[发明专利]基于深度学习和自适应阈值法的鼻翼黑头图像检测方法

权利要求书

1.一种基于深度学习和自适应阈值法的鼻翼黑头图像检测方法，其特征在于，该方法包括如下步骤：

S1.收集人脸五官分割数据集，训练CNN级联网络并保存网络参数；

S2.调用训练好的CNN级联网络进行五官分割，将人脸图像中的鼻部图像提取出来；

S3.将鼻部图像提取蓝色单通道，去除边缘、光线和阴影的影响，去除鼻孔部分；

S4.用自适应阈值法提取黑头；

S5.利用tkinter库制作交互界面。

2.根据权利要求1所述的于深度学习和自适应阈值法的鼻翼黑头图像检测方法，其特征在于，步骤S1中所述CNN级联网络利用交叉熵损失函数进行面部标志的检测，将检测到的68个定位点，编码成68个单独的通道，通道在其对应的面部标志位置有一个二维高斯分布，把这68个通道堆积在一起，和原始图像一起传送给区域分割网络；

所述训练CNN级联网络是将标志编码成位于提供的面部标志位置的二维高斯分布，每一个面部标志分配其单独的通道来阻止与其他面部标志的重合，所述交叉熵损失函数中，n是标注数据的标签，该标注数据的高斯分布和预测的高斯分布具有相同维度：N*W*H，N为通道数，W为宽，H为高，定义的交叉熵损失函数为：

面部区域分割网络，利用softmax损失函数作为最后的损失函数：

其中M是输出的个数。

3.根据权利要求1所述的于深度学习和自适应阈值法的鼻翼黑头图像检测方法，其特征在于，步骤S4中所述用自适应阈值法提取黑头的具体方法是：

设阈值为T，将图像分割成目标图像C₁和背景图像C₂两部分，遍历整个灰度区间，确定合适的阈值T，使得C₁、C₂两部分之间的灰度值方差差异最大；

对于给定的图像I(x，y)，设分割目标图像和背景图像的阈值为T，属于目标图像的像素点数占整幅图像的比例为ω₀，其平均灰度为μ₀；属于背景图像的像素点占整幅图像的比例为ω₁，其平均灰度为μ₁；图像总平均灰度为μ，类间方差为g；图像I(x，y)的大小为M×N，图像中灰度值小于阈值T的像素个数记作N₀，灰度值大于阈值T的像素个数记作N₁，则有：

N₀+N₁＝M×N

ω₀+ω₁＝1

μ＝ω₀μ₀+ω₁μ₁

g＝ω₀(μ₀-μ)²+ω₁(μ₀-μ)²从而得到：

g＝ω₀ω₁(μ₀-μ₁)²

通过遍历整个区间来得到使类间方差最大的分割阈值。