欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024119680621
申请人: 南通大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于计算机视觉技术的皮肤水分分析系统,其特征在于,所述系统包括:

皮肤区域分割模块基于输入的皮肤图像,提取像素的颜色值与亮度值,分析区域边界位置与面积,归纳区域邻接关系,建立区域划分结果,对区域节点水分含量范围标注权重,对节点连接关系进行加权分析,生成皮肤区域加权结构;

水分分布建模模块基于所述皮肤区域加权结构,提取节点间边权重分布值,通过特性差异值与全局特性值的叠加,按分布模式执行水分聚类运算,得到水分分布规律参数,比较区域间水分值的差异性,通过差异性数值分析区域间的对应分布关系,获取水分分布模式模型;

纹理增强优化模块基于所述水分分布模式模型,提取水分密集区域灰度梯度值,按纹理梯度特性调整灰度值,优化区域内像素差异值,执行纹理对比增强,对增强后纹理特征分层细化,生成皮肤纹理增强结构,并对区域特性值进行全局匹配,获取纹理优化特征图;

水分分布分类模块基于所述纹理优化特征图,提取局部区域水分含量值与全局分布特性,按区域水分含量范围划分等级,匹配分布模式特征,按分布等级进行分区域对比,生成皮肤水分分布分类结果。

2.根据权利要求1所述的基于计算机视觉技术的皮肤水分分析系统,其特征在于,所述区域划分结果的获取步骤具体为:基于输入的皮肤图像,提取皮肤图像中每个像素的颜色值与亮度值,对像素的颜色值构建颜色分布矩阵,对亮度值构建亮度分布矩阵,依据颜色分布矩阵与亮度分布矩阵分析颜色与亮度值的整体分布范围,获取颜色与亮度初步分布范围参数;

依据所述颜色与亮度初步分布范围参数,对相邻像素的颜色值和亮度值进行差值分析,基于计算结果设定颜色和亮度差值阈值,对像素点的相邻像素对执行边界分析,采用公式:计算像素点的边界值,将大于阈值的像素点标记为边界点,生成区域边界矩阵;

其中,Bi,j表示像素点的边界值,Ci,j和Ci+1,j分别表示相邻像素点的颜色值,Li,j和Li,j+1分别表示相邻像素点的亮度值,Wc和Wl分别为颜色和亮度的归一化权重系数;

基于所述区域边界矩阵,通过对标记的边界点进行连通性分析,识别并分割区域,统计分割区域的面积,根据分割结果计算每个区域的形状参数,分析区域之间的邻接关系,建立区域划分结果。

3.根据权利要求2所述的基于计算机视觉技术的皮肤水分分析系统,其特征在于,所述皮肤区域加权结构的获取步骤具体为:基于所述区域划分结果,进行区域节点范围提取,并提取区域中节点的水分含量数据,分析上下限值,过滤异常数据,修正边缘节点水分数据,得到区域节点水分含量范围表;

基于所述区域节点水分含量范围表,进行节点水分含量上下限值归一化变换,调整归一化权重,优化权重平衡性,重新校正权重数值,获取区域节点加权表;

基于所述区域节点加权表,分析节点连接关系,计算节点间几何距离和水分含量归一化权重差值,修正权重矩阵,整合节点信息与权重矩阵,生成皮肤区域加权结构。

4.根据权利要求3所述的基于计算机视觉技术的皮肤水分分析系统,其特征在于,所述水分分布规律参数的获取步骤具体为:基于所述皮肤区域加权结构,提取每个节点间的边权重值,通过计算节点间的局部特性差异值,并叠加全局特性值,对边的权重值进行初步归纳,结合节点间边权重值分布特征与归纳结果,得到加权节点分布矩阵;

利用所述加权节点分布矩阵中记录的权重参数,执行特性差异值与全局特性值的量化分析,采用公式:获取特性分布差异矩阵;

