中醫(yī)望診中新型嘴唇分割算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計(jì)算機(jī)數(shù)字圖像處理技術(shù)領(lǐng)域，具體涉及一種中醫(yī)望診中新型嘴唇分 割算法。
【背景技術(shù)】
[0002] 在中醫(yī)診斷中，嘴唇診斷是一個(gè)重要的診斷方法，可用來(lái)反應(yīng)人身體器官的健康 狀況。根據(jù)中醫(yī)望診理論，一個(gè)人嘴唇的顏色可作為一種癥狀或體征來(lái)診斷他的脾臟或胃 是否健康。嘴唇分割的越準(zhǔn)確，診斷結(jié)果就越可靠。在中國(guó)很長(zhǎng)一段時(shí)間，嘴唇分析是通過(guò) 經(jīng)驗(yàn)豐富的醫(yī)生用裸眼來(lái)進(jìn)行，這種方法是低效的尤其在處理大量嘴唇圖像的時(shí)候。因此， 設(shè)計(jì)一個(gè)從臉部圖像中自動(dòng)準(zhǔn)確的分割出嘴唇是非常必要的。而且，嘴唇檢測(cè)在許多應(yīng)用 中是十分重要的，例如，唇讀系統(tǒng)，人臉檢測(cè)，語(yǔ)言識(shí)別和說(shuō)話人身份鑒證等。
[0003] 嘴唇顏色能夠分類為深紅，紫紅色，紅色，蒼白色等。設(shè)計(jì)一個(gè)嘴唇分割方法使它 能適用于不同的嘴唇是意義深遠(yuǎn)的。由于嘴唇區(qū)域和非嘴唇區(qū)域有相對(duì)較弱的顏色對(duì)比， 因此準(zhǔn)確的嘴唇分割一直是一個(gè)挑戰(zhàn)性的難題。尤其當(dāng)嘴唇與非嘴唇有相似的顏色時(shí)，準(zhǔn) 確的嘴唇分割變得異常困難。
[0004] 對(duì)于嘴唇分析，魯棒的和準(zhǔn)確的嘴唇分割是至關(guān)重要的。然而，在面對(duì)嘴唇圖像含 有胡子胡須時(shí)，現(xiàn)有的大多數(shù)技術(shù)表現(xiàn)的非常差。由于含有胡子胡須，背景區(qū)域變得復(fù)雜的 和不純的。
[0005] 到目前為止，許多研宄者已經(jīng)提出了許多種嘴唇分割的方法。早期的直接在彩色 或灰度空間上的分割，通過(guò)顏色空間變換增大嘴唇區(qū)域與周圍非嘴唇區(qū)域的對(duì)比度，使用 全局或局部閾值來(lái)直接獲取嘴唇圖像，此方法雖然速度快，但是適應(yīng)性差，不能適應(yīng)多樣的 嘴唇圖像和復(fù)雜的背景。另外一些經(jīng)典的基于模型的方法，例如幾何模型，活動(dòng)輪廓模型 (即snakes)，聚類算法(如模糊C均值)，水平集，單高斯模型等，雖然有很好地魯棒性，但是 仍難以很好的適應(yīng)多樣的嘴唇圖像和復(fù)雜的背景，尤其當(dāng)嘴唇區(qū)域與非嘴唇區(qū)域有相似的 顏色時(shí)，難以準(zhǔn)確的分割出嘴唇。
[0006] 為了解決這些問(wèn)題，本發(fā)明提出了一種中醫(yī)望診中新型嘴唇分割算法，具體采用 基于三維混合高斯膚色模型的方法來(lái)解決嘴唇自動(dòng)準(zhǔn)確分割的問(wèn)題?；旌细咚鼓Ｐ?，即 GMM，在圖像分割領(lǐng)域已經(jīng)得到了廣泛的應(yīng)用，例如SnapCut, Soft Scissors等，它采用概率 模型的方法來(lái)精確的分割目標(biāo)。本發(fā)明采用基于膚色的混合高斯模型實(shí)現(xiàn)了嘴唇自動(dòng)準(zhǔn)確 的分割。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于克服以上技術(shù)中的缺陷，提供一種魯棒的、準(zhǔn)確的、適應(yīng)性強(qiáng)的 中醫(yī)望診中新型嘴唇分割算法。
