CN112419355A - 基于角点检测的毛发图像中毛发计数方法 - Google Patents
基于角点检测的毛发图像中毛发计数方法 Download PDFInfo
- Publication number
- CN112419355A CN112419355A CN202011341024.5A CN202011341024A CN112419355A CN 112419355 A CN112419355 A CN 112419355A CN 202011341024 A CN202011341024 A CN 202011341024A CN 112419355 A CN112419355 A CN 112419355A
- Authority
- CN
- China
- Prior art keywords
- hair
- image
- segmentation
- corner
- points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 210000004209 hair Anatomy 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 230000011218 segmentation Effects 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000004044 response Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明属于医学图像处理技术领域,具体为一种基于角点检测的毛发图像中毛发计数方法。本发明方法包括:对毛发图像进行分块阈值分割,得到毛发分割图;然后对毛发分割图进行角点检测;将将角点视作毛发的端点,统计角点数量,再除以2即得毛发数量。本发明是一种无监督方法,即不需要数据对参数进行训练,可直接应用在毛发图像上进行计数,可有效减少临床工作量。本发明能够快速地统计图像中毛发数量,有效辅助医生进行诊断,提升诊断的准确率与效率。
Description
技术领域
本发明属于医学图像处理技术领域,具体涉及一种毛发计数方法。
背景技术
单张毛发图像中所包含的毛发数量往往很大,若由人工进行定位、统计数量的工作,则耗费大量人力与时间。而将计算机运用于毛发计数工作之中,能够借助计算机的算力优势在毛发图像快速统计毛发的数量,并且能够实现批处理,处理大量图片,从而节省时间、提高效率。
本文采用传统图像处理技术对毛发图像进行处理,过程中没有需要学习的参数。相对的,深度卷积神经网络(Deep convolutional neural network, DCNN)作为一种时下热门的机器学习技术,虽然在图像分类[1-4]、目标检测[5-7]、语义分割[8,9]等领域取得了良好的性能,但是模型有大量的参数需要学习,也就意味着需要大量的训练数据,对硬件的存储及算力要求高。
传统的图像处理算法主要基于图像的浅层特征进行计算,如轮廓、纹理等,计算量小,且不需要大量数据进行训练。本发明中所涉及的毛发图像相比于自然图像数据集(如ImageNet[2]),没有复杂的语义信息,且图像仅包含毛发及皮肤,即前景与背景区别大。因此,传统图像处理算法能够通过少量的计算对毛发图像的浅层特征进行分析,粗略估计毛发总数。
本发明的基本思路为通过阈值分割区分毛发与皮肤区域,再通过角点检测找出毛发端点,通过端点数量除以二估算毛发总数。本发明不需要数据进行训练,过程中没有需要学习的参数,且计算量小,适合在毛发图像上进行快速粗略计数辅助临床诊断。
发明内容
本发明的目的在于提供一种能够排除人为因素影响,对毛发图像进行毛发计数的方法。
本发明提出的毛发图像中毛发计数方法,是基于角点检测技术的,具体步骤为:
(1)毛发图像进行分块阈值分割;
将毛发图像等分为25块区域,对每个区域独立进行大津法[10]阈值分割,以区分毛发与皮肤区域,从而得到毛发分割图;分块阈值分割是为了解决拍摄图片中不同区域光照条件不同,分割所应取的阈值不同的问题。
(2)角点检测;
将步骤(1)所得毛发分割图进行角点检测。这里,所谓角点是指在图像处理中为任意方向上梯度都比较大的部分,本发明中将检测所得的角点视作毛发的端点,即通过Harris算法[11]检测角点得到粗略的毛发端点。由于步骤(1)中所得毛发分割图存在一些离散的点,会影响角点检测的结果。因而本发明中采用核为25个像素长的正方形掩膜进行闭运算[12],以去除该类噪声。随后对毛发分割图进行角点检测,得到角点响应图;其中,响应高的像素点各个方向上的梯度更大,则更可能为角点;
(3)毛发数量计算;
对于步骤(2)中所得响应图进行固定阈值分割[12],保留高响应区域,再与步骤(1)中所得的毛发分割图进行与运算,得到角点分割图;然后将毛发分割图中的图像边界上的前景部分与角点分割图进行或运算,以处理边界情况;在最终所得角点分割图中,每个连通的前景区域视作一个角点,并对角点进行计数。由于本发明中最终所得角点可视作毛发的端点,故将角点总数除以二,即得毛发数量(估计量)。
本发明数据集包含120张长3072像素、宽4608像素的毛发图像用于测试本发明性能,即使用
相应于上述计数方法,本发明还涉及基于深度卷积神经网络的毛发计数***。该***包括三个模块,分别为:毛发图像分块阈值分割模块、角点检测模块、毛发数量计算模块,对应执行上述三个步骤的操作。
本发明检测的毛发数量相对于人工计数的精度为72.81%。图2展示了本发明在一张毛发图像上的效果,左侧为输入的原图,中央为阈值分割结果,右侧为角点检测结果可视化,可见本发明能够准确检测出毛发端点,并能够借此估算毛发数量。
