【技术实现步骤摘要】
基于大数据分析的肌肤健康可视化方法、装置及设备
[0001]本专利技术涉及智能决策领域，尤其涉及一种基于大数据分析的肌肤健康可视化方法、装置及设备。
技术介绍
[0002]基于大数据分析的肌肤健康可视化是指对肌肤健康程度进行大数据分析，并将大数据分析结果进行可视化显示的过程，以用于增加对肌肤健康认知的直观性。
[0003]目前，由于肌肤健康测评依赖于多个肤质指标的检测，是一个综合评判过程，而单一的卷积神经网络(CNN)只能对一类问题(指标)进行分类，此外，传统的CNN结构适合处理图像分类或者回归任务，因为它的全连接层是将特征表示映射到输出的特定样本类别中，并输出一个最大概率的类别信息，这样就无法表示每个像素的类别信息，而只能表示整个图片的类别信息，导致CNN无法对像素级别的分类进行处理。因此，由于肌肤健康分析对像素级别的分类能力不足，导致肌肤健康可视化准确率较低。
技术实现思路
[0004]为了解决上述问题，本专利技术提供了一种基于大数据分析的肌肤健康可视化方法、装置及设备，可以提高肌肤健康分析对像素...
【技术保护点】
【技术特征摘要】
1.一种基于大数据分析的肌肤健康可视化方法，其特征在于，所述方法包括：获取肌肤图像，对所述肌肤图像进行光线增强处理，得到光线增强图像，对所述光线增强图像进行颜色反转处理，得到颜色反转图像，确定所述颜色反转图像的肌肤健康因素；对所述颜色反转图像进行细节特征提取，得到图像细节特征，计算所述图像细节特征的全局依赖图，对所述全局依赖图进行语义特征提取，得到图像语义特征，对所述图像细节特征与所述图像语义特征进行特征融合处理，得到特征融合图像；基于所述肌肤健康因素，识别所述特征融合图像的肌肤健康类别，根据所述肌肤健康类别，从所述颜色反转图像中选取健康评价区域，对所述健康评价区域进行区域卷积
‑
池化操作，得到卷积
‑
池化区域，计算所述卷积
‑
池化区域的健康类别等级；根据所述肌肤健康类别与所述健康类别等级，计算所述肌肤图像的肌肤健康评分，基于所述肌肤健康评分，对所述肌肤图像进行肌肤健康可视化处理，得到可视化肌肤健康图像。2.根据权利要求1所述的方法，其特征在于，所述对所述肌肤图像进行光线增强处理，得到光线增强图像，包括：对所述肌肤图像进行频域空间映射，得到频域空间图像；对所述频域空间图像进行频率滤波处理，得到频率滤波图像；对所述频率滤波图像进行逆频域空间映射，得到所述光线增强图像。3.根据权利要求1所述的方法，其特征在于，所述对所述光线增强图像进行颜色反转处理，得到颜色反转图像，包括：提取所述光线增强图像的颜色三分量；识别所述颜色三分量的颜色级别；基于所述颜色级别，对所述颜色三分量进行数值反转操作，得到反转三分量；利用所述反转三分量在所述光线增强图像中进行颜色覆盖处理，得到所述颜色反转图像。4.根据权利要求1所述的方法，其特征在于，所述对所述颜色反转图像进行细节特征提取，得到图像细节特征，包括：对所述颜色反转图像进行维度扩充处理，得到维度扩充图像；对所述维度扩充图像进行通道特征处理，得到图像通道特征；对所述图像通道特征进行特征关联处理，得到图像关联特征；对所述图像关联特征进行比例还原处理，得到所述图像细节特征。5.根据权利要求1所述的方法，其特征在于，所述计算所述图像细节特征的全局依赖图，包括：对所述图像细节特征进行平均池化处理，得到平均池化特征；对所述平均池化特征进行多层感知操作，得到多层感知特征；根据所述多层感知特征，利用下述公式计算所述图像细节特征的全局依赖图：其中，M(F)表示所述全局依赖图，MLP表示多层感知算法，MLP(AvgPool(F))表示第一层多层感知层输出的多层感知特征，表示第一层多层感知层之后的激活函数，表示第二层多层感知层输出的多层感知特征，σ表示第二层多层感
知层之后的激活函数，F表示所述图像细节特征，AvgPool(F)表示所述平均池化特征。6.根据权利要求1所述的方法，其特征在于，所述对所述健康评价区域进行区域卷积
‑
池化操作，得到卷积
‑
池化区域，包括：利用下述公式对所述健康评价区域进行多层卷...
【专利技术属性】
技术研发人员：陈朝波，梁建南，
申请(专利权)人：深圳市禾葡兰信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。