[0008] 本發(fā)明提出的中醫(yī)望診中新型嘴唇分割算法，是基于三維混合高斯膚色模型的嘴 唇分割的方法，它是一種概率模型的分割方法。在多樣的嘴唇圖像和復(fù)雜的背景下，該方法 能自適應(yīng)的準(zhǔn)確的分割出嘴唇。即使在嘴唇顏色與周圍皮膚顏色相似的情況下，該方法也 能達(dá)到很好的分割效果。
[0009] 本發(fā)明提出的中醫(yī)望診中新型嘴唇分割算法，是一種基于三維混合高斯膚色模型 的嘴唇分割的方法，其具體步驟如下： (1) 、建立臉部膚色混合高斯模型； (2) 、根據(jù)臉部膚色混合高斯模型去除非嘴唇像素，獲得粗嘴唇； (3 )、粗嘴唇優(yōu)化處理，獲得最終嘴唇輪廓。
[0010] 上述步驟（1)所述的建立臉部膚色混合高斯模型，其具體步驟如下： (11 )、輸入含人臉的原始圖像，采用Haar分類器進(jìn)行人臉檢測(cè)，獲得圖像 J; (12) 、獲取圖像/上半臉皮膚圖像，確保中不包含嘴唇，對(duì)Jfqp簡(jiǎn)單去除一些 非臉背景區(qū)域的干擾； (13) 、以為訓(xùn)練數(shù)據(jù)建立膚色混合高斯模型：在顏色空間上，以像素 I pijreJ E a。?)1 j"為訓(xùn)練數(shù)據(jù)，為人臉圖像J建立膚色 混合高斯模型，并且該混合高斯模型的分量個(gè)數(shù)為3 ; 上述步驟（2)所述的根據(jù)臉部膚色混合高斯模型去除非嘴唇像素，獲得粗嘴唇，其具體 步驟如下： (21) 、利用膚色混合高斯模型求出下半臉的膚色概率圖：在iali顏色空間上，對(duì)于下半 部分臉中每個(gè)像素 j = 采用訓(xùn)練好的膚色混合高斯模型求出它的膚色 概率值Pflfaan 具體計(jì)算公式如下：
【主權(quán)項(xiàng)】
1. 一種中醫(yī)望診中新型嘴唇分割算法，其特征在于，具體步驟如下： (1) 、建立臉部膚色混合高斯模型； (2) 、根據(jù)臉部膚色混合高斯模型去除非嘴唇像素，獲得粗嘴唇； (3) 、粗嘴唇優(yōu)化處理，獲得最終嘴唇輪廓； 其中： 步驟（1)所述的建立臉部膚色混合高斯模型，具體過(guò)程如下： (11 )、輸入含人臉的原始圖像，采用Haar分類器進(jìn)行人臉檢測(cè)，獲得圖像 I ' (12) 、獲取圖像/上半臉皮膚圖像，確保中不包含嘴唇，對(duì)簡(jiǎn)單去除一 些非臉背景區(qū)域的干擾； (13) 、以Jfflp為訓(xùn)練數(shù)據(jù)建立膚色混合高斯模型：在^顏色空間上，以像素 |pixej7| pixsJ E = 為訓(xùn)練數(shù)據(jù)為人臉圖像J建立膚色混合 高斯模型，并且該混合高斯模型的分量個(gè)數(shù)為3 ; 步驟（2)所述的根據(jù)臉部膚色混合高斯模型去除非嘴唇像素，獲得粗嘴唇，具體過(guò)程如 下： (21) 、利用膚色混合高斯模型求出下半臉的膚色概率圖：在Zai顏色空間上，對(duì)于下半 部分臉/?[ΚΠ 中每個(gè)像素Jr = (￡, a, ，采用訓(xùn)練好的膚色混合高斯模型求出它的膚色 概率值Piftro (X)，具體計(jì)算公式如下：
