JP5263991B2 - 肌のキメ及び／又はシワの鑑別法及び鑑別装置、肌の鑑別プログラム、並びに皮膚外用剤の選択方法 - Google Patents

Description

本発明は、肌の状態を鑑別する技術に関して、さらに詳しくは、肌の物理量を指標とする肌のキメ及び／又はシワを鑑別する技術に関する。

化粧料を使用するにあたって重要なことは、使用する人にとって適した化粧料を的確に選び出し使用すると同時に、その使用による効果を確認することである。使用者の肌に適していない化粧料を使用すると、効果が得られないばかりか好ましくない事象を出現させることもある。このため、使用者の肌に適さない化粧料を選択してしまう誤りはなんとしても避けなければならないことである。「化粧料が肌にあわない」と言う苦情は比較的多く聞く苦情であるが、このような現象も肌に適切な化粧料が選択されていない、更に言い換えれば、肌に不適切な化粧料を選択してしまった誤りによることが少なくない。肌に適切な化粧料を選択し、また使用による効果を確認するための重要な要素として、皮膚のキメ及びシワの評価が存している。

この様な観点から、化粧料選択のための種々の技術が開発されてきた。例えば、皮膚レプリカの照明による皮溝のパターンを抽出して解析する技術（特許文献１参照）、皮膚表
面からの直接画像に対し画像解析する技術（特許文献２参照）、レプリカ撮影画像に対して、階調処理等の画像処理を行う技術（特許文献３参照）、電磁波を用いてレプリカよりシワの深さを測定する技術（特許文献４参照）、標準スケールを用いて皮膚レプリカ剤よりシワの深さを測定する技術（特許文献５参照）、皮膚の状態の単一色画素画像又は処理画素画像に細線化処理を行い、細線のピーク幅間隔を指標としたキメを測定する技術（特許文献６参照）等が開示されている。しかしながら、これまで知られている化粧料選択のための技術においての大きな課題は、キメ及び／又はシワの鑑別結果と見た目のキメ及び／又はシワの評価値とが、十分に合致するかという点と、更には、販売やカウンセリングの現場においていかに迅速に評価できるかという点であり、言い換えれば、その評価の客観性と高速性との両立である。即ち、見た目のキメ及び／又はシワの評価値は、判定基準があっても、観察者がレプリカ等を顕微鏡下肉眼で観察を行いその主観で判定されるものであり、客観性の維持に加え、その判定に要する時間の長さが深刻な課題となっていたのである。この為、客観性と高速性を有した、キメ及び／又はシワの評価を得ることができる鑑別技術が切望されていた。

このような状況下において、従来一般的に行われてきた画像解析技術である、フィルター処理、二値化処理、画像信号処理或いはマッチング処理等では、肌の皮溝や皮丘の形態の特徴的な情報を十分に抽出し定量化できない。そこで本発明者らは、かような対象の画像から目的とした情報を抽出する全く新規な技術である、十字二値化処理及び短直線マッチングを用いる定量化技術（特許文献７参照）を見出した。

特開昭６０−０５３１２１号公報 特開昭６４−０５９１４５号公報 特開平０２−０４６８３３号公報 特開平０８−１４５６３５号公報 特開２０００−３４２５５６号公報 特開２００６−０６１１７０号公報 特開２００８−０６１８９２号公報

本発明は、この様な状況下為されたものであり、肌のキメ及び／又はシワを高精度で且つ迅速に鑑別できる、肌のキメ及び／又はシワの鑑別する技術を提供することを課題とする。また、当該鑑別を行った結果に基づいて皮膚外用剤を選択する方法を提供することを課題とする。

本発明者らは肌のキメ及び／又はシワを高精度で且つ迅速に鑑別できる、肌のキメ及び／又はシワの鑑別法を求めて鋭意研究を重ねた結果、肌画像に対して十字二値化処理及び／又は短直線マッチング処理を行って得られた肌の物理量を、予め用意した予測式に代入し評価値を得ることで、肌のキメ及び／又はシワを高精度で且つ迅速に鑑別できることを見出し、発明を完成させるに至った。即ち、本発明は、以下に示す技術に関する。
（１）肌画像に対して十字二値化処理及び／又は短直線マッチング処理を行い、１０種類以上の皮溝に関する物理量を得る工程と、前記工程で得られた物理量を、予め用意した予測式に代入し、得られた評価値を皮膚のキメ及び／又はシワの評価値と鑑別する工程とを含む、肌のキメ及び／又はシワの鑑別法。
（２）予め用意した予測式を入力する手段と、肌画像を取得する手段と、該取得した肌画像から１０種類以上の皮溝に関する物理量を算出する手段と、予め用意した予測式と前記
算出した物理量から肌のキメ及び／又はシワの評価値を算出する手段と、前記算出した評価値を表示する手段、とを含む肌のキメ及び／又はシワの鑑別装置。
（３）コンピュータを、取得した肌画像から１０種類以上の皮溝に関する物理量を算出する手段と、予め用意した予測式と、前記物理量から肌のキメ及び／又はシワの評価値を算出する手段と、して機能させる肌の鑑別プログラム。
（４）前記（１）に記載の鑑別法を用いて肌のキメ及び／又はシワを鑑別する工程、及び
前記鑑別工程により鑑別された肌のキメ及び／又はシワの評価値に基づき、被験者の皮膚のキメ及び／又はシワの状態が良くないという鑑別結果の場合には、キメ状態の改善やキメ状態の乱れを予防するための成分を含有する皮膚外用剤を選択し、被験者の皮膚のキメ及び／又はシワの状態が良いという鑑別結果の場合には、保湿成分のみを含有する皮膚外用剤を選択する工程、を含む皮膚外用剤の選択方法。