其中,Tk表示特性分布差异值,Wa和Wb分别表示局部与全局的权重值,Dk为局部特性值,Ga为全局特性值,n和m分别为局部和全局特性的总数;

基于所述特性分布差异矩阵,通过分析节点间的加权权重,对节点进行聚类运算,按节点聚类模式划分水分区域特性,提取节点分布规律与区域特性关系,获取水分分布规律参数。

5.根据权利要求4所述的基于计算机视觉技术的皮肤水分分析系统,其特征在于,所述水分分布模式模型的获取步骤具体为:基于所述水分分布规律参数,进行区域内节点水分含量值提取,按区域分组节点数据,拟合水分值分布规律,生成区域水分分布统计表;

基于所述区域水分分布统计表,进行区域水分分布统计参数比较,分析区域间水分分布形态偏差,整合区域间关联模式,获取区域水分分布差异关系数据;

基于所述区域水分分布差异关系数据,进行区域间水分分布差异值与关联性参数提取,归集参数至统一模型,映射区域差异值为参数曲线,整合水分分布参数,获取水分分布模式模型。

6.根据权利要求5所述的基于计算机视觉技术的皮肤水分分析系统,其特征在于,所述皮肤纹理增强结构的获取步骤具体为:基于所述水分分布模式模型,提取水分密集区域中像素灰度值,计算灰度梯度值,按区域整体灰度分布设定梯度差异阈值,生成灰度梯度分布矩阵;

利用所述灰度梯度分布矩阵中的区域灰度梯度值,通过纹理特性调整灰度值,结合区域灰度分布和纹理梯度特性权重,优化灰度差异值,采用公式:生成优化后的灰度值;

其中,Gt为优化后的灰度值,Hx和Hy为水平与垂直方向的灰度差异值,Wg和Sg分别为水平与垂直方向的特性权重参数,Pt为梯度分布特性值,k为纹理增强调整系数,Eg为纹理特性分布权重;

调用所述优化后的灰度值,对纹理特征进行分析,通过优化纹理梯度后的灰度差异值按特性分层细化纹理分层特性,对分层特性进行叠加,并根据纹理增强规则调整分层梯度,生成皮肤纹理增强结构。

7.根据权利要求6所述的基于计算机视觉技术的皮肤水分分析系统,其特征在于,所述纹理优化特征图的获取步骤具体为:基于所述皮肤纹理增强结构,将区域按照纹理分布特点进行分区,通过检测区域纹理的方向变化进行分割,并依据纹理间的密集程度提取特性,进行纹理特性数据化重组,生成区域特性值矩阵;

基于所述区域特性值矩阵,进行相邻区域特性逐项比对,提取区域特性差异局部值,调整邻接区域特性分布,进行区域特性数据整体平滑处理,生成全局匹配特性值矩阵;

基于所述全局匹配特性值矩阵,进行区域纹理特性权重重新分配,调整特性值分布模式相邻单元值,进行全局纹理特性优化重构,获取纹理优化特征图。

8.根据权利要求7所述的基于计算机视觉技术的皮肤水分分析系统,其特征在于,所述皮肤水分分布分类结果的获取步骤具体为:提取所述纹理优化特征图中局部区域的水分含量值和全局分布特性,结合水分含量值与局部区域坐标参数进行匹配,生成局部区域水分含量均值与全局水分分布特性;

对所述局部区域水分含量均值与全局水分分布特性进行分类匹配,依据局部区域水分含量均值与全局分布特性参数间的差异性进行分类,采用公式:计算局部区域与全局水分分布的差异性权重,生成水分分布等级;

其中,Wd表示局部区域与全局水分分布的差异性权重,Mr表示局部区域水分含量均值,Cg表示全局水分分布特性参数,Qt为匹配权重系数,Lu为局部区域位置的方差参数;

调用所述水分分布等级,按等级对局部区域水分分布模式进行分类对比,匹配区域间水分含量与分布特性的一致性权重,生成皮肤水分分布分类结果。