皮肤检测核心技术.docx
《皮肤检测核心技术.docx》由会员分享，可在线阅读，更多相关《皮肤检测核心技术.docx（18页珍藏版）》请在冰豆网上搜索。
皮肤检测核心技术
皮肤检测技术
第一节皮肤检测技术有关理论
一、肤色检测技术
肤色检测技术是指在图像中选用相应于人体皮肤像素区域过程。
广泛应用于人脸检测与辨认、人脸追踪、面部表情辨认、手势辨认、互联网色情图像过滤以及基于内容图像检索等。
除此之外，肤色检测技术也可以应用于涉及视频监控与检索、皮肤疾病诊断、化妆品效果分析等寻常生活领域。
由此可见肤色检测技术在理论研究和实际应用中都具备极为重要研究价值和意义。
皮肤检测技术在如下领域扮演着非常重要角色：
（1）人脸检测
该问题最初作为自动人脸辨认系统定位环节被提出，近年来由于其在安全访问控制、视觉监测、基于内容检索和新一代人机交互界面等领域应用价值，开始作为一种独立课题受到研究者普遍注重。
随着电子商务等应用发展，人脸辨认由于其非接触性特点而成为最有潜力生物身份验证手段，这种应用背景规定自动人脸辨认系统可以对普通环境图像具备一定适应能力，由此所面临一系列问题使得人脸检测开始作为一种独立课题受到研究者注重。
今天，人脸检测应用背景己经远远超过了人脸辨认系统范畴，在基于内容检索、数字视频解决、视觉检测等方面均有着重要应用价值。
（2）人脸追踪
随着多媒体通信技术不断发展，各种基于通信新技术视频产品已经走进了人们寻常生活，不但给人们带来了来极大以便，还增添了不少乐趣。
其中人脸追踪技术就被广泛应用于个人通信、交互娱乐、视讯监控、人机交互等领域。
例如将人脸辨认与追踪技术应用于数码相机中，可以精确迅速地定位相机取景器中人脸，从而实现对人脸迅速对焦，拍出清晰人像。
该技术通过对摄像头捕获到人脸图像进行持续跟踪与验证，不断进行人脸区域精确性校正，从而实现对人脸精准定位与比对。
这一技术成功也是基于对皮肤检测应用。
（3）面部表情辨认
面部表情辨认系统就是对人脸表情信息进行特性提取和分析，按照人结识和思维方式加以归类和理解，运用人类所具备情感信息方面先验知识使计算机进行联想、思考及推理，进而从人脸信息中去分析理解人情绪，如高兴、惊奇、愤怒、恐惊、厌恶、悲哀等。
系统普通以程序块序列构造表达，这与典型模式辨认模型一致。
重要块涉及：
图像获得、预解决、特性提取、分类和后续解决。
皮肤检测在面部表情辨认预解决阶段和特性提取阶段都起着核心作用。
（4）手势辨认
手势是一种自然、直观、易于学习人机交互手段。
手势辨认作为手势输入先前条件，是实现自然、直接人机交互不可缺少核心技术。
当前手势辨认技术重要分为基于数据手套和基于视觉两种，这两种办法各有自己长处，也都获得了某些研究成果，但都还不成熟，手势输入作为一种自然、丰富、直接交互手段在人机交互技术中占有重要地位，手势辨认与皮肤辨认技术紧密有关。
（5）实时敏感图像过滤
该技术研究方向具备重大应用价值，对网络视觉信息过滤和净化有较好应用前景。
随着着网络普及，网络安全日益成为关系到国家与社会安全一种重要内容，对网络信息进行必要技术监测和过滤，能有效地打击网络犯罪。
互联网上色情图像传播愈演愈烈，难以用人工进行有效控制，不法分子常以篡改其她网站主页或使用隐蔽代名词方式来传播色情图像。
因而，必要引入计算机视觉和图像辨认技术，对嵌入在主页中图像进行分析。
色情图像在内容上差别很大，但是它们共同点是：
包括了大量裸露皮肤区域。
