[发明专利]一种基于肤色检测的烧伤患者人像分割方法

说明书

本发明涉及一种基于肤色检测的烧伤患者人像分割方法。采用deeplab模型对烧伤患者进行人像分割，若发现人像分割后人像占整个图像的面积小于阈值，则判定分割效果不佳，改用高斯滤波对原图进行肤色检测，用闭运算去处人像中出现的小面积缺失点，之后用opencv进行轮廓提取，找出大面积的闭合缺失块，并进行肤色填充，得到较为完整的人像及类肤色的部分，再对较为完整的人像及类肤色的部分采用deeplab模型进行人像分割，去掉非人像部分，若得出人像分割面积占整个图像面积小于阈值，则直接将肤色检测处理后的较为完整的人像及类肤色的部分图像作为人像分割结果。本发明能够从复杂环境中准确识别出人像部分。

技术领域

本发明属于医疗图像分割领域，具体涉及一种基于肤色检测的烧伤患者人像分割方法。

背景技术

现有的人像分割技术：

如一种人像分割的方法及装置（201910568826.0）、生成人像分割模型的方法和视频关键帧提取方法（201910055748.4）、人像分割方法及装置（201811333344.9）等形成的人像分割模型仅对正常人像的分割效果较好，对烧伤患者的分割效果不佳。烧伤患者与正常人相比，肤色会有所变化，且多伴随伤口及纱布等干扰，使现有模型难以直接从复杂环境中准确识别出人像部分。

发明内容

本发明的目的在于提供一种基于肤色检测的烧伤患者人像分割方法，能够从复杂环境中准确识别出人像部分。

为实现上述目的，本发明的技术方案是：一种基于肤色检测的烧伤患者人像分割方法，采用deeplab模型对烧伤患者进行人像分割，若发现人像分割后人像占整个图像的面积小于阈值，则判定分割效果不佳，改用高斯滤波对原图进行肤色检测，用闭运算去处人像中出现的小面积缺失点，之后用opencv进行轮廓提取，找出大面积的闭合缺失块，并进行肤色填充，得到较为完整的人像及类肤色的部分，再对较为完整的人像及类肤色的部分采用deeplab模型进行人像分割，去掉非人像部分，得出人像分割结果。

在本发明一实施例中，若经肤色检测处理后得到较为完整的人像及类肤色的部分，而对肤色处理后的图像再采用deeplab模型进行人像分割而得出人像分割面积占整个图像面积小于阈值，则直接将肤色检测处理后的较为完整的人像及类肤色的部分图像作为人像分割结果。

在本发明一实施例中，所述阈值为人为设定的分割面积占整个图像面积的百分比值，本实施例中，阈值为10%。

相较于现有技术，本发明具有以下有益效果：本发明能够从复杂环境中的图像中准确识别出人像部分，具体的本发明是针对烧伤患者的人像分割，通过对患者图像的肤色检测及缺失处理，分离了人像及类肤色部分，提升了对烧伤患者图像的分割效果。

附图说明

图1为本发明方法流程图。

图2为本发明实验结果图。

具体实施方式

下面结合附图，对本发明的技术方案进行具体说明。

如图1所示，本发明一种基于肤色检测的烧伤患者人像分割方法，先用deeplab模型对烧伤患者进行人像分割。如果发现人像分割后人像占整个图像的面积过小，则判定分割效果不佳，改用高斯滤波对原图进行肤色检测，用闭运算去处人像中出现的小面积缺失点，之后用opencv进行轮廓提取，找出大面积的闭合缺失块（多为绷带和伤口造成），进行肤色填充，得到较为完整的人像及类肤色的部分，再对此部分用deeplab进行人像分割，去掉非人像部分，如果分割后的面积占整个图像过小，则直接把肤色检测处理后的图像作为人像分割结果。

如图2所示为实验结果图，从左往右依次为原图，deeplab分割图，经肤色检测处理后的deeplab分割图。

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。