0 引言

    皮膚在身體上屬于最大的器官，是對身體的第一層保護(hù)。據(jù)相關(guān)調(diào)查報告顯示，存在與皮膚相關(guān)的身體健康問題的人類在全世界占據(jù)了30%～70%^[1]。色素性皮膚病的形成是因?yàn)楹谒睾秃谒丶?xì)胞出現(xiàn)異常，皮膚的顏色變化與病灶的而改變息息相關(guān)，因此識別難度較大。自從1987年對色素性皮膚病的分類研究^[2]出現(xiàn)之后，陸續(xù)出現(xiàn)了大量的皮膚病圖像診斷技術(shù)的研究成果^[3-4]。在文獻(xiàn)[5]的算法研究中，首先將圖像進(jìn)行預(yù)處理，然后將利用卷積神經(jīng)網(wǎng)絡(luò)提取出的人臉特征進(jìn)行訓(xùn)練、分類。文獻(xiàn)[6]利用深度卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)對皮膚圖像進(jìn)行分類和識別。文獻(xiàn)[7]利用卷積網(wǎng)絡(luò)的VGG16模型，采取3種不同的方法來實(shí)現(xiàn)皮膚鏡二分法，其結(jié)果顯著提升。在皮膚病診斷領(lǐng)域的算法研究較為復(fù)雜，而且國外的研究要比國內(nèi)相對較多，如何用簡單的算法結(jié)構(gòu)完成精確的識別是皮膚病檢測研究的主要問題。

    在進(jìn)行人臉圖像檢測時，傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)只要能夠檢測出耳朵、眼睛、鼻子、嘴巴便認(rèn)作為人的面部，此方式忽略了這些實(shí)例的空間位置信息，可能會導(dǎo)致一定的識別錯誤。目前CapsNet技術(shù)已經(jīng)比較成熟，其應(yīng)用也比較廣泛。文獻(xiàn)[8]中應(yīng)用CapsNet在手語識別領(lǐng)域已經(jīng)達(dá)到了令人滿意的準(zhǔn)確率。LI Y等人使用CapsNet識別無人飛行器拍攝的水稻圖像，既可以預(yù)防害蟲與疾病，又能實(shí)時觀察水稻^[9]。AFSHAR Y等人采用CapsNet對在腦部的NMR中的腦腫瘤類型進(jìn)行了分類研究，其預(yù)測精度比傳統(tǒng)方法更高^[10]。文獻(xiàn)[11]將CapsNet用于指靜脈識別算法中，最終得到的精確度比VGG方法高出了13.6%。本文將使用膠囊網(wǎng)絡(luò)對皮膚圖像進(jìn)行處理，減少算法疊加的重復(fù)性，為人臉皮膚圖像處理領(lǐng)域打開新的大門，為后續(xù)的皮膚病診斷工作提供良好的基礎(chǔ)。 

本文詳細(xì)內(nèi)容請下載:http://m.jysgc.com/resource/share/2000003052

作者信息：

李勵澤，張晨潔，楊曉慧，孫文斌，郭  濱

(長春理工大學(xué) 電子信息工程學(xué)院，吉林 長春130022)