因此，敏感图像检测问题又归结到了皮肤检测问题。
人脸辨认和敏感图像过滤等技术都必要解决一种基本问题：
如何把图像精准地划分为皮肤和背景两类。
而分类精准与否直接影响到下一步解决，如图像分割、形状判断等。
因而，一种精准检测皮肤办法具备非常重要研究价值。
但另一方面，精准检测皮肤是非常困难，例如，人种肤色差别、有色灯光、阴影，以及强光照射、摄像机色偏等都影响对皮肤对的辨认。
特别是在复杂光照状况下，肤色检测更加具备挑战性。
二、国内外研究现状
肤色检测是一种模式辨认问题，其模式分为皮肤像素和非皮肤像素。
它是所有基于肤色应用要解决第一种环节，它任务是一方面对输入图像进行分割，即把整幅图像分割成两某些：
一某些为肤色区域，另一某些为非肤色区域。
1.其评价原则重要有如下4点：
（1）检测率：
被对的检测到皮肤像素数与原图像内包括肤色像素数比值。
检测率越高，阐明检测系统对皮肤接受能力越强。
（2）误检率：
被误检为肤色非肤色像素数与原图像内被检测所有非肤色像素数比值。
（3）检测速度：
大某些应用领域需要在线实时地检测出肤色，如人脸辨认，人脸跟踪，视频监控，Web敏感图像过滤等。
在检测率和误检率达到满意前提下，检测速度越快越好。
（4）鲁棒性：
在各种条件下，检测系统适应能力。
有些检测办法受复杂背景或者复杂光照干扰，在背景较简朴或正常光照时效果好，反之较差。
肤色检测技术发展经历了三个时期：
即七十年代初期研究时期，当时只采用了简朴特性技术。
70到90年代迷茫时期，由于硬件技术等各方面问题存在，研究浮现了停滞不前局面。
90年代以来，由于社会经济发展，身份验证需要急剧增长，使得与生物辨认技术有关肤色检测技术也得到了前所未关于注高速发展阶段。
当前，依照有无涉及成像过程，可以将肤色检测办法提成两种基本类型：
基于物理办法和基于记录办法。
基于物理办法则在肤色检测中引入光照与皮肤间互相作用，通过研究肤色反射模型和光谱特性进行肤色检测。
基于记录肤色检测通过建立肤色记录模型进行肤色检测，重要涉及两个环节：
颜色空间变换和肤色建模。
2.颜色空间选取
在不同颜色空间中肤色聚类状况是不同样，而肤色与非肤色易分离度也是不相似，与否存在一种最优颜色空间，如何找到这样颜色空间，大量研究者为此付出了心血。
惯用颜色空间涉及RGB、Nrgb、TSL、HSV、HSL、HS、YIQ、YUV、YES、YCbCr、CIELab、CIELuv等。
TerrillonJC等在9种颜色空间（TSL，NCCrgb，CIExy，CIESH，HSV，YIQ，YES，CIELuv，CIELab）上比较了运用单一高斯模型与混合高斯模型进行肤色检测效果，她们发现运用单一高斯模型在亮度归一化后r-g和TSL空间中检测效果最佳，要优于更复杂混合高斯模型，而混合高斯模型可以提高未归一化颜色空间上检测效果。
随后，Terrillon等发当前NCCrgb和CIExyz颜色空间中最适合于进行肤色分割，肤色在这两个颜色空间中分布范畴最小，并且最适合采用单高斯模型来拟和。
Zarit等在CIELab，FleckHS，HSV，归一化RGB，YcrCb五种颜色空间上，分别采用查表法与Bayes决策法来检测，并对检测效果进行了比较，发当前使用查表法时，在HSV和FleckHS空间上检测成果要优于其她三种颜色空间，而使用Bayes法时，颜色空间选取对最后成果影响有限。