本発明によれば、肌のキメ及び／又はシワを、高精度で且つ迅速に鑑別できる、肌のキメ及び／又はシワを鑑別する技術を提供することができる。また、その技術を応用し、使用者に合った皮膚外用剤を提供することができる。

レプリカの輝度画像を示す図である（図面代用写真）。 十字二値化処理法を示す図である（図面代用写真）。 十字二値化処理によるレプリカの画像を示す図である（図面代用写真）。 短直線マッチング処理法を示す図である（図面代用写真）。 短直線マッチング処理によるレプリカの画像を示す図である（図面代用写真）。 キメの基準写真の画像（左：評価値１、右：評価値５）を示す図である（図面代用写真）。 シワの基準写真の画像（左：評価値１、右：評価値３）を示す図である（図面代用写真）。 十字二値化処理及び短直線マッチング処理後の物理量である皮溝の面積を示す図である（図面代用写真）。 十字二値化処理及び短直線マッチング処理後の物理量である皮溝平均太さを示す図である（図面代用写真）。 鑑別装置の構成例を示す図である。 鑑別装置の処理に係るフローチャートである。

本発明の鑑別法では、肌画像から、肌のキメ、肌のシワ、あるいはその両方の状態を鑑別することができる。

＜本発明で使用する肌画像の取得＞
本発明では、肌画像を用いる。肌画像を取得する方法は、肌を直接撮像して肌画像を得る方法でも良く、肌より採取したレプリカ標本を介して肌画像を得る方法でもよい。画像を取得する方法は、例えば、実体顕微鏡を通してデジタルビデオカメラで取り込むか、市販のデジタル式マイクロスコープを利用することができる。このようなデジタル式マイクロスコープとしては、例えば、（株）モリテックスのコスメティック用マイクロスコープや（株）キーエンスのデジタルマイクロスコープ等が例示できる。

本発明においては、上記肌より採取したレプリカ標本を介して肌画像を得ることが好ましい。肌より採取したレプリカ標本を介して肌画像を得ることにより、肌表面の色情報を除外して形態情報だけを取得することができるので、シミなどのノイズを防ぐことができ
る。また、解析には不要な肌表面の凹凸（皮溝や皮丘レベルの凹凸ではない。）がレプリカ採取によってキャンセルされるため、解析が容易となるからである。レプリカ標本を介して肌画像を得る方法を以下に示す。

レプリカ標本に対し９０°の位置に顕微鏡のレンズを配し、レプリカ標本に対して適度な角度で光を照射し、入射光によって生じるレプリカ標本の表面の凹凸の陰影像を、顕微鏡を通して画像として取り込むことができる。ここでレプリカ標本とは、溶剤軟化性の透明なプラスチック板に、軟化のための溶剤を塗工し、軟化させた後、該軟化部分を皮膚上に押し当て、皮膚上の凹凸を軟化部分に転写し、この凹凸を観察することにより、皮膚上の凹凸を間接的に観察する技術のことであって、代表的な技術としては「河合法」が知られている。この技術では、皮膚の凹凸が忠実に転写され、且つ、その凹凸の保存性も優れるため、香粧品科学の分野では古くより汎用されている。この様なレプリカ標本を作製するキットは既に市販されているものがあり、それを利用することができる。かかるレプリカ標本は、頬部、又は目尻部〜目尻下方部１．５ｃｍ×１．５ｃｍより採取されることが好ましい。一般的な方法では、この様なレプリカ標本はレプリカ面に対して垂直な下面から光を照射し、透過光を観察するのが一般的である。即ち、転写した凹凸によって照射した光が散乱され、透過光量が少なくなるのを利用して、凹凸を像として観察するのである。本発明の鑑別法においては、該レプリカの観察は、次のように行うことが好ましい。レプリカの凹凸のある面を採像方向に向け、この面に対して、１０〜４０度、更に好ましくは２０〜３０度の角度で光を照射しこの反射光からなる像を採像（画像として取り込む）する。この様な形態を取ることにより、レプリカ面に転写された凹凸がより明確に光度差として現れるためである。表１に、同一サンプルに対して、入射角を変えて観察したときの明瞭さの評価を示す。評価基準は、○：明瞭、△：やや不明瞭、×：不明瞭である。

＜画像処理としての十字二値化＞
本発明では、上記得られた肌画像に対して、十字二値化処理及び／又は短直線マッチング処理を含む画像処理を行う。これらの画像処理については、特開２００８−０６１８９２号公報（特許文献７）に記載されており、以下説明をする。