本发明是一种无监督方法,即不需要数据对参数进行训练,可直接应用在毛发图像上进行计数,可有效减少临床工作量。本发明能够快速地统计图像中毛发数量,有效辅助医生进行诊断,提升诊断的准确率与效率。
附图说明
图1为本发明的流程图。
图2为一张毛发图像的原图(左侧),阈值分割结果(中央)及角点可视化(右侧)。
具体实施方式
下面对本发明实施方案进行详细说明,但是本发明的保护范围不局限于所述实施例。
采用图1中的流程框架,基于阈值分割及角点检测构建算法,获得毛发计数方法。
具体实施方法是:
(1)为应对图像中不同区域的光照不同,将输入毛发图像等分为25个区域,对每个区域使用大津法[10]进行阈值分割从而获得毛发分割图。分割图中以毛发区域为前景,皮肤区域为背景。
(2)对分毛发割图使用核为25个像素长的正方形掩膜进行闭运算[12]去除离散的点,并通过Harris算法[11]得到角点响应图。角点响应图中,高响应的像素点对应各个方向上梯度较大的点,即更有可能为角点。
(3)对角点响应图进行阈值为1的固定阈值分割[12]保留高响应区域,再与步骤(1)中所得的毛发分割图进行与运算,得到角点分割图;然后将毛发分割图中的图像边界上的前景部分与角点分割图进行或运算,以处理边界情况;在最终所得角点分割图中,每个连通的前景区域视作一个角点,并对角点进行计数。所得角点视作毛发的端点,则角点总数除以二便可得估计。
图2为本发明在一张毛发图像上的效果,左侧为输入的原图,中央为阈值分割结果,右侧为角点检测结果可视化。其中,右图红色区域为可视化的角点,可视化方法为将角点区域进行膨胀操作,其核为长25像素的正方形。
参考文献
[1] Krizhevsky, A., Sutskever, I. & Hinton, G. E. ImageNet classificationwith deep convolutional neural networks. Advances in Neural InformationProcessing Systems, 1097-1105 (2012).
[2] Russakovsky, O., Deng, J., Su, H. et al. ImageNet Large Scale VisualRecognition Challenge. International Journal of Computer Vision 115, 211-252(2015).
[3] Simonyan, K. & Zisserman A. Very deep convolutional networks forlarge-scale image recognition. International Conference on RepresentationLearning, (2014).
[4] He, K., Zhang, X., Ren, S. & Sun, J. Deep residual learning for imagerecognition. IEEE Conference on Computer Vision and Pattern Recognition, 770-778 (2016).
[5] Girshick, R., Donahue, J., Darrell, T. & Malik, J. Rich featurehierarchies for accurate object detection and semantic segmentation. IEEEConference on Computer Vision and Pattern Recognition, 580-587 (2014).
[6] Girshick, R. Fast R-CNN. IEEE International Conference on ComputerVision, 1440-1448 (2015).
[7] Ren, S., He, K., Girshick, R. & Sun, J. Faster R-CNN: Towards real-time object detection with region proposal networks. Neural InformationProcessing Systems, (2015).
[8] Long, J., Shelhamer, E. & Darrell, T. Fully convolutional networksfor semantic segmentation. IEEE International Conference on Computer Vision,3431-3440 (2015).
[9] Chen, L., Papandreou, G., Kokkinos, I., Murphy, K. & Yuille, A. L.DeepLab: Semantic image segmentation with deep convolutional nets, atrousconvolution, and fully connected CRFs. IEEE Transactions on Pattern Analysisand Machine Intelligence 40, 834-848 (2018).
[10] Otsu, N. A Threshold Selection Method from Gray-Level Histograms.IEEE Transactions on Systems, Man, and Cybernetics, 9(1), 62-66(1979).
[11] Harris, C. G. , and M. J. Stephens . A combined corner and edgedetector. Alvey vision conference (1988).
