[发明专利]一种基于Gabor特征的皮肤纹理检测方法及装置

权利要求书

1.一种基于Gabor特征的皮肤纹理检测方法，其特征在于，所述方法包括：

将待检测图像划分成多个图像块；

将每一个图像块的每一个色彩通道与预先建立的Gabor滤波器组依次在空域做卷积，获得k*s*r个与该图像块尺寸大小相同的矩阵，其中k为所述Gabor滤波器组的方向的个数，s为所述Gabor滤波器组的尺度的个数，r为所述色彩通道的个数,k、s、r为大于零的整数；

计算每一个所述矩阵的均值和方差，并将所述均值和方差作为特征值，获得k*s*r*2个特征值；

将所述k*s*r*2个特征值作为该图像块的特征向量，并将所述特征向量通过预先建立的分类器进行检测，以确定该图像块是否具有皮肤纹理特征；

所述建立分类器包括：

采集多个训练图像,所述训练图像包含皮肤纹理特征；

将所述训练图像划分成多个图像块；

获取每个图像块的特征向量,所述特征向量包含多个特征值；

根据所述特征值,采用高斯混合模型对所述图像块进行聚类,获得训练样本,并将所述训练样本标记为皮肤和非皮肤两类；

将所述标记过的训练样本通过Adboost算法进行训练，生成分类器；

将所述标记过的训练样本通过Adboost算法进行训练，生成分类器包括：

步骤1：获取标记过的训练样本(x_i,y_i),i＝1,...,N，其中x_i∈R,y_i∈-1,+1，R表示训练样本，-1,+1表示皮肤和非皮肤两类,N表示训练样本的个数；

步骤2：设定每个训练样本的初始权值w_i＝1/N,i＝1,...,N：

步骤3：循环执行以下步骤a、b、c、d，m＝1,...,M，M表示分类器的个数；

步骤a.使用权值为w_i的训练样本训练分类器f_m(x)∈-1,+1；

步骤b.计算所述训练样本和所述分类器的当前错误率若err_m为0，则令err_m＝2^-52，并根据所述错误率err_m修改所述分类器的权值c_m＝log((1-err_m)/err_m)；

步骤c.根据所述分类器的权值c_m重新设置训练样本的权值并将重新设置的权值w_i进行归一化处理，使得

步骤d.利用已有m个分类器计算总体错误率，若总体错误率为0，则结束操作；否则，返回步骤a循环执行，并在总体错误率不为0时循环执行M次结束操作；

步骤4：获得最终的分类器

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

显示所述待检测图像中具有皮肤纹理特征的图像块。

3.如权利要求1所述的方法，其特征在于，所述高斯混合模型为：

p(z)＝a₁g(z；μ₁,∑₁)+a₂g(z；μ₂,∑₂)

其中，g(z；μ₁,∑₁)和g(z；μ₂,∑₂)表示高斯模型的概率密度函数，z表示所述特征值，a₁、a₂分别表示所述概率密度函数的系数，其中a₁+a₂＝1，μ₁、μ₂分别表示所述概率密度函数的中心点，∑₁、∑₂分别表示所述概率密度函数的共变异矩阵，表示方差，I表示单位矩阵，j＝1,2。