最も基本的な画像処理法として、画像の中から背景と対象とを分離し、対象を形として抽出する二値化処理法が存する。対象と背景とのコントラストが十分にある場合、二値化処理は容易である。しかし、実際には主として対象と背景との境界部分に微妙な濃淡の変化が存するため、高精度の形状抽出を目的とした二値化処理のための閾値の設定は困難である。また、照明のムラなどから背景の濃淡レベルが変動している場合も、画面全体に固定した閾値では正確な形状抽出は困難である。かような場合、固定した閾値ではなく、画素ごとに閾値を変える動的閾値処理（可変閾値処理）が好ましく、本十字二値化処理法は
、その動的閾値処理法に属する。動的閾値処理法の処理領域は一般的に長方形であるが、本十字二値化処理法では皮溝の形状を抽出するのに適した十字形状という特徴を有する（図２参照）。本十字二値化処理法を用いることで、レプリカを照射する照明のムラに影響されず、皮溝の凸部によってできる影を検出でき、太くて明瞭な皮溝から微細な皮溝まで画面全体からムラなく高精度の十字二値化画像（図３参照）を得ることができる。
なお、上記の十字二値化処理は、特開２００８−０６１８９２号公報に記載の表皮組織定量化装置を使用して、行うことができる。

＜画像処理としての短直線マッチング＞
前記短直線マッチング法は、二値化された画像中の対象物形状の物理量を算出するための方法である。従来法が二値化画像の１画素を単位として対象の画素数を計測して、面積、長さ、重心等の物理量を算出するのに対し、本短直線マッチング法は複数画素から構成される短直線（数画素から数十画素の長さ、幅は１画素）を単位として、物理量を算出する。具体的には、対象領域の端点を短直線の始点とし、短直線の終点が対象領域内であれば、その終点を新たな始点として次の短直線を連結する。短直線の終点が対象領域外であれば連結を終了する。この操作を、対象領域が短直線で覆われるまで繰り返す。その後、対象領域に当てはめた短直線の本数、角度等を計測し、対象物の特徴量を算出する（図４参照）。本法によって、細長く連続した、方向性を有する皮溝の特長の短直線マッチング画像を得ることができる（図５参照）。
なお、上記の短直線マッチング処理は、特開２００８−０６１８９２号公報に記載の表皮組織定量化装置を使用して、行うことができる。

上記の画像処理は、いずれか一方の画像処理のみを行うことでもよいが、両方の画像処理を行うことにより、より正確に物理量を算出することができる。また、その他必要に応じて、輝度変換処理、二値化処理、フィルター処理、一般的画像処理（面積、周囲長、縦横比、重心、針状比、拡大、反転）などの他の画像処理を行ってもよい。

＜キメ及び／又はシワの物理量算出＞
本発明では、上記十字二値化処理及び／又は短直線マッチング処理を含有する画像処理を行い、肌画像の物理量を得ることができる。得られた物理量は、肌の皮溝・皮丘などの特徴を定量化した物理量である。かような物理量としては、例えば、皮溝面積、皮溝平均太さ、皮溝太さのバラツキ、皮溝の間隔、皮溝の平行度、皮溝の方向、皮溝の密度等の物理量を始め、角度ごとの短直線本数のうち９５°以上における最大本数、角度ごとの短直線本数のうち１０°以上９０°以下における最大本数、太さごとの短直線本数のうち最大となる本数、太さ毎の短直線本数のうち本数が最大となる太さ、短直線連結数度数データの合計値、太さごとの短直線本数の太さの値の合計値、等の更に細かな物理量が例示でき、本発明においては、これらの物理量の中から、キメ・シワに深く関係していると思われる物理量を算出する。具体的には；皮溝面積＝対象とする処理すべき画像範囲における皮溝の占有面積或いはマッチング短直線の総本数；皮溝平均太さ＝（各マッチング開始点毎の皮溝太さの総和／開始点総数）；皮溝太さのバラツキ＝皮溝太さの太さと本数のヒストグラムより算出される標準偏差或いは分散；皮溝の平均間隔＝１／（皮溝の面積／皮溝の平均太さ）；皮溝の平行度＝皮溝の角度と本数のヒストグラムより算出されるピークの集中度或いは分散；皮溝の方向・密度＝角度θにおける短直線数（ヒストグラムの高さ）／皮溝の全長、として定義できる。その他の物理量は、上記の算出式から適宜算出することができる。本発明において得られる物理量は上記のとおり多数存在するが、その中から後述する予測式を算出するために好ましい物理量と選択する。かような物理量の算出は、上記十字二値化処理及び／又は短直線マッチング処理を含む画像処理を含めて、コンピュータ上のプログラムによって処理することができる。

＜予測式＞
肌のキメ及び／又はシワを鑑別するためには、予め、上記肌の物理量と肌のキメ及び／又はシワの目視評価値との関係を示す予測式を求めておく。予測式は、例えば以下のような方法で作成できる。

肌状態や年齢などを十分に考慮した肌のレプリカ（以下、これらをサンプルという）について、評価者によるキメ及び／又はシワの目視評価を行う。一方で、そのサンプルについて、上記に示した方法で肌の物理量を算出する。そのサンプル数は１００以上とすることが好ましく、更に好ましくは５００以上である。キメ及び／又はシワの目視評価は、キメが良い〜悪い、或いはシワが少ない〜多い、を判断するための３〜１０段階基準写真を参考にさせて、第三者を代表するに相応しい適当な複数の評価者、好ましくは５名以上にサンプルを評価させ、基準写真と対応する評価値を付けさせる。上記第三者を代表するに相応しい評価者とは、美容、エステティック又は肌評価研究に１年以上携わった経験を有し、且つ継続的に肌評価訓練を行っているものであることが好ましい。各サンプルの評価値の最大値と最小値を除外して平均した値をそのサンプルのキメ及び／又はシワの目視評価値とする。