Fang比较了肤色在八个空间（RGB、XYZ、YIQ、YUV、HSV、HIS、Luv和Lab）上分布和分类状况发现无论是肤色汇集性还是肤色、非肤色样本可分性，YUV和YIQ都是各个色彩空间中最佳。
Jone和Rehg以为尽管可以采用诸如YUV、HSV等色彩空间对肤色进行建模，但RGB颜色空间依然为表述像素色彩信息原则空间。
从这些研究中不难发现某些成果是矛盾，人们并没有在有效颜色空间上达到一致观点。
但有一种成果是统一，就是肤色在任何空间中都具备汇集特性，不同只是汇集限度。
3.肤色建模
肤色模型是在一定颜色空间描述肤色分布规律数学模型。
模型中颜色特性数学表达涉及到诸多问题。
一方面要选取适当颜色空间来描述颜色特性；另一方面要采用一定量化办法将颜色特性表达为向量形式；最后还要定义一种相似度（距离）原则用来衡量图像之间在颜色上相似性。
依照对成像条件理解，肤色模型可分为基于物理模型和基于记录模型，而记录模型则可进一步分为：
参数、非参数和半参数三种类型。
参数模型具备一种明确函数形式，可以通过调节其可调参数来得到与样本数据集相适应模型，而非参数模型没有任何特定形式。
半参数模型普通指神经网络，它们具备相似函数形式，却有不同数目隐式可调参数。
最简朴非参数模型是阈值边界模型，由一组阈值规则构成，合用于对肤色分类精度规定低，光照条件比较稳定场合，其重要困难是拟定适当颜色空间及良好决策规则。
与此相反，基于归一化直方图查找表是最精准模型，它每个柄直接存储了肤色概率，可以精细地描述肤色分布概率密度而不论分布内在复杂性，并隐含了分布多模式复杂特性。
非参数模型具备分类速度快明显优势，不能进行内插和数据归纳是其重要缺陷。
参数模型不同于非参数模型，她提供了一种肤色分布非常简洁而明确表达，具备低空间复杂性以及相对少训练集优势，可以通过内插来推广不完全训练数据，单模式高斯模型、高斯混合模型和椭圆模型是三种惯用参数模型。
但是，参数模型拟合优度和性能很大限度上依赖相应颜色空间肤色分布形状。
以神经网络为代表半参数模型同步满足了模型精度与存储空间折中需求，兼具参数模型和非参数模型长处，占据空间小，模型精度高，运营速度较快，其中以多层感知机和自适应组织映射网络应用最为广泛。
神经网络模型本质上是一种矢量量化手段，但是，其决策规则也隐含在网络构造中，网络神经元数目拟定也需要一定经验。
基于物理模型是从皮肤光学特性出发，结合已知照明条件以及照相机特性，预计肤色也许分布范畴，试图实现肤色光照不变性。
Angclopoulou简介了皮肤生理构造以及皮肤反射物理性质，分析了皮肤反射属性与皮肤表皮中黑色素关系。
作者以为最佳皮肤反射模型是高斯及其一阶导数线性组合。
Storring等依照漫反射模型、相机参数和光源光谱为皮肤建立模型，并研究了皮肤图像生成过程。
依照光源色温对皮肤影响自适应地分割皮肤。
Andersen等假定皮肤颜色RGB值位于漫反射矢量张成空间中，并给出一种新肤色建模办法。
当前，研究重要办法集中在基于记录方面，由于人皮肤颜色特性具备相对稳定性并且和大多数背景物体颜色相区别，对于旋转、表情等变化状况都能合用。
肤色是人类对图像中皮肤区域最直观感知特性。
“皮肤颜色”不但是物体物理特性，更是一种感知现象，并且颜色信息可以进行迅速解决。
三、皮肤检测技术有关理论
1.人体皮肤构成
皮肤覆盖于体表，具备保护机体、调节体温、分泌排泄和感受刺激等功能。
人体皮肤普通由三个某些构成，即：
