基于多光譜成像技術(shù)的面部痤瘡識別研究

孫哲，任玉，蔡紅星，周建偉，蔣雨鵬

(長春理工大學(xué)物理學(xué)院 吉林省光譜探測科學(xué)與技術(shù)重點(diǎn)實驗室,吉林 長春 130022)

1 引言

痤瘡是一種尋常型慢性皮膚疾病，通常伴有皮脂分泌過盛，濾泡表皮過度增生、炎癥等問題，有時還會有疤痕的出現(xiàn)[1]。而痤瘡的形成由多種原因?qū)е?，包括遺傳、皮脂腺活動、細(xì)菌、皮膚狀況、壓力、食用不健康的食物、藥物等[2]。我國臨床上根據(jù)皮損性質(zhì)和嚴(yán)重程度將痤瘡分為三度四級[3]：1、輕度(Ⅰ級)：僅有粉刺；2、中度(Ⅱ級)：炎性丘疹；3、中度(Ⅲ級)：膿皰；4、重度(Ⅳ級)：結(jié)節(jié)、囊腫。目前，常見的痤瘡識別大多依賴于主觀觀測，多數(shù)患者通過臨床醫(yī)師的視覺診斷、進(jìn)行計算和標(biāo)記臉上的痤瘡[4]，這種觀察方法只能獲取不準(zhǔn)確的痤瘡數(shù)量，且需要大量的時間和精力。市面上另一種痤瘡識別方法是用傳統(tǒng)的RGB相機(jī)來實現(xiàn)[5]，但由于其色彩的還原度較差，存在較大的識別誤差。

為了解決這一問題，多光譜成像技術(shù)由于獲取圖像精度高，包含信息多等優(yōu)點(diǎn)被應(yīng)用到此領(lǐng)域，科研工作者對相關(guān)內(nèi)容進(jìn)行了大量研究[6-9]。郭長青[6]等人設(shè)計了一套多光譜成像系統(tǒng)，采集了人體皮膚和生活中常見物品的多光譜圖像，并利用SVM分類器進(jìn)行皮膚檢測，實現(xiàn)了皮膚與其他類似目標(biāo)的區(qū)分。萬友銘[7]等人設(shè)計了一套膚質(zhì)測評系統(tǒng)，利用多光譜光源，對目標(biāo)皮膚區(qū)域進(jìn)行圖像采集。通過相應(yīng)算法對皮膚圖像進(jìn)行處理，評估皮膚的異常。Shen[8]等人基于卷積神經(jīng)網(wǎng)絡(luò)開發(fā)了面部痤瘡的自動診斷方法，對采集的多光譜圖像進(jìn)行特征提取，并使用二分類器對人臉面部皮膚和痤瘡進(jìn)行識別。Johnson[9]等人研發(fā)出了Skin Scanner for Neutrogena膚質(zhì)識別系統(tǒng)(簡稱為SSN系統(tǒng))，可實現(xiàn)對人體皮膚水分、紋理、色斑等識別，但是SSN系統(tǒng)無法獨(dú)立運(yùn)行，必須和手機(jī)一起配合使用。

綜上所述，目前通過光學(xué)法對皮膚識別的研究有了一些實驗基礎(chǔ)。為了使痤瘡識別系統(tǒng)民用化，本論文提出了一種基于多光譜成像技術(shù)的面部痤瘡無創(chuàng)識別系統(tǒng)，搭建了一套基于多光譜相機(jī)的實驗裝置，即結(jié)合光照條件和多光譜相機(jī)記錄不同嚴(yán)重程度痤瘡患者的多光譜圖像信息，對采集到的圖像目標(biāo)區(qū)域進(jìn)行標(biāo)定；并根據(jù)人體皮膚獨(dú)特的生理特征和光學(xué)特性，得出皮膚的光譜響應(yīng)函數(shù)；建立SVM痤瘡樣本分類模型，根據(jù)四個等級痤瘡嚴(yán)重程度的光譜曲線差異性，有效實現(xiàn)痤瘡三度四級分類，證實了研制的面部痤瘡識別系統(tǒng)無創(chuàng)探測性和進(jìn)行嚴(yán)重程度分類的可行性。

