-
公开(公告)号：CN109325938B
公开(公告)日：2021-11-30
申请号：CN201810964722.7
申请日：2018-08-23
Applicant: 武汉嫦娥医学抗衰机器人股份有限公司
Abstract: 本发明公开了一种基于光密度空间的中心化图像通道差的色素分离方法，包括以下步骤：获取偏振光下的RGB彩色皮肤图像并进行肤色提取；将图像划分成若干子图像块，并舍弃包含非皮肤像素的子图像块；各个子图像块的纯色浓度的获取；矩阵最佳纯色浓度矩阵的获取；计算图像中的黑色素和血色素浓度，引入色素浓度灰度分布图和彩色分布图。本发明消除了以往色素分离模型中光源的干扰项，且无需主成分分析过程，并设计了简单高效的纯色浓度矩阵的合理性判定约束条件，解决了现有色素分离算法中，由于光源强度干扰和主成分分析过程中的数据丢失导致色素浓度提取结果不准确和鲁棒性差，以及纯色浓度矩阵的合理性判定过程复杂导致算法执行效率低的技术问题。
-
公开(公告)号：CN107737032B
公开(公告)日：2021-02-23
申请号：CN201711212499.2
申请日：2017-11-28
Applicant: 武汉嫦娥医学抗衰机器人股份有限公司
Abstract: 本发明公开了一种针对皮肤皲裂的药用护肤品，包括1～5wt％的固体油脂、9.5～20wt％的液体油脂、1～5wt％的乳化剂、10～22wt％的保湿剂，0.5～1wt％的N15多肽、0.2～0.3wt％的桑黄提取物；余量为水。本发明将桑黄和N15多肽联用有效促进皮肤愈合，改善皮肤状况，特别适用于皲裂等皮肤角质层较厚的破损及炎症部位。并且本发明的护肤品肤感柔润，铺展性好易吸收，冷热稳定性优异，具有较好的实用性。
-
公开(公告)号：CN109801320B
公开(公告)日：2020-12-01
申请号：CN201910076026.7
申请日：2019-01-26
Applicant: 武汉嫦娥医学抗衰机器人股份有限公司
IPC: G06T7/45
Abstract: 本发明公开了一种基于面部分区的皮肤干燥状态智能识别方法及系统。所述方法包括：(1)采集用户闭眼状态面部灰度图像，进行面部图像分区，获得各目标区域以及参考区域的图像；(2)对目标区域及参考区域的图像进行纹理分析，获得特征参数；(3)获取各目标区域相对于参考区域的相对特征参数；(4)根据支持向量回归拟合获得的相对特征参数与皮肤干燥状态之间的回归模型，定量分析获得皮肤干燥状态参数。所述系统包括：图像获取模块、图像分区模块、相对特征参数提取模块、以及分析模块。本发明判断皮肤相对的干燥程度，避免了不同个体之间皮肤条件之间的差异导致的纹理特征差异，对于检测皮肤状态具有参考意义。
-
公开(公告)号：CN106983493B
公开(公告)日：2020-08-18
申请号：CN201710125527.0
申请日：2017-03-04
Applicant: 武汉嫦娥医学抗衰机器人股份有限公司
Abstract: 本发明涉及一种基于三光谱的皮肤图像处理方法，包括以下步骤：通过皮肤图像采集设备采集三种光照下的人脸图像；剔除人脸图像的背景区域后选取人脸皮肤区域获取相应光照下的皮肤图像；基于白光下的皮肤图像分析皮肤的纹理指标、皱纹指标、毛孔指标和美白度指标；基于平行偏振光下的皮肤图像分析皮肤的斑点指标；基于紫外光下的皮肤图像，分析皮肤的紫质指标、紫外斑指标和油脂指标；将八项皮肤指标进行对比分析得出皮肤单项指标的分布情况，再将八项皮肤指标进行综合分析得出皮肤综合情况。本发明可以快速检测出人脸皮肤的纹理、皱纹、毛孔、美白度、斑点、紫质、紫外斑和油脂共八项指标，为皮肤检测分析提供了更加客观可靠的指标检测结果。
-
公开(公告)号：CN106981066A
公开(公告)日：2017-07-25
申请号：CN201710126258.X
申请日：2017-03-06
Applicant: 武汉嫦娥医学抗衰机器人股份有限公司
CPC classification number: G06T2207/10024
Abstract: 本发明涉及一种基于肤色的内脸图像分割方法，包括：对白光下正脸图片进行RGB至YCrBr颜色空间的转换，同时构造肤色聚类的椭圆模型对候选图像进行过滤，获得肤色掩膜；基于肤色掩膜获取人脸的候选区域，作外接矩形，并生成初步的椭圆分割区域对原图进行分割；构造收缩空间判定掩膜，并与椭圆区域内的肤色分布图进行逻辑运算，得到四个方向残余的非皮肤像素点数，并以此作为自适应收缩系数；根据收缩系数更新椭圆分割区域；重复迭代，直到迭代次数到达上限或收缩因子到达指定误差范围内，停止迭代，输出目标图像。本发明不依赖任何库文件，实时性强，识别精度高，收缩耗时少，内脸区域拟合精确。
-
Patent Agency Ranking
公开(公告)号：CN109101938B
