[发明专利]一种基于Gabor特征的皮肤纹理检测方法及装置

摘要

本发明适用于图像处理技术领域，提供了一种基于Gabor特征的皮肤纹理检测方法及装置，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；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。通过本发明可快速、准确的检测出具有皮肤纹理特征的图像。

主权项

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(xi,yi),i＝1,...,N，其中xi∈R,yi∈‑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wi＝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wi的训练样本训练分类器fm(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