人脸皮肤结构复杂,表面色素区域形态多异,人们判别色素区域具有主观性。传统检测色素区域方法,是针对皮肤镜采集的单一的色素区域进行检测,容易受到复杂背景干扰,检测效果不准确、效率低,例如颜色聚类检测法、区域生长法。本文使用皮肤检测仪采集整脸皮肤图像,研究整脸皮肤图像中多个、多种的色素区域的检测方法,具体工作如下:1.获取待检图像数据集。除了痣、斑等色素沉着区域,痤疮是判断人脸皮肤健康程度的一个方面,且是干扰色素区域检测识别的重要因素。因此,本文色素区域检测的主要目标是痣、斑、痤疮。经调查研究,痤疮、斑、痣等色素区域主要集中在额头、左脸颊、右脸颊、鼻梁、下额五个部位。采用皮肤检测仪采集的人脸图像后,本文使用Landmark人脸关键点检测方法,自动切分上述五个主要的人脸部位,形成待检局部人脸图像数据集。2.增强人脸皮肤图像。为了减小局部高光对检测过程的影响,本文采用了单尺度Retinex算法对待检局部人脸图像进行了增强。然后使用灰度线性变化、直方图均衡化、自适应对比度增强等方法与单尺度Retinex算法进行实验对比,实验以色素区域与其周围正常皮肤的对比度,和整体图像的灰度均值、方差两个角度进行分析,发现单尺度Retinex算法能更好地减小图像局部高光现象,增强了色素区域边界,有利于色素区域的检测。3.检测目标色素区域。本文改进了一种融合图像特征信息的LBF(Local Binary Fitting,LBF)分割方法检测色素区域:使用了图像局部信息与全局图像梯度信息,构造含有图像梯度信息的能量函数,使水平集函数在演化过程中能够收敛到多个、多种的色素区域边界处;在周长项中添加边缘停止函数,约束轮廓周长,更加精确地收敛到色素区域边界。经实验验证,本文方法与最大类间方差法、颜色分割法、区域生长法、LBF模型等方法对比,较大地提高了色素区域检测的准确率,并且可以同时实现对形态各异、颜色深浅不一的多个、多种色素区域检测。