基于皮膚圖像信息處理的年齡測試方法
【專利摘要】本發(fā)明提供一種基于皮膚圖像信息處理的年齡測試方法，通過挖掘皮膚表面隨年齡變化的紋理信息，嘗試為醫(yī)學(xué)工作者提供一種新的簡便無創(chuàng)的年齡推斷方法。首先無創(chuàng)采集前臂腹側(cè)中段部位皮膚圖像，然后對采集的皮膚圖像進(jìn)行預(yù)處理以及特征提取，得到了皮溝和皮嵴的相關(guān)參數(shù)，并運(yùn)用統(tǒng)計(jì)學(xué)方法分析這些參數(shù)與年齡的相關(guān)性，得出推斷年齡的數(shù)學(xué)模型。統(tǒng)計(jì)結(jié)果表明，本方法中的皮膚紋理參數(shù)均與年齡有較高的線性相關(guān)性，將統(tǒng)計(jì)分析得到的年齡推斷模型進(jìn)行測試，能夠得到較高的準(zhǔn)確率，證明了本文方法推斷年齡的有效性，并且由于其所需成本低，有望用于醫(yī)學(xué)年齡的客觀推斷。
【專利說明】
基于皮膚圖像信息處理的年齡測試方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及生命科學(xué)技術(shù)領(lǐng)域，具體涉及一種基于皮膚圖像信息處理的年齡測試 方法。
【背景技術(shù)】
[0002] 年齡是一種具有生物學(xué)基礎(chǔ)的自然標(biāo)志。對個(gè)體的年齡推斷是醫(yī)學(xué)研究和刑事偵 察中經(jīng)常遇到的一項(xiàng)工作，包括對移民、無名氏、運(yùn)動(dòng)員和嫌犯等進(jìn)行年齡推斷，從而為醫(yī) 學(xué)研究、偵查和處理民事案件等提供可靠線索和科學(xué)證據(jù)。目前臨床上適用于成年人的年 齡推斷方法主要是基于骨骼變化以及牙齒磨耗程度，需要醫(yī)師依據(jù)評分標(biāo)準(zhǔn)進(jìn)行肉眼觀察 評估，其準(zhǔn)確度易受醫(yī)師主管因素影響。
[0003] 除了骨骼變化以及牙齒磨耗之外，人體還有很多組織器官也表達(dá)著年齡信息，如 皮膚和毛發(fā)等。皮膚作為人體最大的一個(gè)器官，其發(fā)育老化規(guī)律已經(jīng)被做了大量研究。已有 的醫(yī)學(xué)研究表明：人體上肢皮膚表面紋理結(jié)構(gòu)清晰，是由初級線(20~100μπι深)和初級線的 分叉線(次級線，5~40μπι深)組成的網(wǎng)狀結(jié)構(gòu)。而且隨著年齡的增加，皮膚開始老化，萎縮、 變薄，其在微觀結(jié)構(gòu)上表現(xiàn)為初級線變粗加深，次級線減少或者消失。因此，皮膚的紋理特 性與人體的年齡信息存在一定的相關(guān)性。
[0004] 但近幾年，研究者大多均是借助于皮膚硅膠復(fù)膜手段來進(jìn)行皮膚參數(shù)測量，此類 方法較為復(fù)雜，容易產(chǎn)生誤差。也有學(xué)者通過對手背部皮膚進(jìn)行拍照獲取圖像來研究皮膚 老化，但是該方法中的參數(shù)計(jì)算均是手動(dòng)計(jì)算，較為耗時(shí)費(fèi)力，算法智能性比較差。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明提出一種基于皮膚圖像信息處理的年齡測試方法，主要結(jié)合皮溝和皮嵴特 性，利用計(jì)算機(jī)圖像處理技術(shù)，提取計(jì)算皮膚表面微觀圖像中的紋理形態(tài)特征參數(shù)，然后分 析這些參數(shù)與年齡之間的關(guān)系，最后依據(jù)統(tǒng)計(jì)學(xué)方法推導(dǎo)得出皮膚紋理特征參數(shù)推斷年齡 的數(shù)學(xué)模型，從而實(shí)現(xiàn)醫(yī)學(xué)年齡的無創(chuàng)估計(jì)。
