تحلیل مولفه های مستقل تصویر رنگ پوست Independent-component analysis of skin color image
- نوع فایل : کتاب
- زبان : فارسی
- ناشر : Ncbi
- چاپ و سال / کشور: 1999
توضیحات
چاپ شده در مجله انجمن اپتیکال آمریکایی – Journal of the Optical Society of America
رشته های مرتبط مهندسی کامپیوتر و مهندسی نرم افزار و هوش مصنوعی
۱- مقدمه تولید رنگ پوست را می توان مهم ترین مسئله در بازتولید و تکثر فیلم های رنگی و سیستم های تلویزیون رنگی در نظرگرفت. با پیشرفت های اخیر در سیستم های تصویر برداری مختلف نظیر چند رسانه ای، کرافیک کامپیوتری و سیستم های پزشکی از راه دور، رنک پوست از اهمیت زیادی برای ارتباط، باز تولید تصویر در هارد کپی و سافت کپی، تشخیص پزشکی، توسعه و تولید مواد ارایشی بهداشتی برخوردار است. پوست انسان یک محیط کدر با ساختار چند لایه ای است. رنگ دانه های مختلف نظیر ملانین و همو گلوبین در محیط قرار می گیرند. تغییرات خفیف در ساختار و تولید رنک می تواند تولید تغیرات رنگی غنی کند. از این روی تحلیل رنگ پوست بر اساس ساختار و تولید رنکیزه در تولید و و بررسی رنک های مختلف مطلوب است. در این مقاله، توزیعات مکانی ملانین و همو گلوبین در پوست توسط تحلیل های مولفه مستقل ICA تصویر رنک پوست تفکیک می شوند.ICA یک روش برای استخراج منابع مستقل بدون اطلاعات پیشین در خصوص منابع و فرایند ترکیب است. ICA برای حل مسائل مختلف نظیر پردازش ارایه، ارتباطات، پردازش سیگنال های پزشکی و پردازش گفتار استفاده شده است. در زمینه پردازش تصویر، اینو و همکاران یک روشی را برای تفکیک هر یک از رنگ دانه ها از تصاویر ترکیب رنگی پیشنهاد کرده اند. این تحقیق در بخش ۲ ارایه شده است. با این حال آن ها می توانند به نتایج عملی دست پیدا کنند زیرا فرض خطی بودن در میان مقادیر مختلف رنک دانه ها و نیز سیگنال های رنکی مشاهده شده در دامنه شدت مطلوب است. و در این دامنه فرض خطی بودن در شرایط عملی صادق نیست. ما این روش را با پردازش سیکنال های رنکی در دامنه تراکم و استفاده از فنونی برای تحلیل تصویر رنگ پوست بهبود می دهیم. به علاوه، ما از نتایج تحلیل برای تفکیک و ترکیب تصویر رنگی صورت استفاده می کنیم. در بخش ۲ ما به مرور تحلیل مولفه های مستقل در منبع ۱۰ برای ک تفکیک تصویر رنگ استفاده می کنیم. در بخش سوم، رنک پوست بر اساس دو رنگدانه ملانین و هموگلوبین در دامنه تراکم نوری مدل سازی می شود. نتایج تحلیل مولفه های مستقل برای تصاویر پوست رنگ در بخش ۴نشان داده می شود. نتایچ تحلیل مستقل برای تصاویر رنگ پوست در بخش ۴ نشان داده شده است. در بخش ۵، تصاویر رنک چهره ترکیب شده است. ۲- تحلیل مولفه های مستقل ICA یک روش برای استخراج سیگنال های اصلی از ترکیبی از منابع مستقل بدون اطلاعات پیشین در رابطه با منابع و فرایند ترکیب است. برای استفاده از ICA در تفکیک تصویر رنگی، اینو و همکاران بیان داشته اند که مقادیر رنگیزه ها و رنگ دانه ها قادر به ساخت رنگ هایی هستند که در آن ها سیگنال هایاصلی و اولیه از منابع مستقل تفکیک می شوند و سیگنال های ترکیب رنکی به صورت ترکیبی بوده و این که سیگنال های رنک خالص رنگدانه ها نشان دهنده فرایند ترکیب مقادیر می باشد. در این بخش، ما به توصیف این روش می پردازیم که در منبع ۱۰ ارایه شده است. به طور ساده تر، ما فرض می کنیم که محیط با دو رنگ دانه ساخته می شود و این که این محیط توسط یک سیستم تصویر برداری با دو کانال رنگی تصویر برداری می شود. این ساده سازی مانع از تعمیم مسئله نمی شود به جز در زمانی که تعداد رنگدانه ها بزرگ تر از تعداد کانال ها باشد. این وضعیت در زیر بحث شده است
رشته های مرتبط مهندسی کامپیوتر و مهندسی نرم افزار و هوش مصنوعی
۱- مقدمه تولید رنگ پوست را می توان مهم ترین مسئله در بازتولید و تکثر فیلم های رنگی و سیستم های تلویزیون رنگی در نظرگرفت. با پیشرفت های اخیر در سیستم های تصویر برداری مختلف نظیر چند رسانه ای، کرافیک کامپیوتری و سیستم های پزشکی از راه دور، رنک پوست از اهمیت زیادی برای ارتباط، باز تولید تصویر در هارد کپی و سافت کپی، تشخیص پزشکی، توسعه و تولید مواد ارایشی بهداشتی برخوردار است. پوست انسان یک محیط کدر با ساختار چند لایه ای است. رنگ دانه های مختلف نظیر ملانین و همو گلوبین در محیط قرار می گیرند. تغییرات خفیف در ساختار و تولید رنک می تواند تولید تغیرات رنگی غنی کند. از این روی تحلیل رنگ پوست بر اساس ساختار و تولید رنکیزه در تولید و و بررسی