在一张毛发图像上的效果，左侧为输入的原图，中央为阈值分割结果，右侧为角点检测结果可视化。其中，右图红色区域为可视化的角点，可视化方法为将角点区域进行膨胀操作，其核为长25像素的正方形。
[0020]参考文献[1] Krizhevsky, A., Sutskever, I. & Hinton, G. E. ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 1097-1105 (2012).[2] Russakovsky, O., Deng, J., Su, H. et al. ImageNet Large Scale Visual Recognition Challenge. International Journal of Computer Vision 115, 211-252 (2015).[3] Simonyan, K. & Zisserman A. Very deep convolutional networks for large-scale image recognition. International Conference on Representa本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于角点检测的毛发图像中毛发计数方法，其特征在于，具体步骤为：（1）对毛发图像进行分块阈值分割；将毛发图像等分为25块区域，对每个区域独立进行大津法阈值分割，以区分毛发与皮肤区域，从而得到毛发分割图；（2）对毛发分割图进行角点检测；对步骤（1）中得到的毛发分割图，首先采用核为25个像素长的正方形掩膜进行闭运算，以去除图像噪声；然后采用Harris算法进行角点检测，得到角点响应图；其中，响应高的像素点各个方向上的梯度更大，更可能为角点；所谓角点是指在图像处理中为任意方向上梯度都比较大的部分，角点视作...

【专利技术属性】
技术研发人员：吴文育，颜波，林尽染，凌宇，杨凯，李吉春，
申请(专利权)人：复旦大学，
类型：发明
国别省市：