[0006] 為達(dá)到上述目的，本發(fā)明采用以下技術(shù)方案予以實(shí)現(xiàn)：
[0007] -種基于皮膚圖像信息處理的年齡測試方法，其關(guān)鍵在于，包括如下步驟：
[0008] SI:通過數(shù)碼顯微鏡獲取皮膚表面圖像，該數(shù)碼顯微鏡的鏡頭上套接有帶偏振光 鏡的透明基座；
[0009] S2:圖像預(yù)處理，包括灰度變換、紋理增強(qiáng)以及圖像分割處理；
[001 0] S3:皮膚紋理線提取，用于提取皮膚表面紋理線；
[0011] S4:皮膚紋理參數(shù)計(jì)算，所述皮膚紋理參數(shù)是由皮溝的平均寬度、皮嵴的平均面積 以及紋理交點(diǎn)密度三者組合而成；
[0012] S5:將年齡作為因變量，將步驟S4所得的皮膚紋理參數(shù)作為自變量，進(jìn)行多元線性 回歸分析，得到年齡估計(jì)值。
[0013] 作為進(jìn)一步描述，步驟S3的具體步驟為：
[0014] S31:采用形態(tài)學(xué)增強(qiáng)方法將圖像中的亮細(xì)節(jié)提取出來；
[0015] S32:采用均值濾波進(jìn)行濾波處理
[0016] S33:采用大津閾值分割法將預(yù)處理后的皮膚圖像分割為背景和目標(biāo)兩部分；
[0017] S34:對分割后得到的圖像進(jìn)行分水嶺變換，從而可以清晰地獲得皮膚表面紋理 線。
[0018] 再進(jìn)一步描述，步驟S4中的皮溝平均寬度=，其中皮溝的總面積 皮溝總長度 為步驟S3處理后圖像中黑色像素點(diǎn)的總和，通過計(jì)算單像素寬度皮膚紋理圖像中黑色像素 總和即為皮溝的長度。
[0019] 步驟S4中的皮嵴平均面積=，其中，皮嵴的總面積為步驟S3處 皮嵴個(gè)數(shù) 理后圖像中白色像素總，通過統(tǒng)計(jì)單像素寬度皮膚紋理圖像中白色皮嵴塊的個(gè)數(shù)即得皮嵴 個(gè)數(shù)。
[0020] 作為優(yōu)選，步驟S5中：
[0021] 針對女性而言，所采用的多元線性回歸分析模型為：
[0022] Age = 3.256+8.729 PG-0.003 PJ-0.516 JD;
[0023] 針對男性而言，所采用的多元線性回歸分析模型為：
[0024] Age = 33.722+4.664 PG+0.00006427 PJ-0.471 JD；
[0025]其中Age為多元線性回歸分析模型估計(jì)出的年齡值（單位：歲），PG為皮溝平均寬 度，PJ為皮嵴平均面積，JD為紋理交點(diǎn)密度。
[0026]與現(xiàn)有技術(shù)相比，本申請?zhí)峁┑募夹g(shù)方案，具有的技術(shù)效果或優(yōu)點(diǎn)是：
[0027] (1)本方法結(jié)合圖像處理，分別提取了皮溝的平均寬度、皮嵴的平均面積以及紋理 交點(diǎn)密度作為皮膚紋理參數(shù)，通過構(gòu)建線性回歸方程，從而實(shí)現(xiàn)醫(yī)學(xué)年齡無創(chuàng)檢測；
[0028] (2)本方法所使用的檢測裝置無輻射、無損傷、與TW3手腕骨年齡檢測方法相比，檢 測年齡范圍更大；
[0029] (3)由于本方法中的使用設(shè)備簡單而且無創(chuàng)，便于攜帶，所用指標(biāo)受主觀因素影響 小，易于推廣應(yīng)用，可用于法醫(yī)學(xué)年齡檢測以及美容行業(yè)的年齡分析，具有很好的市場應(yīng)用 價(jià)值。
【附圖說明】
[0030] 圖1為皮膚紋理結(jié)構(gòu)采集示意圖；
[0031 ]圖2本發(fā)明所采用的圖像采集裝置的結(jié)構(gòu)示意圖；
[0032]圖3為本發(fā)明的方法流程圖；
[0033]圖4為皮膚表面圖像處理步驟圖；