表皮、真皮、皮下组织，总厚度约为1.55mm。
常用光在皮肤表皮层中被黑色素吸取，在皮肤真皮层中则同步发生吸取和散射。
无光泽人体皮肤重要肤色普通受到三个不同颜色因素影响：
皮肤表皮细胞中黑色素、真皮及皮下组织中胡萝卜素以及真皮中毛细血管。
而不同个体肤色在亮度上差别性重要是由黑色素浓度引起。
在惯用基于记录办法肤色检测与分割技术中，不同光照效果会对检测成果导致很大影响，甚至导致肤色分割失败，因而考虑影响个体肤色差别性因素，综合电磁辐射与皮肤互相物理作用肤色检测技术称为基于物理肤色检测技术。
该技术不在这里讨论范畴内。
但这里研究了从光照补偿以及颜色校正出发解决光照条件对成像颜色校正问题。
2.数字图像
所谓数字图像，是把画面分割成若干小点，称之为像素点，各像素灰度值也是用离散数值即整数来表达。
数字图像包括固定像素行数与列数，像素就像小方块，其数值范畴普通在0到255之间，像素值表达图像上各点亮度。
0表达最暗、255表达最亮，或者反过来255表达最暗、0表达最亮，这与编码方案不同关于。
图像数字化方式可以分为均匀采样、量化和非均匀采样、量化。
所谓“均匀”指是采样、量化为等间隔。
图像数字化普通采用均匀采样和均匀量化方式，采用非均匀采样与量化，会使问题复杂化，因而很少采用。
普通来说，采样间隔越大，所得图像像素数越少，空间辨别率越低，成像质量就差，严重时浮现像素呈块状棋盘效应；采样间隔越小，所得图像像素数越多，空间辨别率高，图像质量好，但同步数据量也会较大。
量化级数越多，所得图像层次越丰富，灰度辨别率高，图像质量好，同步数据量也比较大；量化级别越少，图像层次欠丰富，灰度辨别率低，会浮现假轮廓现象，图像质量变差，但数据量小。
因此应当依照实际应用选用不同采样间隔和量化级数。
特别是在这里关于综合颜色信息和纹理信息皮肤检测办法中，就必要对图像灰度级数进行预解决以减少计算量。
3.计算机视觉
人可以通过视觉、听觉、语言与外界互换信息，并且可用不同方式表达相似含义，而计算机却规定严格按照各种程序语言来编写程序，只有这样计算机才干运营。
如何让计算机来适应人习惯和规定，以人所习惯方式与人进行信息互换，也就是让计算机具备视觉、听觉和说话等能力。
这就需要计算机必要具备逻辑推理和决策能力。
计算机视觉就是用各种成像系统代替视觉器官作为视觉信息输入手段，由计算机来代替大脑完毕解决和解释，并依照解释成果做出相应决策。
计算机视觉最后研究目的就是使计算机能像人那样通过对视觉信息解决来观测和理解世界，从而对外界事物做出反映。
在皮肤检测中也同样会遇到相应问题，即从一幅图像描述中如何抽取出可以适应各种光照变化肤色描述，从而得到肤色区域，就正如人视觉系统可以在各种变化光照条件下，清晰地辨认目的那样。
人类视觉系统是功能最强大和完善，但人们并不能描述和解释自身视觉系统是如何对信息进行解决，因而通过对计算机视觉研究、模仿，人们有也许逐渐地揭开人类视觉信息解决机制，从而理解人类思维机制、推理机制等。
因而，用计算机信息解决办法研究人类视觉机理，建立人类视觉计算理论，也是一种非常重要和有趣研究领域。
同样，通过其她途径，如神经解剖学、心理学等方面对人类视觉研究，也会给计算机视觉研究提供启发和指引，两者有互相增进作用。
4.模式辨认
计算机视觉与皮肤检测有紧密关系，同样，模式辨认理论对皮肤检测更具备直接指引意义。