公开(公告)日：2021-01-15
申请号：CN201810964623.9
申请日：2018-08-23
Applicant: 武汉嫦娥医学抗衰机器人股份有限公司
Abstract: 本发明公开了一种基于卷积神经网络的多标签年龄估计方法，包括：获取输入样本数据集；对每个输入样本进行人脸检测、对齐，并根据人脸位置进行归一化；对输入样本的年龄标签进行多标签处理，使得每个样本映射到相同数量的标签；将所有归一化图像作为卷积神经网络的输入，多标签集作为输出，对卷积神经网络进行训练，得到年龄估计模型；根据二分类输出与多标签处理原则，结合年龄的有序特性，完成人脸估计年龄的计算。本发明利用了年龄特征之间的微变性和有序性，运用多标签学习的思想构建卷积神经网络模型，解决了现有年龄估计方法中存在的年龄估计准确率不高、鲁棒性差等问题。
-
公开(公告)号：CN108447027B
公开(公告)日：2020-10-02
申请号：CN201810131554.3
申请日：2018-02-09
Applicant: 武汉嫦娥医学抗衰机器人股份有限公司
Abstract: 本发明公开了一种人脸皮肤图像黑色素与血色素浓度提取与调控方法，包括以下步骤：获取人脸皮肤偏振光RGB彩色图像并将其划分成若干子图像块；对每个子图像块均进行主成分分析和独立成分分析以得到混合矩阵集合；设计混合矩阵有效性判定约束条件，从混合矩阵集合中过滤出有效混合矩阵子集，并作统计运算以得到最佳混合矩阵；设计最佳混合矩阵的权重调控因子，构建浓度可调的人脸皮肤黑色素或血色素浓度分布图像及综合合成图像。本发明运用独立成分分析算法并设计混合矩阵有效性判定约束条件，解决了现有黑色素与血色素浓度提取方法中，由于无效混合矩阵对浓度提取造成干扰所导致的浓度提取结果不稳定及误差较大的技术问题。
-
公开(公告)号：CN108492278B
公开(公告)日：2019-08-16
申请号：CN201810131619.4
申请日：2018-02-09
Applicant: 武汉嫦娥医学抗衰机器人股份有限公司
Abstract: 本发明公开了人体皮肤片图像黑色素和血色素分离与浓度调控方法，包括以下步骤：获取人体皮肤片RGB彩色图像，并对其R/G/B三通道的信号进行主成分分析，得到二维信号；对该二维信号，进行二层级联非负矩阵分解，得到混合矩阵，并对其做升维及统计变换处理；设计混合矩阵有效性判定约束条件，以判断分离的有效性，若无效，则中止处理过程；设计混合矩阵的权重调控因子，分别构建浓度可调的人体皮肤片黑色素或血色素浓度分布图像及综合合成图像。本发明设计了一种二层非负矩阵分解方法和混合矩阵有效性判定约束条件，解决了现有黑色素和血色素分离方法中，由于混合矩阵的不稳定性所导致的分离结果鲁棒性差的技术问题。
-
公开(公告)号：CN109101938A
公开(公告)日：2018-12-28
申请号：CN201810964623.9
申请日：2018-08-23
Applicant: 武汉嫦娥医学抗衰机器人股份有限公司
CPC classification number: G06K9/00221 , G06K9/00248 , G06K9/00288 , G06K9/6256 , G06K2009/00322 , G06N3/0454
Abstract: 本发明公开了一种基于卷积神经网络的多标签年龄估计方法，包括：获取输入样本数据集；对每个输入样本进行人脸检测、对齐，并根据人脸位置进行归一化；对输入样本的年龄标签进行多标签处理，使得每个样本映射到相同数量的标签；将所有归一化图像作为卷积神经网络的输入，多标签集作为输出，对卷积神经网络进行训练，得到年龄估计模型；根据二分类输出与多标签处理原则，结合年龄的有序特性，完成人脸估计年龄的计算。本发明利用了年龄特征之间的微变性和有序性，运用多标签学习的思想构建卷积神经网络模型，解决了现有年龄估计方法中存在的年龄估计准确率不高、鲁棒性差等问题。
-
公开(公告)号：CN107737032A
公开(公告)日：2018-02-27
申请号：CN201711212499.2
申请日：2017-11-28
Applicant: 武汉嫦娥医学抗衰机器人股份有限公司
Abstract: 本发明公开了一种针对皮肤皲裂的药用护肤品，包括1～5wt％的固体油脂、9.5～20wt％的液体油脂、1～5wt％的乳化剂、10～22wt％的保湿剂，0.5～1wt％的N15多肽、0.2～0.3wt％的桑黄提取物；余量为水。本发明将桑黄和N15多肽联用有效促进皮肤愈合，改善皮肤状况，特别适用于皲裂等皮肤角质层较厚的破损及炎症部位。并且本发明的护肤品肤感柔润，铺展性好易吸收，冷热稳定性优异，具有较好的实用性。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.041 seconds)