なお、肌の状態の評価である肌のキメ、シワの程度は、日本化粧品技術者会や国際化粧品技術者会連盟（ＩＦＳＣＣ）にて議論され、第三者が客観的に認識できる肌のキメ、シワの程度として大方の共有的認識下にある。図６及び図７に、統計的処理に基づいて基準化されたキメ（５段階評価）及びシワ（３段階評価）の基準写真の１例を示す。このような基準写真は、当該技術分野では、作成の基礎となる母集団が１００程度あればある程度の信頼性を有する基準写真であると判断することができ、母集団が１，０００を超えるような場合には、かなり信頼度の高い基準写真であると判断することができ、基準写真毎の差異を考えなくてもよいレベルである。本発明における上記のサンプル評価は、このような統計的処理に基づいて基準化された基準写真を用いることができ、基準写真の作成における母集団は１，０００以上であることが好ましい。

次に、かようにして求めたキメ及び／又はシワの目視評価値と、算出した肌の物理量から予測式を導き出す。予測式は、肌の物理量とキメ及び／又はシワの目視評価値を多変量解析して得られた式を本発明の予測式とすることができる。多変量解析としては、説明変数と目的変数との関係を利用できるものが好ましく、例えば、判別分析、主成分分析、因子分析、数量化理論一類、数量化理論二類、数量化理論三類、回帰分析（ＭＬＲ、ＰＬＳ、ＰＣＲ、ロジスティック）、多次元尺度法、教師ありクラスタリング、ニューラルネットワーク、アンサンブル学習法、等が例示でき、フリーソフトや市販されているものを用いて予測式を作製することができる。これらの内、特に好ましいのは重回帰分析、判別分析及び数量化理論一類である。肌の物理量を説明変数として、上記で求めたキメ及び／又はシワの目視評価値を目的変数として、重回帰分析を行って重回帰式を求め、該重回帰式をもって予測式とすることが好ましく例示できる。

上記のとおり、予測式の算出で用いる肌の物理量には様々な物理量があるが、本鑑別法の精度を向上させる観点から、皮溝に関する物理量を含有することが好ましく、鑑別法の精度を更に向上させる観点から、１０種類以上の皮溝に関する物理量を含有することが更に好ましい。予測式の算出に用いる物理量の総数としては、１０以上とすることが好ましい。

＜鑑別工程＞
かようにして設定された予測式に上記の肌の物理量を代入し評価値を得ることで、肌のキメ及び／又はシワの鑑別を行うことができる。得られた画像から算出された肌の物理量を、該予測式に代入することで、肌のキメ及び／又はシワの目視評価値が得られる。本願発明は、上記の工程を経ることで、極めて高精度で肌のキメ及び／又はシワを鑑別できる
。さらに、新規なサンプルの物理量や目視評価値等はデータベースに組み入れられ、更新及び補正することで、該予測式の精度が更に向上し、高精度の鑑別が期待される。

＜鑑別装置・プログラム＞
また、本発明の別の態様は、上記の工程を行うプログラムである。即ち、コンピュータを、取得した肌画像から物理量を算出する手段と、予め用意した予測式と、前記算出された肌の物理量から肌のキメ及び／又はシワの評価値を算出する手段、として機能させる肌の鑑別プログラムである。本願発明の鑑別プログラムは、パソコンなどのハードウエアにインストールすることにより、使用することができる。
更に、本発明の別の態様は、上記の工程を行う鑑別装置である。即ち、予め用意した予測式を入力する手段と、肌画像を取得する手段と、該取得した肌画像から肌の物理量を算出する手段と、予め用意した予測式と前記算出した肌の物理量から肌のキメ及び／又はシワの評価値を算出する手段と、前記算出した評価値を表示する手段、とを含む肌のキメ及び／又はシワの鑑別装置である。

上記鑑別装置の態様を図１０により説明する。本発明の鑑別装置は、パーソナルコンピュータのような汎用コンピュータであってもよく、鑑別のための専用のコンピュータであってもよい。入力部１は、上記の予測式の入力手段であり、鑑別に使用する予測式を予め入力しておく。例えばキーボードなどの入力装置を使用することができる。画像取得部２は、肌画像を取得する手段であり、デジタルビデオカメラや、市販のデジタル式マイクロスコープを使用することができる。ＣＰＵ３（Central Processing Unit）は、取得した肌画像から肌の物理量を算出する手段と、予め用意した予測式と前記算出した肌の物理量から肌のキメ及び／又はシワの評価値を算出する手段である。上記の鑑別プログラムをインストールすることで、このような手段として機能する。ＲＡＭ４（Random Access Memory）は、一時的なデータを格納する記憶手段である。表示部５は算出した評価値を出力する手段であり、例えば液晶ディスプレイなどの表示装置や、プリンタなどの出力装置とすることができる。

上記鑑別装置の処理フローを図１１により説明する。
まず、デジタルビデオカメラなどの画像取得部から、肌画像を取得する。すでに説明したように、被験者の肌から直接撮像することもでき、レプリカ標本を介してもよい。上記取得された肌画像は、ＣＰＵにおいて十字二値化処理や短直線マッチング処理などの画像処理を行い、併せて肌画像の物理量を算出する。算出される肌画像の物理量の種類は、予め入力手段から入力した予測式の算出に用いた物理量の種類に依り、適宜設定される。算出された肌画像の物理量は、同じくＣＰＵにおいて予め入力した予測式に代入され、その評価値が算出される。そして算出された評価値は、液晶ディスプレイなどの出力手段から出力される。

