皮肤的好坏不仅反映人体的生理健康状况,更重要的是它影响着一个人的外在形象,决定着人们的第一印象。因此,医学界以及护肤品销售商一直在致力于研究如何定量、客观的描述皮肤表面的状态。通过学习研讨相关知识的概念公式以及借鉴前人的经验,构建了一个完整的检测系统,用于评价皮肤粗糙度水平,重点在于研究图像纹理特征的统计分析法。文中开篇介绍了皮肤纹理的具体物理特征,皮肤变得粗糙后纹理特征发生的相应改变。从若能够有效的检测皮肤粗糙度会给医师带来的诸多便利,以及为护肤专家提供了客观的第一于的数据等方面,阐明了该项工作的意义。介绍了传统的和目前较为先进的检测手段,论述了不同方法在检测过程中的优势和弊端。分析了图像增强的多种方式,并进行了实验,对结果进行了分析对比,提出了用Gabor滤波对图像预处理来去除皮肤图像噪声,使纹理图像更适合于接下来的特征提取操作。下面就是纹理特征提取算法的学习,重点是对灰度共生矩阵算法和局部二值模式算法进行了深入的学习研究,并从算法的不足之处入手,考虑到局部二值模式法的优势,提出了采用将局部二值模式法与空间灰度共生矩阵法相结合的方法来提取皮肤纹理特征,即先利用均匀旋转不变的LBP算子对图像进行运算得到LBP图像,进而通过计算矩阵的多个特征统计量来反映皮肤纹理的特征,并与对图像直接求其灰度共生矩阵在实验效率以及后续分类的准确性上进行对比。然后,介绍了神经网络模式识别技术及目前的研究发展现状,在对传统的BP网络算法研究的基础上,采用了一种改进的BP网络算法作为分类识别算法。在MATLAB环境下编写了皮肤图像的预处理程序和特征提取程序,设计了基于便携式数码显微镜和计算机的手部皮肤图像采集系统。通过真实皮肤图像的测验,证明了利用局部二值模式法和灰度共生矩阵法相融合的方法提取的特征量是可靠的,在分类上是正确的且高效的。由此可以知,文中提出的关于皮肤粗糙度的检测系统在理论上是没有漏洞的,在实际操作中是可以投入使用的。