2 理論部分

2.1 皮膚的光學(xué)特性

人類皮膚由表皮、真皮和皮下組織組成，厚度各不相同。表皮屬于皮膚最外層的淺層結(jié)構(gòu),厚度約為0.5 mm[10]。真皮位于表皮之下,厚度約為1～2 mm，皮下組織位于真皮下層，含有脂肪、動脈等。當(dāng)光束輻照到皮膚表面時，一部分光會反射出皮膚表面；另一部分光會進(jìn)入皮膚表皮和真皮,被皮膚組織和細(xì)胞反復(fù)吸收、散射，最終返出皮膚表面進(jìn)入空氣中[11]，這一部分光稱為漫反射光，它攜帶了皮膚內(nèi)部組織結(jié)構(gòu)的信息。當(dāng)這部分光被多光譜相機(jī)接收到，并最終反演出光譜信息，可以用來分析皮膚內(nèi)部的狀態(tài)，物理過程如圖1所示。

圖1 光在皮膚中傳輸?shù)奈锢磉^程

經(jīng)由皮膚組織和細(xì)胞溢出的漫反射光可以用Kubelka-Munk函數(shù)進(jìn)行定量分析，其表達(dá)式為：

(1)

(2)

在漫反射分析中，R∞與樣品中的組分濃度不成線性關(guān)系,反射吸光度是與組分含量成線性關(guān)系的反射函數(shù)。

漫反射吸光度A表達(dá)式為[12]：

(3)

通過獲得的漫反射光譜轉(zhuǎn)化為吸光度可與物質(zhì)的成分建立關(guān)聯(lián)。

皮膚的吸光度等光譜特性與皮膚的生理結(jié)構(gòu)有著重要的關(guān)系[13]。由于皮膚在多光譜成像下的反射率譜特征表現(xiàn)獨(dú)特，所以能區(qū)分正常皮膚和痤瘡皮膚等相似的目標(biāo)。為了更精確獲取皮膚的光譜特性,使用光譜儀等相關(guān)設(shè)備在同等實驗條件下進(jìn)行測量，最終與多光譜相機(jī)反演譜線的趨勢進(jìn)行對比分析。

2.2 痤瘡的物質(zhì)特性

痤瘡患者面部患處部位是由痤瘡丙酸桿菌物質(zhì)產(chǎn)生，成份為卟啉類衍生物[14]。卟啉這一物質(zhì)對光的吸收有直接關(guān)系。研究發(fā)現(xiàn)卟啉是痤瘡發(fā)生的直接原因[15]，它是一種大分子雜環(huán)化合物，分子式為C84H90N8O12S4。生物分子的光譜通常是由許多譜帶疊加的結(jié)果，主要與C—H，O—H，N—H 等含氫基團(tuán)的倍頻和合頻吸收疊加而成[16]。這一物質(zhì)中所含的C—H 和O—H 化學(xué)鍵對光有較強(qiáng)的吸收，其衍生物也具有特征的紫外-可見吸收光譜，主要包括Soret帶和Q帶[17]，Soret帶在420 nm左右，Q帶在500～700 nm之間，存在四個吸收峰，分別為523.2 nm，563.6 nm，597.4 nm和656.6 nm[18]。利用高精度光譜儀測得正常皮膚與卟啉類衍生物光譜曲線如圖2所示，其中圖2(a)為正常皮膚，圖2(b)(c)(d)(e)為帶有卟啉類衍生物的不同嚴(yán)重程度痤瘡皮膚，從圖中可以看出(a)與(b)(c)(d)(e)的譜線線型存在差異，表現(xiàn)為(b)(c)(d)(e)在535 nm和575 nm處出現(xiàn)較為明顯的吸收峰。

圖2 正常與痤瘡皮膚的精準(zhǔn)反射率曲線

2.3 面部痤瘡的SVM分類模型構(gòu)建

本文采用SVM的方法，進(jìn)行面部正常與不同嚴(yán)重程度痤瘡皮膚的分類。SVM方法可解決有限小樣本的分類問題[19]。支持向量機(jī)是在樣本數(shù)據(jù)中尋找最優(yōu)分類曲面從而將各類樣本準(zhǔn)確的分開，分類曲面可以更好地分離不同類別的樣本數(shù)據(jù)，使樣本和分類曲面之間的距離縮到最小，從而保證分類識別的準(zhǔn)確性，降低錯分樣品的概率，實現(xiàn)樣本數(shù)據(jù)的分類。