なお、本発明では、肌のキメについての予測式と肌のシワについての予測式をそれぞれ上記の鑑別装置に予め入力しておくことにより、肌のキメとシワを一度に鑑別することもできるし、別々に鑑別することもできる。

＜鑑別された肌のキメ評価値に基づく皮膚外用剤の選択法＞
上記鑑別法又は鑑別装置により鑑別されたキメの評価値に基づいて、用いた肌画像の被験者に適した皮膚外用剤を選択することができる。本発明の鑑別法又は鑑別装置を用いることで、専門家が肌の評価をする場合とほぼ同様の高精度で迅速に鑑別することができるため、その結果に基づいて、肌のキメ状態を維持、予防又は改善するのに有用な皮膚外用剤を選択することができる。

皮膚外用剤の選択、特に化粧料の選択においては、被験者の皮膚のキメの状態が良くな
いという鑑別値の表示が出力された場合には、キメ状態の改善やキメ状態の乱れを予防するための成分を含有する化粧料を選択することにより、被験者の肌に適切な化粧料を選択することができる。このような成分には、ターンオーバー促進成分、コラーゲン合成促進剤、角層脱離促進剤及びコラーゲン線維束再構築剤などがあげられ、これらの１種乃至は２種以上を含有することができる。このうち、コラーゲン線維束再構築剤がキメの改善に最も効果を示すものである。

上記ターンオーバー促進成分としては、レチノイン酸、フィトステサイド、フィトステロール、スフィンゴシンやステロイド等が挙げられる。上記コラーゲン合成促進剤としては、バクガンコンエキス等が挙げられる。上記角層脱離促進剤としては、α−ヒドロキシ酸等が挙げられる。そしてコラーゲン線維束再構築剤としては、ローズマリーエキスやウルソール酸誘導体等が挙げられる。

一方、被験者の皮膚のキメの状態が良いという鑑別値の表示が出力された場合には、保湿成分のみを含有する化粧料を選択することによりキメ状態を維持することができ、被験者の肌に適切な化粧量を選択することができる。上記保湿成分としては、ヘパリン類似物質等が挙げられる。これらの成分は、化粧料に含有した場合にその効果を奏するように含有させれば良く、それぞれ０．０１〜５．０質量％含有させることが好ましい。これらの成分を、表示されたキメの鑑別値に基づいて当業者が適宜選択することで、適切な化粧料を選択することができる。その一例として、以下に５段階のキメ鑑別値に対する化粧料成分の選択例を以下に示す。なお、これらの成分は、化粧料のみならず、その他の皮膚外用剤に含有させることも当然に可能である。
＜キメ鑑別値−化粧料成分＞
１（良）−保湿成分
２ −コラーゲン合成促進剤、保湿成分
３ −コラーゲン合成促進剤、角層脱離促進剤、保湿成分
４ −コラーゲン線維束再構築剤、コラーゲン合成促進剤、保湿成分
５（悪）−コラーゲン線維束再構築剤、コラーゲン合成促進剤、角層脱離促進剤、保湿成分

＜鑑別された肌のシワ評価値に基づく皮膚外用剤の選択法＞
上記鑑別法又は鑑別装置により鑑別されたシワの評価値に基づいて、キメの場合と同様に、鑑別した肌画像の被験者に適した皮膚外用剤を選択することができる。鑑別されたシワの評価値に基づいて選択する化粧料の一例として、以下に３段階のシワ鑑別値に対する化粧料成分の選択例を以下に示す。
＜シワ鑑別値−化粧料成分＞
１（良）−保湿成分
２ −コラーゲン合成促進剤、角層脱離促進剤、保湿成分
３（悪）−コラーゲン線維束再構築剤、コラーゲン合成促進剤、角層脱離促進剤、保湿成分

上記の化粧料の選択において、キメ又はシワの鑑別値のみならず、種々の肌特性値や皮膚表面形態の観察結果、嗜好性等の他の指標と組み合わせて用いることもできる。このような他の指標との組み合わせも、本発明の技術的範疇に属する。かような他の指標としては、具体的には、例えば、経表皮水分蒸散量（ＴＥＷＬ）やコンダクタンス等の皮膚特性値、或いは、テープストリッピングによって得られた角層細胞の特性値（例えば、細胞の面積、細胞の体積、細胞面積の分散、細胞の扁平度、細胞の配列規則性、角層の重層剥離、有核細胞の存在）、該特性値によって推定される皮膚の保水機能、皮脂分泌量、皮膚の加齢度合い、メラニン産生能、皮膚色、肌性及び肌質等が例示できる。これらの中で特に好ましいものは、キメ状態及びシワ状態と関わりの深い保水機能である。

以下に、本発明の実施例を説明するが、これにより本発明の範囲が限定されることはない。

［実施例１］
＜キメ・シワの目視評価のための処理＞
１０〜５０代の３０名の女性の頬部中央よりレプリカ標本を採取し、（株）モリテックスのコスメティック用マイクロスコープを用いてレプリカ標本よりデジタルデータとして画像を保存した。前記の画像処理を行うためのソフトウエアを組み込んだ汎用パソコンを用い、この画像に対してノイズ処理を行って輝度画像に変換した後、十字二値化処理及び短直線マッチング処理を行い、皮溝に関する物理量を算出した。物理量として、皮溝面積（図８参照）、皮溝平均太さ(図９参照）、皮溝太さのバラツキ、皮溝の間隔、皮溝の平
行度、皮溝の方向、皮溝の密度をはじめとする１７の物理量を算出した。図８及び図９から分かるように、これらの物理量は皮溝や皮丘の凹凸の特徴を明瞭に示しており、視覚的に非常に評価し易い指標であることが分かる。