其中，？，/?，Σ±分別為第々個(gè)高斯分量的權(quán)值，均值和協(xié)方差； (22) 、利用嘴唇先驗(yàn)知識(shí)迭代尋找嘴唇，對(duì)嘴唇定位； (23) 、在嘴唇感興趣區(qū)域中繼續(xù)迭代優(yōu)化，得到粗嘴唇圖像； 步驟（3)所述的粗嘴唇優(yōu)化處理，獲得最終嘴唇輪廓，具體過(guò)程如下： (31) 、計(jì)算粗嘴唇圖像的背景概率圖； (32) 、先將背景概率圖的像素值從[W]映射到[0,255]，再對(duì)背景概率圖采用Otsu進(jìn)行 二值化處理，得到嘴唇掩模； (33) 、對(duì)嘴唇掩模進(jìn)行細(xì)化處理，得到最終嘴唇掩模； (34) 、依照最終嘴唇掩模，提取嘴唇分割的輪廓。
2. 根據(jù)權(quán)利要求1所述的中醫(yī)望診中新型嘴唇分割算法，其特征在于，步驟（2)中所述 利用嘴唇先驗(yàn)知識(shí)迭代尋找嘴唇，對(duì)嘴唇定位，具體過(guò)程如下： (221) 、定義嘴唇的先驗(yàn)知識(shí)； (222) 、設(shè)計(jì)迭代步長(zhǎng)if[14]; (223) 、粗略確定嘴唇中心所在區(qū)域； (224)、精確確定嘴唇區(qū)域； 其中，所述粗略確定嘴唇中心所在區(qū)域的具體過(guò)程如下： (2231) 、初始化設(shè)置:選取i = 6,即迭代步長(zhǎng)取ii[i]，下半臉的二值圖像Jm ; (2232) 、去除皮膚：如果之ii[i]則4 = 〇，否則= 255 ; (2233) 、在二值圖像中，利用嘴唇先驗(yàn)知識(shí)檢測(cè)疑似嘴唇個(gè)數(shù); (2234) 、如果= 1，則認(rèn)為檢測(cè)到嘴唇，提取嘴唇外接矩形區(qū)域作為 嘴唇中心所在區(qū)域，退出；否則，如果i <14則i + +重復(fù)步驟（2232)，否則i = 5重復(fù)步 驟（2232)，如果O Si < 6則i --重復(fù)步驟（2232)，否則未檢測(cè)到嘴唇，退出； 所述精確確定嘴唇區(qū)域的具體過(guò)程如下： (2241) 、初始化設(shè)置：選取i = 〇,即迭代步長(zhǎng)取下半臉的二值圖像J6i ; (2242) 、去除皮膚：如果p-Or)藝 則 Jw = 0,否則&. = 255 ; (2243) 、在二值圖像中，利用嘴唇先驗(yàn)知識(shí)和嘴唇中心所在區(qū)域來(lái)檢測(cè) 疑似嘴唇個(gè)數(shù); (2244) 、如果從￡^ = 1，則認(rèn)為檢測(cè)到嘴唇，記錄4=2\在.心_(1)和/以了） 中分別提取嘴唇感興趣區(qū)域和，退出；否則，如果i <14則i + +重復(fù)步驟 (2242 )，否則未檢測(cè)到嘴唇，退出。