SVM的數(shù)據(jù)樣本為x1,x2,x3……xn，分類超平面表達(dá)式寫為

wT+b=0

(4)

其中，x為支持向量即落在分類面上的數(shù)據(jù)量，w為垂直于分類面的向量，b為位移量。

基于結(jié)構(gòu)風(fēng)險最小化的條件，平行超平面要將類別正確分開且它們之間的距離要達(dá)到最大，以確保找到的平行超平面的經(jīng)驗風(fēng)險最小，并且對樣本的錯分概率小。所以平行超平面可以表示為：

wTx+b=1

(5)

wT+b=-1

(6)

f(x)=sgn{(wT·x)+b}

(7)

3 實驗過程

3.1 受試對象

實驗樣本選自長春市美容整形醫(yī)院的100例痤瘡患者，按嚴(yán)重程度分為4個小組，每組中20人作為樣本集數(shù)據(jù)，5人作為訓(xùn)練集數(shù)據(jù)，以其正常皮膚部位和痤瘡皮膚部位作為研究對象。被試皮膚應(yīng)保持清潔、素顏，不得使用化妝品，以免影響實驗結(jié)果。

3.2 檢測環(huán)境

本實驗在室溫(25±1)℃，相對濕度25%，除輻照光源外的標(biāo)準(zhǔn)光學(xué)暗室中進(jìn)行。

3.3 實驗過程

實驗裝置包括：溴鎢燈(LSP-T50型)、多光譜相機(jī)、光纖、相機(jī)三維旋轉(zhuǎn)平臺、固定架、光學(xué)實驗平臺等配套設(shè)施。本實驗使用的多光譜相機(jī)如圖3所示，為吉林求是光譜數(shù)據(jù)科技有限公司自主研制。

圖3 多光譜相機(jī)示意圖

此款多光譜相機(jī)可輸出、探測物質(zhì)的光譜信息和多光譜圖像信息，其體積小、成本低廉、能量利用率高，在成像和物質(zhì)識別方面相較于其它光譜探測設(shè)備有明顯的優(yōu)勢。多光譜相機(jī)的具體測試參數(shù)如表1。

表1 多光譜相機(jī)的測試參數(shù)

溴鎢燈開啟后，需靜置10分鐘以上，目的是為了等待其發(fā)光穩(wěn)定。將多光譜相機(jī)置于光學(xué)平臺上固定，通過USB數(shù)據(jù)線與PC端連接；調(diào)整多光譜相機(jī)與樣本的距離，打開相機(jī)靜置待穩(wěn)定后，調(diào)試焦距使成像清晰。受試者在檢測環(huán)境中接受面部正常與痤瘡部位多光譜圖像的采集，如圖4所示。

圖4 多光譜相機(jī)實驗系統(tǒng)圖

4 結(jié)果分析

4.1 圖像處理和多光譜信息分析

利用多光譜相機(jī)拍攝樣本皮膚的多光譜圖像，如圖5(a)與6(a)所示。

為了實現(xiàn)對目標(biāo)區(qū)域的識別，需要對多光譜圖像進(jìn)行算法處理。本文采用圖像二值化[20]方法對采集的信息進(jìn)行圖像處理，其作用是便于識別圖像中包含的痤瘡信息，且此方法可加快識別效率。將兩組痤瘡樣本的多光譜圖像進(jìn)行二值化處理，結(jié)果如圖5(b)、圖6(b)所示：

圖5 痤瘡樣本一多光譜圖像(a)與二值化處理圖像(b)

圖6 痤瘡樣本二多光譜圖像(a)與二值化處理圖像(b)