[0034]圖5為皮膚紋理參數(shù)與年齡之間的變化趨勢圖。
【具體實(shí)施方式】
[0035]為了更好的理解上述技術(shù)方案，下面將結(jié)合說明書附圖以及具體的實(shí)施方式，對 上述技術(shù)方案進(jìn)行詳細(xì)的說明。
[0036]如圖1-圖3所示，一種基于皮膚圖像信息處理的年齡測試方法，包括如下步驟： [0037] SI:通過數(shù)碼顯微鏡獲取皮膚表面圖像，該數(shù)碼顯微鏡的鏡頭上套接有帶偏振光 鏡的透明基座；
[0038]皮膚紋理結(jié)構(gòu)受外界環(huán)境影響大，而且其結(jié)構(gòu)復(fù)雜，不同身體部位呈現(xiàn)不同的特 征，如以面部特征作為年齡檢測已有一定的研究，其缺點(diǎn)也不容忽視，其一是面部易受陽光 照射，皮膚受外界影響大;其二是面部表情豐富，肌肉運(yùn)動(dòng)因個(gè)體差異較大。綜合考慮采集 數(shù)據(jù)容易，受日光照射相對較少，肌肉運(yùn)動(dòng)相對不太頻繁，手臂內(nèi)側(cè)中間部位是皮膚圖像樣 本采集的理想?yún)^(qū)域，如圖1所示。另外，在裸眼下或者普通相機(jī)拍攝下，皮膚紋理結(jié)構(gòu)不夠清 晰，圖像處理困難，參數(shù)數(shù)據(jù)提取不易。因此，本發(fā)明采用一款可清晰采集手臂內(nèi)側(cè)中間部 位皮膚圖像的裝置。
[0039]如圖2所示，采用數(shù)碼顯微鏡進(jìn)行皮膚表面圖像采集，該數(shù)碼顯微鏡配置有帶偏振 光鏡的透明基座。數(shù)碼顯微鏡的主要參數(shù)為：感光芯片1/3.2〃，200萬像素，最大分辨率 1600*1200,數(shù)據(jù)接口USB 2.0,幀速率30fps at 640*480視頻模式 1600*1200,1280*1024， 640*480，320*240，放大倍率10X-30X，200X，理想工作溫度-10~+60°C，帶8顆LED白色光源 的無影燈設(shè)計(jì)，便于照明皮膚中的皮膚紋理的皮溝和皮脊，消除陰影，并能將色彩失真降到 最低程度，亮度穩(wěn)定，LED燈能耗低，長時(shí)間工作時(shí)不會發(fā)熱;透明基座用于固定偏振光鏡， 同時(shí)用于設(shè)置鏡頭與皮膚之間的距離;偏振光鏡采用圓偏光鏡CPL,37mm in diameter，主 要用于消除皮膚表面的強(qiáng)反光，消除光斑或者減輕光斑。
[0040] S2:圖像預(yù)處理，包括灰度變換、紋理增強(qiáng)以及圖像分割處理；
[0041] S3:皮膚紋理線提取，用于提取皮膚表面紋理線，具體為：
[0042] S31:采用形態(tài)學(xué)增強(qiáng)方法將圖像中的亮細(xì)節(jié)提取出來；
[0043] S32:采用均值濾波進(jìn)行濾波處理
[0044] S33:采用大津閾值分割法將預(yù)處理后的皮膚圖像分割為背景和目標(biāo)兩部分；
[0045] S34:對分割后得到的圖像進(jìn)行分水嶺變換，從而可以清晰地獲得皮膚表面紋理 線。
[0046] S4:皮膚紋理參數(shù)計(jì)算，所述皮膚紋理參數(shù)是由皮溝的平均寬度、皮嵴的平均面積 以及紋理交點(diǎn)密度三者組合而成；
[0047] 皮溝平均寬度=其中皮溝的總面積為步驟S3處理后圖像中黑 及:構(gòu)總長度 色像素點(diǎn)的總和，通過計(jì)算單像素寬度皮膚紋理圖像中黑色像素總和即為皮溝的長度；
[0048] 皮嵴平均面積=其中，皮嵴的總面積為步驟S3處理后圖像中 皮嵴個(gè)數(shù) 白色像素總，通過統(tǒng)計(jì)單像素寬度皮膚紋理圖像中白色皮嵴塊的個(gè)數(shù)即得皮嵴個(gè)數(shù)；
