基于皮膚圖像信息處理的年齡測試方法
【專利摘要】本發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，嘗試為醫學工作者提供一種新的簡便無創的年齡推斷方法。首先無創采集前臂腹側中段部位皮膚圖像，然后對采集的皮膚圖像進行預處理以及特征提取，得到了皮溝和皮嵴的相關參數，并運用統計學方法分析這些參數與年齡的相關性，得出推斷年齡的數學模型。統計結果表明，本方法中的皮膚紋理參數均與年齡有較高的線性相關性，將統計分析得到的年齡推斷模型進行測試，能夠得到較高的準確率，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，有望用于醫學年齡的客觀推斷。
【專利說明】
基于皮膚圖像信息處理的年齡測試方法
技術領域
[0001] 本發明涉及生命科學技術領域，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】
[0002] 年齡是一種具有生物學基礎的自然標志。對個體的年齡推斷是醫學研究和刑事偵 察中經常遇到的一項工作，包括對移民、無名氏、運動員和嫌犯等進行年齡推斷，從而為醫 學研究、偵查和處理民事案件等提供可靠線索和科學證據。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，需要醫師依據評分標準進行肉眼觀察 評估，其準確度易受醫師主管因素影響。
[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著年齡信息，如 皮膚和毛發等。皮膚作為人體最大的一個器官，其發育老化規律已經被做了大量研究。已有 的醫學研究表明：人體上肢皮膚表面紋理結構清晰，是由初級線(20~100μπι深)和初級線的 分叉線(次級線，5~40μπι深)組成的網狀結構。而且隨著年齡的增加，皮膚開始老化，萎縮、 變薄，其在微觀結構上表現為初級線變粗加深，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性。
[0004] 但近幾年，研究者大多均是借助于皮膚硅膠復膜手段來進行皮膚參數測量，此類 方法較為復雜，容易產生誤差。也有學者通過對手背部皮膚進行拍照獲取圖像來研究皮膚 老化，但是該方法中的參數計算均是手動計算，較為耗時費力，算法智能性比較差。
【發明內容】
[0005] 本發明提出一種基于皮膚圖像信息處理的年齡測試方法，主要結合皮溝和皮嵴特 性，利用計算機圖像處理技術，提取計算皮膚表面微觀圖像中的紋理形態特征參數，然后分 析這些參數與年齡之間的關系，最后依據統計學方法推導得出皮膚紋理特征參數推斷年齡 的數學模型，從而實現醫學年齡的無創估計。
[0006] 為達到上述目的，本發明采用以下技術方案予以實現：
[0007] -種基于皮膚圖像信息處理的年齡測試方法，其關鍵在于，包括如下步驟：
[0008] SI:通過數碼顯微鏡獲取皮膚表面圖像，該數碼顯微鏡的鏡頭上套接有帶偏振光 鏡的透明基座；
[0009] S2:圖像預處理，包括灰度變換、紋理增強以及圖像分割處理；
[001 0] S3:皮膚紋理線提取，用于提取皮膚表面紋理線；
[0011] S4:皮膚紋理參數計算，所述皮膚紋理參數是由皮溝的平均寬度、皮嵴的平均面積 以及紋理交點密度三者組合而成；
[0012] S5:將年齡作為因變量，將步驟S4所得的皮膚紋理參數作為自變量，進行多元線性 回歸分析，得到年齡估計值。
[0013] 作為進一步描述，步驟S3的具體步驟為：
[0014] S31:采用形態學增強方法將圖像中的亮細節提取出來；
[0015] S32:采用均值濾波進行濾波處理
[0016] S33:采用大津閾值分割法將預處理后的皮膚圖像分割為背景和目標兩部分；
[0017] S34:對分割后得到的圖像進行分水嶺變換，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的總和，通過計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 皮嵴個數 理后圖像中白色像素總，通過統計單像素寬度皮膚紋理圖像中白色皮嵴塊的個數即得皮嵴 個數。
[0020] 作為優選，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為紋理交點密度。
[0026]與現有技術相比，本申請提供的技術方案，具有的技術效果或優點是：
[0027] (1)本方法結合圖像處理，分別提取了皮溝的平均寬度、皮嵴的平均面積以及紋理 交點密度作為皮膚紋理參數，通過構建線性回歸方程，從而實現醫學年齡無創檢測；
[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備簡單而且無創，便于攜帶，所用指標受主觀因素影響 小，易于推廣應用，可用于法醫學年齡檢測以及美容行業的年齡分析，具有很好的市場應用 價值。
【附圖說明】
[0030] 圖1為皮膚紋理結構采集示意圖；