模式辨认是指对表征事物或现象各种形式（数值、文字和逻辑关系）信息进行解决和分析，以对事物或现象进行描述、辨认、分类和解释过程，是信息科学和人工智能重要构成某些。
同步，模式辨认是人类一项基本智能，在寻常生活中，人们经常在进行“模式辨认”。
随着20世纪40年代计算机浮现以及50年代人工智能兴起，人们固然也但愿能用计算机来代替或扩展人类某些脑力劳动。
模式辨认在20世纪60年代初迅速发展并成为一门新学科。
功能较完善辨认系统在进行模式辨认之前，一方面要进行学习或对它进行训练，即涉及两个重要过程，学习训练和辨认分类。
详细涉及4个重要环节，第一就是特性提取。
无论是辨认过程还是学习过程，都要对研究对象固有、本质重要特性或属性进行测量并将成果数字化，或者对目的进行分解产生基元并对其符号化，形成特性矢量或符号串、关系图，从而产生代表对象模式，模式类中个体在有些场合中也称为样本。
用于学习与训练样本类别应是已知。
此外，在进行特性提取之前普通还需要对目的信息载体进行必要预解决。
第二就是特性选取。
普通能描述对象元素诸多，为了节约资源，节约计算机存储空间以及特性提取代价，有时更是为了可行性，在保证满足分类辨认对的率规定条件下，按某种准则尽量选用对对的分类辨认作用较大特性，使得用较少特性就能完毕分类辨认任务。
这项工作体现为减少特性矢量维数或符号字符数。
第三就是学习和训练。
为有效地让机器具备分类辨认功能，犹如人类自身同样，人们应一方面对它进行训练，将人类对知识和办法辨认以及分类辨认对象知识输入机器中，产生分类辨认规则和分析程序，这也相称于机器进行学习。
这个过程普通要重复进行多次，不断地修正错误、改进局限性，这涉及修正特性提取办法、特性选取方案、判决规则参数及办法，最后使系统对的辨认率达到设计规定。
当前机器学习常需要人工干预，这个过程普通是人机交互。
第四就是分类辨认。
在学习、训练之后所产生分析规则及程序用于未知类别对象辨认。
需要指出是，输入机器人类分类辨认知识和办法以及关于对象知识越充分，这个系统辨认功能也就越强，同步对的率也就越高。
有些分类过程例如聚类过程，似乎没有将关于对象类分布知识输入，事实上在选取相似性测度以及采用哪种聚类办法时已经用到了对象某些知识，也在一定限度上加入了人类知识。
模式辨认基本办法重要涉及：
记录模式辨认，句法模式辨认，模糊模式辨认，人工神经网络办法和人工智能办法等几种。
基于记录办法模式辨认系统重要由4个某些构成：
数据获取、预解决、特性提取和选取、分类决策。
第二节皮肤镜图像提取黑色素瘤技术
一、皮肤镜图像概述
1.背景
恶性黑色素瘤，普通被人们称为“恶性黑色素瘤”或黑素瘤是皮肤癌症一种。
它是由于皮肤表皮基底部黑色素细胞产生病变进而恶化而形成一种恶性肿瘤。
黑色素瘤发病部位常用于皮肤表面，也可产生于眼部，鼻腔等处，是一类侵袭限度高，转移速度快，并且预后治疗效果不抱负皮肤癌症。
在黑色素瘤发病人群中，年龄分布重要集中在15～44岁，其中，年轻成年人占10～30％，中年人占30～40％，老年人占40～50％，男性患者平均发病年龄为35.8岁，女性患者则为32.0岁。
在皮肤癌症死亡病例中，恶性黑色素瘤是最致命一种，并且死亡患者占皮肤癌死亡患者66％左右。
依照美国癌症协会发布CancerStatistics记录显示，在美国黑色素瘤新增长发病总数达到73870例，死亡病例达到了9940例。
虽然国内长期属于黑色素瘤低发地区，但是近年来，国内每年新增黑色素瘤病例达2万多例，并且发病率呈3％～8％趋势高速增长。