［実施例２］
＜キメの目視評価の自動鑑別＞
女性の頬部中央から採取したレプリカ標本の、キメの５段階評価用の基準写真(図６参
照：母集団１０００枚を基に発明者らが作成。）を利用して、３名の専門の肌の評価者によって評価された肌のレプリカのデジタル画像及びその目視評価値のデータ１５，０００枚の中から、肌のキメの評価値１〜５（１：良い〜５：悪い）のデジタル画像各評価値２００枚ずつ、計１０００枚を選択した。上記専門の肌の評価者は、美容、エステティック又は肌評価研究に１年以上携わった経験を有し、且つ断続的に肌評価訓練を行っている者である。この１０００枚を対象に、実施例１に示した方法を用いて物理量を算出した。次に、１〜５の目視評価値がそれぞれ１００枚となるようにランダムに５００枚ずつのＡ群とＢ群の２群に分け、Ａ群の５００枚を対象に、キメの目視評価を目的変数に、１７の物理量を説明変数として、重回帰分析（エス・ピー・エス・エス株式会社製）を行って予測式である重回帰式を算出した（重相関係数＝０．９０９）。残りＢ群の５００枚の画像に対して、先に算出した物理量を、この重回帰式の説明変数に代入し、キメの目視評価値（自動鑑別値）を鑑別した。使用した物理量の一覧を表２に示し、結果を表３に示す。

表３は、本願発明で得られたキメの目視評価値（自動鑑別値）とキメの目視評価値との集計表を示す。Ｓｐｅａｒｍａｎの相関係数が０．８８７、両評価値の完全一致は６２％、１段階のずれを許容すると９８％であり、本発明のキメの鑑別法が十分満足できる精度を有することが分かる。

［実施例３］
実施例２におけるＡ群とＢ群を交換し、Ｂ群の画像に対して作製した重回帰式（重相関係数＝０．９３５）を用いて、Ａ群のキメの目視評価値（自動鑑別値）を鑑別した。結果を表４に示す。

表４は、本願発明で得られたキメの目視評価値（自動鑑別値）とキメの目視評価値との集計表を示す。Ｓｐｅａｒｍａｎの相関係数が０．８６１、両評価値の完全一致は５３％、１段階のずれを許容すると９７％である。これらの結果から、未知データに対して常に高い精度を有する自動鑑別を行えることが分かる。

［実施例４］
＜シワの目視評価の自動鑑別＞
実施例２において、肌のシワの評価値１〜３のデジタル画像を各評価値２００枚ずつ、計６００枚を選択し、実施例２と同様に実施した。重回帰分析により得られた重回帰式の重相関係数は０．９１２であり、シワの目視評価値（自動鑑別値）とシワの目視評価値とのＳｐｅａｒｍａｎの相関係数が０．７０５、両評価値の完全一致は６５％、１段階のず
れを許容すると１００％であり、本発明のシワの鑑別法が十分満足できる精度を有することが分かる。

［実施例５］
実施例４で、Ａ群とＢ群のデータを交換して同様に自動鑑別を行った結果、得られた重回帰式の重相関係数＝０．８２０）、シワの目視評価値（自動鑑別値）とシワの目視評価値とのＳｐｅａｒｍａｎの相関係数が０．８８０、両評価値の完全一致は８４％、１段階のずれを許容すると１００％である。これらの結果から、シワの評価においても、未知データに対して常に高い精度を有する自動鑑別を行えることが分かる。

［実施例６］
＜キメの目視評価の自動鑑別＞
実施例２において、重回帰分析をニューラルネットワーク（ＮｅｕｒａｌＷａｒｅ社製）に代え、Ａ群を対象に教師あり学習に用い、キメの目視評価値を応答変数として物理量によって学習を行い、予測式を得た。得られた予測式に肌の物理量を代入し、Ｂ群のキメの目視評価値（自動鑑別値）を鑑別した。結果を表５に示す。

表５は、本願発明で得られたキメの目視評価値（自動鑑別値）とキメの目視評価値との集計表を示す。Ｓｐｅａｒｍａｎの相関係数が０．８７１、両評価値の完全一致は６２％、１段階のずれを許容すると９９％である。これらの結果から、重回帰分析以外の多変量解析手法を用いて予測式を作成しても、高い精度を有する自動鑑別を行えることが分かる。

［参考例１］
実施例２において、表６に示す３つの物理量を説明変数として、重回帰分析（エス・ピー・エス・エス株式会社製）を行って重回帰式を算出した（重相関係数＝０．８８０）。Ｓｐｅａｒｍａｎの相関係数が０．８３１、両評価値の完全一致率は４７％、一段階のズレを許容すると９５％であった。物理量の数が少なくても精度良く鑑別を行うことができるが、物理量の数が多い方が、より精度が上がることが分かる。

