[发明专利]基于皮肤纹理信息的无创年龄估计方法

摘要

本发明提供一种基于皮肤纹理信息的无创年龄估计方法，通过挖掘皮肤表面随年龄变化的纹理信息，尝试为医学工作者提供一种新的简便无创的年龄推断方法。首先无创采集前臂腹侧中段部位皮肤图像，然后对采集的皮肤图像进行预处理以及特征提取，得到了皮肤纹理线以及灰度共生矩阵，最后计算其相应的特征参数，并运用统计学方法分析这些参数与年龄的相关性，得出推断年龄的数学模型。统计结果表明，本方法中的皮肤纹理参数均与年龄有较高的线性相关性，将统计分析得到的年龄推断模型测试于15例志愿者，所得年龄推断误差均在3岁以内，证明了本文方法推断年龄的有效性，并且由于其所需成本低，有望用于医学年龄的客观推断。

主权项

1.一种基于皮肤纹理信息的无创年龄估计方法，其特征在于，包括如下步骤：S1：获取皮肤表面图像；S2：图像预处理，包括转换图像位数以及直方图均衡化处理；对采集到的图像样本进行筛选，去除模糊的、采集部位不正确的图片；然后，对图像裁剪保留图像中心部位，以便于获取清晰的皮肤纹理图像，并且将其转换为灰度图像，提高计算机图像处理速度；最后，进行对比度自适应直方图均衡化处理，将超过限制条件的像素点在直方图内进行重整，从而消除图像样本中的亮度分布不均情况；S3：皮肤纹理线提取，用于提取皮肤表面纹理线；步骤S3的具体步骤为：S31：采用形态学增强方法将图像中的亮细节提取出来；S32：采用均值滤波进行滤波处理；S33：采用大津阈值分割法将预处理后的皮肤图像分割为背景和目标两部分；S34：对分割后得到的图像进行分水岭变换，从而可以清晰地获得皮肤表面纹理线；S4：皮肤纹理参数计算，包括灰度共生矩阵、网格数以及网格平均面积；步骤S4中的灰度共生矩阵选择了10pixels的步距，且计算0°、45°、90°和135°四个方向的灰度相关性来作为皮肤纹理的空间灰度特性的定量描述，采用MATLAB软件自带的区域标记函数bwconncomp对纹理线中封闭连通的区域进行区域标记，并得到所标记的区域个数，即网格数；然后，再运用regionprops函数统计各个被标记区域的面积分布，计算其面积平均值，即得到另一个反映纹理二维结构特征的网格参数——网格平均面积，其计算公式见方程为：其中S_i为第i个被标记区域的面积值；S5：将年龄作为因变量，将步骤S4所得的皮肤纹理参数作为自变量，进行多元线性回归分析，得到年龄估计值；步骤S5中：针对女性而言，所采用的多元线性回归分析模型为：Age＝0.014MAG+48.52Cor‑3.084；针对男性而言，所采用的多元线性回归分析模型为：Age＝65.333+58.497Cor‑0.506NG；其中Age为多元线性回归分析模型估计出的年龄值(单位：岁)，MAG为网格平均面积，Cor为灰度共生矩阵中0度方向的灰度相关性，NG为网格数。