现如今，黑色素瘤已经成为严重危害国内人民生命健康疾病之一，给患者带来了巨大生理痛苦和经济承担。
由于长期以来国内人民对于黑色素瘤理解不够，在黑色素瘤初期阶段没有及时引起注重，以至于到了晚期黑色素瘤开始溃烂，转移至其她组织。
然而对于已经发生转移黑色素瘤，当前临床医疗技术水平缺少有效治疗办法，此时再治疗已经没有多大意义，因此通过及时诊断发现并进行局部手术是治疗黑色素瘤最佳办法。
事实上，人体皮肤存在一种特殊可以构造出黑色素蛋白质细胞，也称为黑色素细胞。
这些黑色素可以防止紫外线对于皮肤辐射，从而避免细胞染色体因紫外线照射而受损。
但是由于其具备不受控生长特性，在黑色素过度增长过程中，会逐渐形成了恶性黑色肿瘤细胞。
恶性黑色素瘤重要症状是：
一方面在初期时候，黑色素细胞开始发生，随着色素增多，黑色素瘤皮损区域颜色开始逐渐加深，区域面积不断增大，硬度持续增长，并伴有痛痒感。
随着病情进一步恶化，在黑色素瘤内部会浮现某些颜色退化区域，肿瘤大小，形状和颜色在这个阶段也不断发生变化，直至最后黑色素瘤开始发生溃烂，生长真菌，此时病情已经发生转移。
到了晚期，癌细胞经血液转移至肺部、肝脏、脑部等诸多器官，这个时候治疗已经没有任何明显效果，患者数月之内既能致死。
通过对黑色素瘤研究，人们总结出黑色素瘤发病因素重要集中在如下五个方面：
（1）紫外线照射：
长时间暴露在紫外线照射下，会导致黑素细胞数量明显增长、色素不断沉着同步由于皮肤长时间暴露在紫外线下会引起皮肤细胞中DNA损伤，从而增长患黑色素瘤几率。
（2）良性痣病变：
出当前躯干与四肢恶性黑色素瘤大某些都与之前良性痣细胞关于。
（3）人种与遗传：
在黑色素瘤发病人群中，白种人发病率远高于其她肤色人种。
例如在美国，白种人发病率高每十万人中就有42例，而黑种人每十万才0.8。
此外，黑色素瘤患病概率还与遗传存在比较大关系，患病家族成员由于基因遗传，患病率较之普通人群相对要高，且发病时间较早，并且有家族患病史病例占比达1％～6％，属于染色体显性遗传。
（4）皮肤创伤与外部刺激：
皮肤表面在受到创伤与重复刺激时也会增长黑素细胞产生恶变概率，因此在手掌，足底等经常遭受摩擦部位患黑色素瘤几率较大。
（5）免疫反映：
由于年龄增大，身体免疫力衰退，机体自我修复能力下降，因此对于老年人来说，发病率也较高。
对于已经发生转移恶性黑色素瘤，最佳办法还是通过在初期阶段及时进行确诊并进行手术干预来切除黑色素瘤。
在以往恶性黑色素瘤初期筛查中，诊断重要依赖于医生临床肉眼观测和组织病理学切片活检。
虽然组织病理学作为一种创伤性办法，成果较肉眼观测更可靠，但盲目实行会增长病人痛苦。
因而非创伤性黑色素瘤检查技术当前逐渐受到注重。
其中，皮肤镜就是诊断恶性黑色素瘤较为抱负一种非创伤性设备。
皮肤镜通过无创性显微技术来观测皮肤表面人眼难以发现细微构造、颜色变化以及色素网构造，它使医生能通过6～40倍放大镜将色素性皮肤损害区域放大，全方位观测表皮、真皮表皮连接处和真皮浅层内色素网构造表皮浅层血管等与组织病理学变化有着相应关系图像特性。
通过皮肤镜成像技术，皮肤科医生将临床皮肤病学与皮肤病理学通过宏观与微观上结合，对黑素瘤进行诊断，可以明显地减少对恶性黑色素瘤误诊几率。
皮肤镜可以检测出皮损区域浮现色素网构造、蓝白幕构造、条纹形状、均匀圆点、球状体和斑点等形态学特性。
这些丰富形态学特性呈现了良性痣与恶性黑色素瘤在颜色，纹理和形态构造上存在差别。