[0049] 針對交點(diǎn)密度而言，在機(jī)器視覺下，皮膚紋理交叉點(diǎn)密度隨著年齡發(fā)生改變，所謂 紋理交點(diǎn)密度就是在皮膚紋理圖像中，經(jīng)過圖像分割處理，得到皮溝細(xì)化后的網(wǎng)格線，這些 皮溝網(wǎng)格線交錯(cuò)形成的交叉點(diǎn)在圖像單位面積下的交點(diǎn)個(gè)數(shù)為交點(diǎn)密度。
[0050] 通過圖4可以看出步驟S2-步驟S4的圖像處理的具體過程，在實(shí)施過程中，上述過 程可以通過圖像處理軟件自動(dòng)進(jìn)行，以MTLAB為例，其主要參數(shù)提取的原代碼如下： %%%%%(￡嵴個(gè)數(shù)計(jì)算 Imgs2=b\uiKKi)h(Img, ' 15) :? 去除毛刺 Imgs2=bwar〇a〇r)cn(Imgs2, 5); figure; imshow(Imgs：2)：. ]3=bwc(jiinccm]p('Imgs2, 4) ;%標(biāo)記白色塊聽以取反 miniK3. NumOhjeLts;%numl 為皮嵴個(gè)數(shù) %%%皮嵴平均面積 :rifig_e-ar:ea=.suni (sum. (.bw-filter} );? 皮嵴總面積 mean_area_ridge_area/numl;%皮嵴平均面積-皮嵴面積/皮嵴個(gè)數(shù) ?%皮溝平均寬度 i'urow_ar:ea=.12.0000-ridge_a.re.a; %皮溝總面.積 thin_area=suni(sum(Jmg)) ; %細(xì)化皮溝面積=皮溝長度 ￥1_(]1±=^11>^_31^3八1111：1_31^3;%皮溝平均寬度=皮溝總面積/皮溝長度 %%%%%%%%%交點(diǎn)計(jì)算 Imgs卜bwmorphi.I.mg, ' spur'，5.) 去除毛剌 丄mgs]>bwareaopen(lmgsl5 5) ;%%%%可以修改 figure ; imstew (Imgsl) ; %細(xì)化圖 [H，W]=sizc(lmgsl);%L 高度 W 寬度 %%m求交點(diǎn)程序 BW = zeios(H，W) ; %求交點(diǎn) Cn = z.e:rQs(H,..W)..;% 判斷標(biāo)推. Sn = zeros (H,W) ; %八領(lǐng)域值為1的個(gè)數(shù) P -· zeros (I, 9)
[0051]細(xì) i=酬 for j = 2::W-1 PO) = TmgsHi-I, j-l); P(2) = ImgsUI-l, j); P(3) = Imgsl.(：i-1·：, j+1).; P (4) ^ Iragsl (1,. j+l).; P(5i. = Irngsl (1+1, j+1); P (6) - Iragsl (i+l,j); P(J) = lnigsl{1+1, j-1); P(S) = ; P (9) - P(I); .for ni =. 1:8 Cn(i, j) = Cn(I, j)+abs(F(m+I)-P'(ni}); Sn(i,j) = S.n(i, j)：+P(m) end end end for i ^ i;H for j ~ 1:W; if Inigs.l .(X j) =- I % 若 if ：(Cn(l, j) - 6|. |.Cn(i, j.) - 4) && Sb(1, j) 3' -? if Cn(i, j) == 6. M ..Sn(.i，j) =; .3 BW(i, jM; %交義點(diǎn) else if (Cn (i, j) ~= 6 | Gn.(i,. j) =- S)&&. Sn (;i, j.)二=4 EICi, j)-l; else Bff(i, j)=〇: :%線段上的.點(diǎn)或端點(diǎn) end end end β?ι?