[12] William K. Pratt. Digital image processing. (1991) 。
Claims (2)
1.一种基于角点检测的毛发图像中毛发计数方法,其特征在于,具体步骤为:
(1)对毛发图像进行分块阈值分割;
将毛发图像等分为25块区域,对每个区域独立进行大津法阈值分割,以区分毛发与皮肤区域,从而得到毛发分割图;
(2)对毛发分割图进行角点检测;
对步骤(1)中得到的毛发分割图,首先采用核为25个像素长的正方形掩膜进行闭运算,以去除图像噪声;然后采用Harris算法进行角点检测,得到角点响应图;其中,响应高的像素点各个方向上的梯度更大,更可能为角点;所谓角点是指在图像处理中为任意方向上梯度都比较大的部分,角点视作毛发的端点;
(3)毛发数量计算;
对于步骤(2)中所得响应图进行固定阈值分割,保留高响应区域,再与步骤(1)中所得的毛发分割图进行与运算,得到角点分割图;然后将毛发分割图中的图像边界上的前景部分与角点分割图进行或运算,以处理边界情况;在最终所得角点分割图中,每个连通的前景区域视作一个角点,并对角点进行计数;将角点总数除以二,即得毛发数量的估计量。
2.根据权利要求1所述的方法,其特征在于,数据集构成为:毛发图像数据集包含120张长3072像素、宽4608像素的毛发图像用于调试并测试本发明的性能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011341024.5A CN112419355A (zh) | 2020-11-25 | 2020-11-25 | 基于角点检测的毛发图像中毛发计数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011341024.5A CN112419355A (zh) | 2020-11-25 | 2020-11-25 | 基于角点检测的毛发图像中毛发计数方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112419355A true CN112419355A (zh) | 2021-02-26 |
Family
ID=74842373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011341024.5A Pending CN112419355A (zh) | 2020-11-25 | 2020-11-25 | 基于角点检测的毛发图像中毛发计数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112419355A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101505659A (zh) * | 2006-08-25 | 2009-08-12 | 修复型机器人公司 | 用于对毛囊单位进行计数的***和方法 |
CN107256421A (zh) * | 2017-05-17 | 2017-10-17 | 扬州大学 | 一种稻麦籽粒快速计数方法 |
-
2020
- 2020-11-25 CN CN202011341024.5A patent/CN112419355A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101505659A (zh) * | 2006-08-25 | 2009-08-12 | 修复型机器人公司 | 用于对毛囊单位进行计数的***和方法 |
CN107256421A (zh) * | 2017-05-17 | 2017-10-17 | 扬州大学 | 一种稻麦籽粒快速计数方法 |
Non-Patent Citations (1)
Title |
---|
刘帅兵等: "基于无人机遥感影像的玉米苗期株数信息提取", 《农业工程学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tian et al. | Active contour model combining region and edge information | |
Li et al. | Deep retinex network for single image dehazing | |
CN109410168B (zh) | 用于确定图像中的子图块类别的卷积神经网络的建模方法 | |
CN109685045B (zh) | 一种运动目标视频跟踪方法及*** | |
WO2020029915A1 (zh) | 基于人工智能的中医舌像分割装置、方法及存储介质 | |
CN110827304B (zh) | 一种基于深度卷积网络与水平集方法的中医舌像定位方法和*** | |
Wang et al. | GKFC-CNN: Modified Gaussian kernel fuzzy C-means and convolutional neural network for apple segmentation and recognition | |
CN106529441B (zh) | 基于模糊边界分片的深度动作图人体行为识别方法 | |
CN113361431A (zh) | 一种基于图推理的人脸遮挡检测的网络模型及方法 | |
CN112308827A (zh) | 基于深度卷积神经网络的毛囊检测方法 | |
Ma et al. | Research on kinect-based gesture recognition | |
CN112419355A (zh) | 基于角点检测的毛发图像中毛发计数方法 | |
Siddique et al. | A robust segmentation of blood vessels in retinal images | |
Fishbaugh et al. | Acceleration controlled diffeomorphisms for nonparametric image regression | |
Wang et al. | Tongue semantic segmentation based on fully convolutional neural network | |
Zhao et al. | Fast localization algorithm of eye centers based on improved hough transform | |
Tong et al. | Cell image instance segmentation based on PolarMask using weak labels | |
Lou et al. | Medical personal protective equipment detection based on attention mechanism and multi-scale fusion | |
CN104751448A (zh) | 基于pca和噪声分离的在线视频跟踪方法 | |
Devi et al. | Predicting The Stages Of Covid-19 Affected Patients Using CNN With CT Scan | |
Liu | A moving object detection algorithm for removing ghost and shadow | |
Shi | Fuzzy Image Restoration Algorithm Based on Machine Vision Technology | |
CN112016567B (zh) | 一种多尺度图像目标检测方法和装置 | |
Asha et al. | Segmentation of Brain Tumors using traditional Multiscale bilateral Convolutional Neural Networks | |
Xu et al. | Application of Discrete Mathematical Model in Edge Distortion Correction of Moving Image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210226 |
|
RJ01 | Rejection of invention patent application after publication |