皮肤科医生依照皮肤镜所呈现图像特性，分析皮损表面特性和相应生长规律，总结出各种黑色素瘤诊断办法，其中惯用诊断原则有模式分析法、ABCD准则、三点特性法、七点特性法、孟氏法以及CASH法。
这些办法重要根据是皮损颜色、形态和纹理特性。
例如ABCD准则侧重点是皮损非对称性、边沿、颜色和构造多样性。
而CASH法考察重要是皮损颜色、构造、对称性和均匀性。
其中，颜色特性涉及皮损区域也许浮现颜色比较丰富，有浅棕色、深棕色、蓝灰色、黑色、白色和红色等。
皮损区域颜色种类繁多且分布不均匀，属于恶性黑色素瘤概率就越大。
形态特性重要涉及网状模式、球状模式、鹅卵石模式、腔洞模式等全局特性和由上述全局特性发展而来局部形态特性。
2.意义
在黑色素瘤初期阶段，诊断难度较大，并且随着病情发展，恶性限度很高，非常容易扩散，预后效果较差。
身患恶性黑色素瘤患者，不但生活质量下降，生命健康受到威胁并且还需要承担沉重精神承担和巨大经济压力。
如果可以及早进行确诊，并对黑色素瘤进行局部手术根除，可以大大提高治愈几率。
据数据记录，在初期就进行确诊并进行有效治疗病例中，存活下来几率高达95％，且不需要进一步治疗，因此对于恶性黑色素瘤进行初期诊断具备重大意义。
然而既有黑色素瘤诊断办法，重要是依托皮肤科医生对皮损颜色、形态和纹理特性进行主观判断。
这种诊断办法，由于不同医生在水平经验上存在差别，使得观测者间和观测者内再现性都不是很抱负，也就是说针对同一皮肤镜图像，不同医生会浮现诊断成果不一致，甚至同一医生在不同步间诊断成果也会存在变化，因此通过皮肤科专家进行主观诊断对医生临床经验规定较高，并且精确率也不高，并且由于黑色素瘤皮损存在类内差距大，类间差距小特点，容易产生漏诊和误诊。
Argenzinao等研究表白，七点检查法敏捷度和特异性，对于有经验医生分别为95％和75％，而对经验局限性医生分别为85％和48％。
因而，基于皮肤镜图像对恶性黑色素瘤检测核心技术进行研究，对于黑色素瘤初期诊断具备重大意义。
二、皮肤镜图像基本理论
1.皮肤镜图像预解决
一方面，在获取皮肤镜图像过程中，普通图像中会包括某些人工操作所形成黑框、气泡，以及皮肤某些固有特性，如血管、毛发等。
这些噪声存在会对皮损区域分割操作产生影响，随后减少后续特性提取有效性和分类成果精确性。
既有皮肤镜图像预解决办法普通采用通用滤波器进行解决，如高斯滤波、中值滤波、各向异扩散滤波等，来进行噪声解决。
也可以针对某些特定噪声进行单独解决，例如对于皮肤镜图像中黑框噪声，可以考虑到黑框在亮度分量上与中间区域存在较大差别来检测和消除黑框，以及可以采用形态学灰度顶帽来对气泡进行检测。
对于皮肤镜图像中存在毛发噪声解决，既有工作重要是从如下两个方面进行研究：
（1）通过中值滤波，形态学操作，基于边沿检测算法，如Canny算子，Prewitt算子和斯提杰线条检测等来对毛发噪声进行检测。
（2）对于毛发区域恢复办法重要是通过中值滤波，形态学操作，双线性插值，领域像素替代，基于偏微分方程图像修复，基于一致性迁移迅速图像修复办法。
在既有办法中，中值滤波和形态学操作可以同步用来进行毛发区域检测和恢复，但是会带来图像模糊和渗色不良后果。
图像修复技术则克服了这些缺陷，毛发区域恢复后视觉效果比较抱负，但是计算量比较大。
从上述研究可以看出，毛发噪声消除是皮肤镜图像噪声预解决重要环节，它所涉及核心
升级会员 