皮肤表面是人体生理健康状况的一面镜子,如何客观、定量地评价面部皮肤当前的状态一直是医学界和化妆品界关注的问题。本文在现有的理论和文献基础上,研究了一种基于图像纹理统计特征分析的面部皮肤状态检测系统。 本文首先介绍了客观定量评价面部皮肤的状态在医学和皮肤美容中的重要意义。总结了目前国内外的皮肤表面状态检测技术,深入研究了各种纹理的统计特征分析方法,包括空间灰度共生矩阵法、中心矩方法、灰度差分统计分析方法、游程长度法,定性地分析了这几种统计方法中各个特征的实际纹理意义,提出了采用空间灰度共生矩阵法提取皮肤纹理的特征。 然后,本文通过对现有图像预处理方法的实验分析,提出了适合对皮肤图像进行预处理的方法。接着,介绍了神经网络模式识别技术及其目前的研究发展现状,在研究了传统的BP网络算法的基础上,采用了一种改进BP网络算法作为人工神经网络模式识别的分类识别算法。在MATLAB环境下编写了皮肤图像的预处理和特征值提取程序,设计了基于CCD摄像机,图像采集卡和计算机的面部皮肤图像采集系统。 最后在实验部分验证了采用空间灰度共生矩阵法提取皮肤纹理特征的准确性,并利用MATLAB中的神经网络工具箱对BP网络进行了训练和识别。实验的结果证明了本文所提出的基于图像纹理统计特征分析的面部皮肤状态检测系统方案的可行性和理论分析的正确性。