［実施例７］
キメ及びシワの鑑別の実施例と比較例について、評価の一致率及びサンプル１個当たりの評価の所要時間（秒）を、表７及び８にまとめた。即ち、目視評価の基準である３名の専門の肌の評価者（訓練者）によるキメ評価（比較例１）及びシワ評価（比較例２）、また、非訓練者（図６，７の基準写真を説明して使用させて実施）によるキメ評価（比較例３）及びシワ評価（比較例４）である。更に、実施例１〜２において、十字二値化及び短直線マッチング処理を使用しないで、二値化処理及び細線化処理（標本化して得られる二値化画像中の連結図形に対し連結性を失わないように線図形にまで処理すること）を行い、該処理によって一般的に得られる統計的な物理量である、皮丘に関する総面積、標準偏差、総個数、単位面積、細線ピーク間隔に関する平均値、標準偏差、標準誤差、変動係数等を用いて、実施例２と同様に鑑別した。このキメ及びシワの目視評価値（自動鑑別値）を、それぞれ比較例５及び６とした。

＜キメ自動鑑別値に基づく化粧料選択法による使用テスト＞
女性被験者を対象に、キメ鑑別値に基づく化粧料選択法の有用性について、化粧料の長期使用テストを行った。
まず、以下に示す処方に基づき、通常の化粧料の調製方法に従い、肌のキメ状態に対応した５種類の化粧料（化粧料１〜５）を調製した。

（化粧料１：キメ自動鑑別値１用の化粧料）
成分 含有量
グリセリン ５ 質量％
１，３−ブタンジオール ５ 質量％
大豆蛋白 ０．１質量％
ヘパリン類似物質 ０．１質量％
エタノール ５ 質量％
メチルパラベン ０．１質量％
水 残量

（化粧料２：キメ自動鑑別値２用の化粧料） 含有量
グリセリン ５ 質量％
１，３−ブタンジオール ５ 質量％
バクガコンエキス ０．１質量％
大豆蛋白 ０．１質量％
ヘパリン類似物質 ０．１質量％
エタノール ５ 質量％
メチルパラベン ０．１質量％
水 残量

（化粧料３：キメ自動鑑別値３用の化粧料） 含有量
グリセリン ５ 質量％
１，３−ブタンジオール ５ 質量％
バクガコンエキス ０．１質量％
乳酸ナトリウム ０．１質量％
大豆蛋白 ０．１質量％
ヘパリン類似物質 ０．１質量％
エタノール ５ 質量％
メチルパラベン ０．１質量％
水 残量

（化粧料４：キメ自動鑑別値４用の化粧料） 含有量
グリセリン ６ 質量％
１，３−ブタンジオール ５ 質量％
ローズマリーエキス ０．１質量％
バクガコンエキス ０．１質量％
大豆蛋白 ０．１質量％
ステアリルウルソレート ０．１質量％
ヘパリン類似物質 ０．１質量％
エタノール １０ 質量％
メチルパラベン ０．１質量％
水 残量

（化粧料５：キメ自動鑑別値５用の化粧料） 含有量
グリセリン ７ 質量％
１，３−ブタンジオール ５ 質量％
ローズマリーエキス ０．１質量％
バクガコンエキス ０．１質量％
乳酸ナトリウム ０．１質量％
大豆蛋白 ０．１質量％
ステアリルウルソレート ０．１質量％
ヘパリン類似物質 ０．１質量％
エタノール １５ 質量％
メチルパラベン ０．１質量％
水 残量

次に、無作為に選び出した８０名の健常な女性パネラー（年齢３２〜５７歳）を対象に、年齢分布に差がないようにＡとＢの２群に分けた。Ａ群には、実施例２で求めた重回帰式を用いて頬部レプリカ標本よりキメ鑑別値を自動的に算出し、該キメ自動鑑別値１〜５に対応させた化粧料１〜５を渡した。Ｂ群も同様にしてキメ自動鑑別値を算出するが、該キメ自動鑑別値を無視してキメ自動鑑別値５用の化粧料５を渡した。Ａ、Ｂ両群のパネラーに、渡した化粧料を３ヶ月間使用してもらい、使用後に同様にしてキメ自動鑑別値を算出した。「キメ改善値」＝「使用テスト前のキメ自動鑑別値」−「使用後のキメ自動鑑別値」により、キメ改善値を算出して群毎に平均値を求めた。なお、試験期間中に使用した化粧料が「肌に合わない」と被験者から訴えがあった場合は化粧料使用を中断し、評価の対象から除外した。結果を表９に示す。表９より、本発明の化粧料選択法を採用した場合は、肌に合わない人が存せず、且つ、キメ改善効果を有することが分かる。

＜シワ自動鑑別値に基づく化粧料選択法による使用テスト＞
女性被験者を対象に、シワ鑑別値に基づく化粧料選択法の有用性について、化粧料の長期使用テストを行った。
まず、以下に示す処方に基づき、通常の化粧料の調製方法に従い、肌のシワ状態に対応した３種類の化粧料（化粧料１〜３）を調製した。

（化粧料１：シワ自動鑑別値１用の化粧料）
成分 含有量
グリセリン ５ 質量％
１，３−ブタンジオール ５ 質量％
バクガコンエキス ０．１質量％
大豆蛋白 ０．１質量％
ヘパリン類似物質 ０．１質量％
エタノール １０ 質量％
メチルパラベン ０．１質量％
水 残量