[0031 ]圖2本發明所采用的圖像采集裝置的結構示意圖；
[0032]圖3為本發明的方法流程圖；
[0033]圖4為皮膚表面圖像處理步驟圖；
[0034]圖5為皮膚紋理參數與年齡之間的變化趨勢圖。
【具體實施方式】
[0035]為了更好的理解上述技術方案，下面將結合說明書附圖以及具體的實施方式，對 上述技術方案進行詳細的說明。
[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:通過數碼顯微鏡獲取皮膚表面圖像，該數碼顯微鏡的鏡頭上套接有帶偏振光 鏡的透明基座；
[0038]皮膚紋理結構受外界環境影響大，而且其結構復雜，不同身體部位呈現不同的特 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，肌肉運動因個體差異較大。綜合考慮采集 數據容易，受日光照射相對較少，肌肉運動相對不太頻繁，手臂內側中間部位是皮膚圖像樣 本采集的理想區域，如圖1所示。另外，在裸眼下或者普通相機拍攝下，皮膚紋理結構不夠清 晰，圖像處理困難，參數數據提取不易。因此，本發明采用一款可清晰采集手臂內側中間部 位皮膚圖像的裝置。
[0039]如圖2所示，采用數碼顯微鏡進行皮膚表面圖像采集，該數碼顯微鏡配置有帶偏振 光鏡的透明基座。數碼顯微鏡的主要參數為：感光芯片1/3.2〃，200萬像素，最大分辨率 1600*1200,數據接口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 的無影燈設計，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，亮度穩定，LED燈能耗低，長時間工作時不會發熱;透明基座用于固定偏振光鏡， 同時用于設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反光，消除光斑或者減輕光斑。
[0040] S2:圖像預處理，包括灰度變換、紋理增強以及圖像分割處理；
[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:采用形態學增強方法將圖像中的亮細節提取出來；
[0043] S32:采用均值濾波進行濾波處理
[0044] S33:采用大津閾值分割法將預處理后的皮膚圖像分割為背景和目標兩部分；
[0045] S34:對分割后得到的圖像進行分水嶺變換，從而可以清晰地獲得皮膚表面紋理 線。
[0046] S4:皮膚紋理參數計算，所述皮膚紋理參數是由皮溝的平均寬度、皮嵴的平均面積 以及紋理交點密度三者組合而成；
[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:構總長度 色像素點的總和，通過計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 皮嵴個數 白色像素總，通過統計單像素寬度皮膚紋理圖像中白色皮嵴塊的個數即得皮嵴個數；
[0049] 針對交點密度而言，在機器視覺下，皮膚紋理交叉點密度隨著年齡發生改變，所謂 紋理交點密度就是在皮膚紋理圖像中，經過圖像分割處理，得到皮溝細化后的網格線，這些 皮溝網格線交錯形成的交叉點在圖像單位面積下的交點個數為交點密度。
[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，在實施過程中，上述過 程可以通過圖像處理軟件自動進行，以MTLAB為例，其主要參數提取的原代碼如下： %%%%%(￡嵴個數計算 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) ;%標記白色塊聽以取反 miniK3. NumOhjeLts;%numl 為皮嵴個數 %%%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/皮嵴個數 ?%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 %%%%%%%%%交點計算 Imgs卜bwmorphi.I.mg, ' spur'，5.) 去除毛剌 丄mgs]>bwareaopen(lmgsl5 5) ;%%%%可以修改 figure ; imstew (Imgsl) ; %細化圖 [H，W]=sizc(lmgsl);%L 高度 W 寬度 %%m求交點程序 BW = zeios(H，W) ; %求交點 Cn = z.e:rQs(H,..W)..;% 判斷標推. Sn = zeros (H,W) ; %八領域值為1的個數 P -· zeros (I, 9)
[0051]細 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 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.點或端點 end end end β?ι?