經(jīng)二值化處理后的多光譜圖像，可以清楚的辨析出痤瘡部位與正常部位。圖5(b)與6(b)白色區(qū)域為臉部區(qū)域，黑色的點(diǎn)代表痤瘡區(qū)域。且這些黑點(diǎn)可以與采集到的多光譜圖像上痤瘡的位置、數(shù)量一一對應(yīng)。白色區(qū)域并沒有發(fā)現(xiàn)存在黑色的點(diǎn)，這說明對正常皮膚的判斷是準(zhǔn)確的，并不會出現(xiàn)識別失誤的狀況。

接下來使用Matlab軟件對多光譜圖像進(jìn)行特征提取，反演出單像素點(diǎn)下的光譜曲線，光譜特征數(shù)據(jù)采集界面如7所示。

圖7 特征提取軟件頁面

每個像素點(diǎn)可在400～800 nm范圍內(nèi)提取8通道光譜數(shù)據(jù)。圖8為正常皮膚和四個等級痤瘡皮膚反演出的光譜曲線。

圖8 單像素點(diǎn)光譜曲線

將圖8多光譜相機(jī)的反演光譜曲線結(jié)果與圖2高精度光譜儀測得結(jié)果對比可知，400 nm～800 nm波段范圍內(nèi)正常和痤瘡皮膚的光譜曲線在趨勢上完全相同。多光譜相機(jī)反演出的痤瘡皮膚光譜同樣在500 nm～600 nm這個波段內(nèi)存在特征峰，且問題皮膚與正常皮膚的譜線線型存在差異。同時可以看出相同嚴(yán)重程度皮膚反射率譜線在變化趨勢上完全一致，不同嚴(yán)重程度的痤瘡皮膚光譜強(qiáng)度存在差異，圖8中(a)-(j)依次為正常皮膚-痤瘡重度四級的光譜反演曲線，由此可實現(xiàn)多光譜相機(jī)反演光譜在痤瘡嚴(yán)重程度上的分類效果。原因在于作為樣本的痤瘡患者的患處嚴(yán)重程度不同，對光的吸收不同，因此造成了譜線強(qiáng)度的差異。

4.2 面部痤瘡的SVM分類結(jié)果分析

在建立模型前，通過隨機(jī)法對兩個樣本集按4∶1的比例劃分訓(xùn)練集和測試集，其中訓(xùn)練集有80個，測試集有20個。在Matlab中調(diào)用libsvm軟件包中函數(shù)svmtrain和svmpredict對光譜原始數(shù)據(jù)集建立SVM分類模型，預(yù)測結(jié)果如圖9所示。

圖9 面部痤瘡的分類結(jié)果

其中樣本類別中“1”為正常皮膚，“2”為輕度Ⅰ級皮膚，“3”為中度Ⅱ級皮膚，“4”為中度Ⅲ級皮膚，“5”為重度Ⅳ級皮膚。分類的總準(zhǔn)確率為90%，“3”(中度Ⅱ級)的準(zhǔn)確率為75%，“4”(中度Ⅲ級)的準(zhǔn)確率為75%，“1”(正常皮膚)、“2”(輕度Ⅰ級)和“5”(重度Ⅳ級)的準(zhǔn)確率均為100%，具體結(jié)果如表2。

表2 面部痤瘡的分類結(jié)果

由于中度Ⅱ級和中度Ⅲ級痤瘡的形態(tài)相似，所以在分類鑒別時存在一定的誤差，識別正確率為75%，而正常皮膚、輕度Ⅰ級和重度Ⅳ級痤瘡的特征明顯，識別準(zhǔn)確都為100%，平均識別正確率為90%。

5 結(jié)論

本文提出了一種基于多光譜成像技術(shù)識別痤瘡的方法，并利用多光譜相機(jī)對此種方法進(jìn)行實驗驗證。結(jié)果表明，基于此項技術(shù)的圖像與光譜分析均能對痤瘡進(jìn)行有效識別分類，并且反演出的光譜信息與高精度光譜儀的反射率譜線趨勢一致，而根據(jù)建立的SVM痤瘡分類模型可實現(xiàn)較高的準(zhǔn)確率，證實了基于多光譜技術(shù)進(jìn)行痤瘡識別的可行性，這種基于多光譜技術(shù)識別皮膚問題的方法在未來具有廣闊的應(yīng)用前景。