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 PDF

Info

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
Application number
CN202011341024.5A
Other languages
English (en)
Inventor
吴文育
颜波
林尽染
凌宇
杨凯
李吉春
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fudan University
Original Assignee
Fudan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fudan University filed Critical Fudan University
Priority to CN202011341024.5A priority Critical patent/CN112419355A/zh
Publication of CN112419355A publication Critical patent/CN112419355A/zh
Pending legal-status Critical Current

Links

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

基于角点检测的毛发图像中毛发计数方法
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系统。该系统包括三个模块，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。
CN202011341024.5A 2020-11-25 2020-11-25 基于角点检测的毛发图像中毛发计数方法 Pending CN112419355A (zh)

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)

* Cited by examiner, † Cited by third party
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系统和方法
CN107256421A (zh) * 2017-05-17 2017-10-17 扬州大学 一种稻麦籽粒快速计数方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
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系统和方法
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)

* Cited by examiner, † Cited by third party
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
Wang et al. GKFC-CNN: Modified Gaussian kernel fuzzy C-means and convolutional neural network for apple segmentation and recognition
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系统
WO2020029915A1 (zh) 基于人工智能的中医舌像分割装置、方法及存储介质
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
Liang et al. Deep convolution neural networks for automatic eyeglasses removal
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
CN112308827A (zh) 基于深度卷积神经网络的毛囊检测方法
Meng et al. An extraction method of fish vector field for marine cage culture based on UAV vision
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
Bellamine et al. Motion estimation using the total variation-local-global optical flow and the structure-texture image decomposition
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
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