[0052] :%f igure·; i Iiishow(BW); sel二strelC disk'，7) ;%將離得近的交點合并 BD=imdilate(BW, sel) 膨脹 f igure.; im：show(BD);： cc=bwconncomp(BD，4) ;%求出交點個數 nurtFcc. NumObjec t-s;%num 即為交點個數
[0053] S5:將年齡作為因變量，將步驟S4所得的皮膚紋理參數作為自變量，進行多元線性 回歸分析，得到年齡估計值。
[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為紋理交點密度。
[0059]在研究過程中，先根據紋理參數建立的數據庫，采用皮爾遜相關性分析研究紋理 參數與年齡的相關性(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，存在正相關關系，紋理交點密度(單位面積的交點個數)隨年 齡的增加而減小，存在負相關關系。
[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)上顯著相關。
[0063]進一步通過皮膚紋理參數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)女性交點個數；（d)男性交點個數），可以看出單個參數下皮溝的平均寬度、皮脊的平 均面積、紋理交點密度(單位面積的交點個數)隨年齡變化趨勢明顯，此變化趨勢是數據庫 中所采集的參數是人體皮膚發育受內外因素共同疊加影響的結果，因此，建立這樣的假設： 理想狀態下，剔除外在因素的影響，皮膚自身發育的這些參數與年齡存在規律性，本研究的 目的就是通過皮溝的平均寬度、皮脊的平均面積、紋理交點密度獲取到人的年齡信息，所以 在采集皮膚樣本時，盡量減少皮膚受外在因素影響的部位，如手臂內側、胸部等受陽光照射 小、肌肉運動不頻繁的部位。考慮到大樣本的采集，手臂內側采集更容易，不影響志愿者的 隱私，因此選擇了手臂內側作為皮膚年齡研究部位。
[0064]通過相關性分析證實皮溝平均寬度、皮嵴平均面積以及交點個數這三個特征參數 (自變量)與年齡(因變量)之間存在聯系，接下來用多元回歸分析來建立皮膚紋理特征參數 與年齡之間的回歸模型。結果如表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，回歸方程有統計學意義。
[0065] 表2模型估計 L〇〇67」綜上所述，本申請的上述實施例中，
通過對135例志愿者的手臂內側皮膚圖像進行 分析，發現本研究所提取的多個皮膚紋理形態特征參數均與年齡有較高的相關性。隨著采 集的皮膚樣本和檢測數量的增加，該年齡檢測模型會被逐漸修正，其精度會得到進一步的 提尚。
[0068]最后應當指出的是，上述說明并非是對本發明的限制，本發明也并不僅限于上述 舉例，本技術領域的普通技術人員在本發明的實質范圍內所做出的變化、改性、添加或替 換，也應屬于本發明的保護范圍。
【主權項】
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:通過數碼顯微鏡獲取皮膚表面圖像，該數碼顯微鏡的鏡頭上套接有帶偏振光鏡的 透明基座； S2:圖像預處理，包括灰度變換、紋理增強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:皮膚紋理參數計算，所述皮膚紋理參數是由皮溝的平均寬度、皮崎的平均面積W及 紋理交點密度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作為自變量，進行多元線性回歸 分析，得到年齡估計值。2. 根據權利要求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:采用形態學增強方法將圖像中的亮細節提取出來； S32:采用均值濾波進行濾波處理 S33:采用大津闊值分割法將預處理后的皮膚圖像分割為背景和目標兩部分； S34:對分割后得到的圖像進行分水嶺變換，從而可W清晰地獲得皮膚表面紋理線。3. 根據權利要求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 色像素點的總和，通過計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. 根據權利要求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，通過統計單像素寬度皮膚紋理圖像中白色皮崎塊的個數即得皮崎個數。5. 根據權利要求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
【發明人】賀向前, 薛錦霞, 江正, 李玲玉
【申請人】重慶醫科大學