3. 根據(jù)權(quán)利要求2所述的中醫(yī)望診中新型嘴唇分割算法，其特征在于，步驟（2)中所述 在嘴唇感興趣區(qū)域中繼續(xù)迭代優(yōu)化，得到粗嘴唇圖像，是通過(guò)嘴唇感興趣區(qū)域膚色概率圖 ^_.對(duì)2刼_.采用迭代優(yōu)化方法得到粗嘴唇圖像^0,~1,11，具體方法是：從1=4即迭 代步長(zhǎng)取ii[i]開始進(jìn)行迭代去除皮膚，尋找膚色區(qū)域面積增長(zhǎng)過(guò)程的第一個(gè)局部極小值 點(diǎn)，取該極值點(diǎn)處的迭代步長(zhǎng)值作為最優(yōu)閾值J，如果未找到局部極小值點(diǎn)，則f = iiCi。] ;在概率圖.中，使用閾值Π故去除皮膚處理，得到嘴唇二值圖像，再對(duì)該二值圖像做去除 一些雜質(zhì)和中值濾波處理，得到下半臉中對(duì)應(yīng)的粗嘴唇圖像Jip,Wial。
4. 根據(jù)權(quán)利要求3所述的中醫(yī)望診中新型嘴唇分割算法，其特征在于，步驟（3)中所述 計(jì)算粗嘴唇圖像的背景概率圖，具體步驟如下： (311) 、以粗嘴唇圖像中嘴唇像素和非嘴唇像素為訓(xùn)練數(shù)據(jù)分別建立一個(gè)混合高斯模 型：在iai?顏色空間上，以粗嘴唇圖像中對(duì)應(yīng)的嘴唇像素和非嘴唇像素為訓(xùn)練數(shù)據(jù)分別建 立混合高斯模型和，并且混合高斯模型的分量個(gè)數(shù)都為3 ; (312) 、利用這兩個(gè)混合高斯模型，求出粗嘴唇圖像的背景概率圖：在Zad顏色空間上， 對(duì)于粗嘴唇圖像中每個(gè)像素Jf = (4 采用訓(xùn)練好的Cljj3 求出它的背景 概率值Gr)，具體計(jì)算公式如下：
其中，I /} - Jip)，I iip)是由這兩個(gè)GMM計(jì)算出的相應(yīng)概率值。
5.根據(jù)權(quán)利要求4所述的中醫(yī)望診中新型嘴唇分割算法，其特征在于，步驟（3)中所述 對(duì)嘴唇掩模進(jìn)行細(xì)化處理，得到最終嘴唇掩模，具體步驟如下： (331 )、對(duì)嘴唇掩模采用區(qū)域增長(zhǎng)法去除雜質(zhì)，采用中值濾波進(jìn)行平滑處理； (332)、對(duì)嘴唇掩模采用k-points方法處理，得到最終嘴唇掩模。
【專利摘要】本發(fā)明屬于計(jì)算機(jī)數(shù)字圖像處理技術(shù)領(lǐng)域，具體為一種中醫(yī)望診中新型嘴唇分割算法。其步驟為：通過(guò)對(duì)含人臉的圖像采用Haar分類器進(jìn)行人臉檢測(cè)，獲取人臉圖像的上半部分皮膚作為訓(xùn)練數(shù)據(jù)建立臉部膚色混合高斯模型；根據(jù)臉部膚色混合高斯模型求出下半臉的膚色概率圖，對(duì)膚色概率圖采用迭代的方法去除非嘴唇像素，獲得粗嘴唇；粗嘴唇優(yōu)化處理，包括對(duì)粗嘴唇圖像中的嘴唇和非嘴唇區(qū)域分別建立混合高斯模型，求出其背景概率圖，對(duì)背景概率圖采用Otsu進(jìn)行二值化處理，采用區(qū)域增長(zhǎng)法，中值濾波和”k-points”方法進(jìn)行細(xì)化，獲得最終嘴唇輪廓。本發(fā)明提出了一種基于概率模型的方法，能夠自適應(yīng)地處理多樣的、含復(fù)雜背景的嘴唇圖像，可極大的提高嘴唇分割的準(zhǔn)確度。
【IPC分類】G06T7-00
【公開號(hào)】CN104766316
【申請(qǐng)?zhí)枴緾N201510146443
【發(fā)明人】張文強(qiáng), 李福鳳, 胡洋洋, 路紅, 張睿, 孫晨陽(yáng), 張偉妃, 錢鵬
【申請(qǐng)人】復(fù)旦大學(xué)
【公開日】2015年7月8日
【申請(qǐng)日】2015年3月31日