[0052] :%f igure·; i Iiishow(BW); sel二strelC disk'，7) ;%將離得近的交點(diǎn)合并 BD=imdilate(BW, sel) 膨脹 f igure.; im：show(BD);： cc=bwconncomp(BD，4) ;%求出交點(diǎn)個(gè)數(shù) nurtFcc. NumObjec t-s;%num 即為交點(diǎn)個(gè)數(shù)
[0053] S5:將年齡作為因變量，將步驟S4所得的皮膚紋理參數(shù)作為自變量，進(jìn)行多元線性 回歸分析，得到年齡估計(jì)值。
[0054]針對女性而言，所采用的多元線性回歸分析模型為：
[0055] Age = 3.256+8.729 PG-0.003 PJ-0.516 JD;
[0056] 針對男性而言，所采用的多元線性回歸分析模型為：
[0057] Age = 33.722+4.664 PG+0.00006427 PJ-0.471 JD；
[0058]其中Age為多元線性回歸分析模型估計(jì)出的年齡值（單位：歲），PG為皮溝平均寬 度，PJ為皮嵴平均面積，JD為紋理交點(diǎn)密度。
[0059]在研究過程中，先根據(jù)紋理參數(shù)建立的數(shù)據(jù)庫，采用皮爾遜相關(guān)性分析研究紋理 參數(shù)與年齡的相關(guān)性(如表1所示），可以看出無論是男性或者女性，皮溝平均寬度以及皮嵴 平均面積隨年齡增加而增加，存在正相關(guān)關(guān)系，紋理交點(diǎn)密度(單位面積的交點(diǎn)個(gè)數(shù))隨年 齡的增加而減小，存在負(fù)相關(guān)關(guān)系。
[0060] 耒1蟲肽紋理參教與玍齡少_的相羊忡
[0062] 林·在0.01水平(雙側(cè))上顯著相關(guān)。
[0063]進(jìn)一步通過皮膚紋理參數(shù)與年齡之間的變化趨勢圖觀察分析，如圖5所示，其中 (a)女性皮溝平均寬度；（b)男性皮溝平均寬度；（c)女性皮嵴平均面積；（d)男性皮嵴平均面 積；（c)女性交點(diǎn)個(gè)數(shù)；（d)男性交點(diǎn)個(gè)數(shù)），可以看出單個(gè)參數(shù)下皮溝的平均寬度、皮脊的平 均面積、紋理交點(diǎn)密度(單位面積的交點(diǎn)個(gè)數(shù))隨年齡變化趨勢明顯，此變化趨勢是數(shù)據(jù)庫 中所采集的參數(shù)是人體皮膚發(fā)育受內(nèi)外因素共同疊加影響的結(jié)果，因此，建立這樣的假設(shè)： 理想狀態(tài)下，剔除外在因素的影響，皮膚自身發(fā)育的這些參數(shù)與年齡存在規(guī)律性，本研究的 目的就是通過皮溝的平均寬度、皮脊的平均面積、紋理交點(diǎn)密度獲取到人的年齡信息，所以 在采集皮膚樣本時(shí)，盡量減少皮膚受外在因素影響的部位，如手臂內(nèi)側(cè)、胸部等受陽光照射 小、肌肉運(yùn)動(dòng)不頻繁的部位?？紤]到大樣本的采集，手臂內(nèi)側(cè)采集更容易，不影響志愿者的 隱私，因此選擇了手臂內(nèi)側(cè)作為皮膚年齡研究部位。
[0064]通過相關(guān)性分析證實(shí)皮溝平均寬度、皮嵴平均面積以及交點(diǎn)個(gè)數(shù)這三個(gè)特征參數(shù) (自變量)與年齡(因變量)之間存在聯(lián)系，接下來用多元回歸分析來建立皮膚紋理特征參數(shù) 與年齡之間的回歸模型。結(jié)果如表2所示，不論男性女性，顯著性概率都為0.000,表明回歸 模型顯著，回歸方程有統(tǒng)計(jì)學(xué)意義。