（化粧料２：シワ自動鑑別値２用の化粧料） 含有量
グリセリン ５ 質量％
１，３−ブタンジオール ５ 質量％
バクガコンエキス ０．１質量％
乳酸ナトリウム ０．１質量％
大豆蛋白 ０．１質量％
ヘパリン類似物質 ０．１質量％
エタノール １０ 質量％
メチルパラベン ０．１質量％
水 残量

（化粧料３：シワ自動鑑別値３用の化粧料） 含有量
グリセリン ７ 質量％
１，３−ブタンジオール ５ 質量％
ローズマリーエキス ０．１質量％
バクガコンエキス ０．１質量％
乳酸ナトリウム ０．１質量％
大豆蛋白 ０．１質量％
ステアリルウルソレート ０．１質量％
ヘパリン類似物質 ０．１質量％
エタノール １５ 質量％
メチルパラベン ０．１質量％
水 残量

次に、無作為に選び出した７２名の健常な女性パネラー（年齢３０〜５８歳）を対象に、年齢分布に差がないようにＡとＢの２群に分けた。Ａ群には、実施例４で求めた重回帰式を用いて頬部レプリカ標本よりシワ鑑別値を自動的に算出し、該シワ自動鑑別値１〜３に対応させた化粧料１〜３を渡した。Ｂ群も同様にしてシワ自動鑑別値を算出するが、該シワ自動鑑別値を無視してシワ自動鑑別値２用の化粧料２を渡した。Ａ、Ｂ両群のパネラーに、渡した化粧料を６ヶ月間使用してもらい、使用後に同様にしてシワ自動鑑別値を算出した。「シワ改善値」＝「使用テスト前のシワ自動鑑別値」−「使用後のシワ自動鑑別値」により、シワ改善値を算出して群毎に平均値を求めた。結果を表１０に示す。表１０より、本発明の化粧料選択法を採用した場合は、シワ改善効果を有することが分かる。

本発明によって、どこでも容易に、肌のキメ或いはシワを高精度に、且つ迅速に鑑別する技術を提供できる。その結果、例えば、デパートや店頭などで、肌や美容のカウンセリングや化粧品選択に有用な情報を提供できる。

Claims (11)

1. 肌画像に対して十字二値化処理及び／又は短直線マッチング処理を含む画像処理を行い、１０種類以上の皮溝に関する物理量を得る工程と、
   前記工程で得られた物理量を、予め用意した予測式に代入し、得られた評価値を皮膚のキメ及び／又はシワの評価値と鑑別する工程とを含む、肌のキメ及び／又はシワの鑑別法。
2. 前記予測式が、１０種類以上の皮溝に関する物理量とキメ及び／又はシワの目視評価値を多変量解析して得られた式であることを特徴とする、請求項１に記載の肌のキメ及び／又はシワの鑑別法。
3. 前記予測式が、１０種類以上の皮溝に関する物理量を説明変数とし、キメ及び／又はシワの目視評価値を目的変数として、重回帰分析を行って求めた重回帰式である、請求項１または２に記載の肌のキメ及び／又はシワの鑑別法。
4. 前記１０種類以上の皮溝に関する物理量が、皮溝面積、皮溝平均太さ、皮溝太さのバラツキ、皮溝の間隔、皮溝の平行度、皮溝の方向、及び皮溝の密度を含むものである、請求項１〜３のいずれかに記載の肌のキメ及び／又はシワの鑑別法。
5. 前記肌画像が、肌のレプリカ標本を介して得られた肌画像であることを特徴とする、請求項１〜４のいずれかに記載の肌のキメ及び／又はシワの鑑別法。
6. 前記肌画像が、前記レプリカ標本に対して１０〜４０度の角度で光を照射し、この反射光からなる像を撮像した画像であることを特徴とする、請求項５に記載の肌のキメ及び／又はシワの鑑別法。
7. 予め用意した予測式を入力する手段と、
   肌画像を取得する手段と、
   該取得した肌画像から１０種類以上の皮溝に関する物理量を算出する手段と、
   予め用意した予測式と前記算出した物理量から肌のキメ及び／又はシワの評価値を算出する手段と、
   前記算出した評価値を表示する手段、とを含む肌のキメ及び／又はシワの鑑別装置。
8. コンピュータを、
   取得した肌画像から１０種類以上の皮溝に関する物理量を算出する手段と、
   予め用意した予測式と、前記算出された物理量から肌のキメ及び／又はシワの評価値を算出する手段、として機能させる肌の鑑別プログラム。
9. 請求項１〜６のいずれかに記載の鑑別法を用いて肌のキメ及び／又はシワを鑑別する工程、及び
   前記鑑別工程により鑑別された肌のキメ及び／又はシワの評価値に基づき、被験者の皮膚のキメ及び／又はシワの状態が良くないという鑑別結果の場合には、キメ状態の改善やキメ状態の乱れを予防するための成分を含有する皮膚外用剤を選択し、被験者の皮膚のキメ及び／又はシワの状態が良いという鑑別結果の場合には、保湿成分のみを含有する皮膚外用剤を選択する工程、を含む皮膚外用剤の選択方法。
10. 前記皮膚外用剤が化粧料である、請求項９に記載の皮膚外用剤の選択方法。
11. 前記化粧料が、保湿成分、コラーゲン合成促進剤、角質脱離促進剤及びコラーゲン線維束再構築剤からなる群から選択される１種乃至は２種以上を含有する、請求項１０に記載の皮膚外用剤の選択方法。

Images