[0065] 表2模型估計(jì) L〇〇67」綜上所述，本申請的上述實(shí)施例中，
通過對135例志愿者的手臂內(nèi)側(cè)皮膚圖像進(jìn)行 分析，發(fā)現(xiàn)本研究所提取的多個(gè)皮膚紋理形態(tài)特征參數(shù)均與年齡有較高的相關(guān)性。隨著采 集的皮膚樣本和檢測數(shù)量的增加，該年齡檢測模型會被逐漸修正，其精度會得到進(jìn)一步的 提尚。
[0068]最后應(yīng)當(dāng)指出的是，上述說明并非是對本發(fā)明的限制，本發(fā)明也并不僅限于上述 舉例，本技術(shù)領(lǐng)域的普通技術(shù)人員在本發(fā)明的實(shí)質(zhì)范圍內(nèi)所做出的變化、改性、添加或替 換，也應(yīng)屬于本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種基于皮膚圖像信息處理的年齡測試方法，其特征在于，包括如下步驟： S1:通過數(shù)碼顯微鏡獲取皮膚表面圖像，該數(shù)碼顯微鏡的鏡頭上套接有帶偏振光鏡的 透明基座； S2:圖像預(yù)處理，包括灰度變換、紋理增強(qiáng)W及圖像分割處理； S3:皮膚紋理線提取，用于提取皮膚表面紋理線； S4:皮膚紋理參數(shù)計(jì)算，所述皮膚紋理參數(shù)是由皮溝的平均寬度、皮崎的平均面積W及 紋理交點(diǎn)密度Ξ者組合而成； S5:將年齡作為因變量，將步驟S4所得的皮膚紋理參數(shù)作為自變量，進(jìn)行多元線性回歸 分析，得到年齡估計(jì)值。2. 根據(jù)權(quán)利要求1所述的基于皮膚圖像信息處理的年齡測試方法，其特征在于，步驟S3 的具體步驟為： S31:采用形態(tài)學(xué)增強(qiáng)方法將圖像中的亮細(xì)節(jié)提取出來； S32:采用均值濾波進(jìn)行濾波處理 S33:采用大津闊值分割法將預(yù)處理后的皮膚圖像分割為背景和目標(biāo)兩部分； S34:對分割后得到的圖像進(jìn)行分水嶺變換，從而可W清晰地獲得皮膚表面紋理線。3. 根據(jù)權(quán)利要求1或2所述的基于皮膚圖像信息處理的年齡測試方法，其特征在于，步其中皮溝的總面積為步驟S3處理后圖像中黑 色像素點(diǎn)的總和，通過計(jì)算單像素寬度皮膚紋理圖像中黑色像素總和即為皮溝的長度。4. 根據(jù)權(quán)利要求3所述的基于皮膚圖像信息處理的年齡測試方法，其特征在于，步驟S4 中的，其中，皮崎的總面積為步驟S3處理后圖像中白色 像素總，通過統(tǒng)計(jì)單像素寬度皮膚紋理圖像中白色皮崎塊的個(gè)數(shù)即得皮崎個(gè)數(shù)。5. 根據(jù)權(quán)利要求4所述的基于皮膚圖像信息處理的年齡測試方法，其特征在于，步驟S5 中： 針對女性而言，所采用的多元線性回歸分析模型為： Age = 3.256+8.729PG-0.003PJ-0.516JD; 針對男性而言，所采用的多元線性回歸分析模型為： Age = 33.722+4.664PG+0.00006427PJ-0.471JD； 其中Age為多元線性回歸分析模型估計(jì)出的年齡值(單位：歲），PG為皮溝平均寬度，PJ 為皮崎平均面積，JD為紋理交點(diǎn)密度。
【文檔編號】G06K9/00GK105844236SQ201610164827
【公開日】2016年8月10日
【申請日】2016年3月22日
【發(fā)明人】賀向前, 薛錦霞, 江正, 李玲玉
【申請人】重慶醫(yī)科大學(xué)