رنک های مختلف مطلوب است. در این مقاله، توزیعات مکانی ملانین و همو گلوبین در پوست توسط تحلیل های مولفه مستقل ICA تصویر رنک پوست تفکیک می شوند.ICA یک روش برای استخراج منابع مستقل بدون اطلاعات پیشین در خصوص منابع و فرایند ترکیب است. ICA برای حل مسائل مختلف نظیر پردازش ارایه، ارتباطات، پردازش سیگنال های پزشکی و پردازش گفتار استفاده شده است. در زمینه پردازش تصویر، اینو و همکاران یک روشی را برای تفکیک هر یک از رنگ دانه ها از تصاویر ترکیب رنگی پیشنهاد کرده اند. این تحقیق در بخش ۲ ارایه شده است. با این حال آن ها می توانند به نتایج عملی دست پیدا کنند زیرا فرض خطی بودن در میان مقادیر مختلف رنک دانه ها و نیز سیگنال های رنکی مشاهده شده در دامنه شدت مطلوب است. و در این دامنه فرض خطی بودن در شرایط عملی صادق نیست. ما این روش را با پردازش سیکنال های رنکی در دامنه تراکم و استفاده از فنونی برای تحلیل تصویر رنگ پوست بهبود می دهیم. به علاوه، ما از نتایج تحلیل برای تفکیک و ترکیب تصویر رنگی صورت استفاده می کنیم. در بخش ۲ ما به مرور تحلیل مولفه های مستقل در منبع ۱۰ برای ک تفکیک تصویر رنگ استفاده می کنیم. در بخش سوم، رنک پوست بر اساس دو رنگدانه ملانین و هموگلوبین در دامنه تراکم نوری مدل سازی می شود. نتایج تحلیل مولفه های مستقل برای تصاویر پوست رنگ در بخش ۴نشان داده می شود. نتایچ تحلیل مستقل برای تصاویر رنگ پوست در بخش ۴ نشان داده شده است. در بخش ۵، تصاویر رنک چهره ترکیب شده است. ۲- تحلیل مولفه های مستقل ICA یک روش برای استخراج سیگنال های اصلی از ترکیبی از منابع مستقل بدون اطلاعات پیشین در رابطه با منابع و فرایند ترکیب است. برای استفاده از ICA در تفکیک تصویر رنگی، اینو و همکاران بیان داشته اند که مقادیر رنگیزه ها و رنگ دانه ها قادر به ساخت رنگ هایی هستند که در آن ها سیگنال هایاصلی و اولیه از منابع مستقل تفکیک می شوند و سیگنال های ترکیب رنکی به صورت ترکیبی بوده و این که سیگنال های رنک خالص رنگدانه ها نشان دهنده فرایند ترکیب مقادیر می باشد. در این بخش، ما به توصیف این روش می پردازیم که در منبع ۱۰ ارایه شده است. به طور ساده تر، ما فرض می کنیم که محیط با دو رنگ دانه ساخته می شود و این که این محیط توسط یک سیستم تصویر برداری با دو کانال رنگی تصویر برداری می شود. این ساده سازی مانع از تعمیم مسئله نمی شود به جز در زمانی که تعداد رنگدانه ها بزرگ تر از تعداد کانال ها باشد. این وضعیت در زیر بحث شده است
Description
Skin color reproduction may be considered the most important problem in the color reproduction of color film and color television systems.1 With the recent progress in various imaging systems2–۵ such as multimedia, computer graphic, and telemedicine systems, skin color becomes increasingly important for communication, image reproduction on hard copy and soft copy, medical diagnosis, cosmetic development, and so on. Human skin is a turbid medium with multilayered structure.6,7 Various pigments such as melanin and hemoglobin are contained in the medium. Slight changes in structure and pigment construction produce rich skin color variation.8 Therefore it is necessary to analyze skin color on the basis of structure and pigment construction in reproducing and discerning various skin colors. In this paper the spatial distributions of melanin and hemoglobin in skin are separated by independentcomponent analysis (ICA) of a skin color image. ICA is a technique that extracts the original signals from mixtures of many independent sources without a priori information on the sources and the process of the mixture. ICA has been applied to various problems such as array processing, communication, medical signal processing, and speech processing.9 In the field of color image processing, Inoue et al.10 proposed a technique to separate each pigment from compound color images. Their research is reviewed in Section 2 in this paper. However, they could not obtain any practical results, since they assumed linearity among the quantities of pigments and observed color signals in the intensity domain, and in the intensity domain this linearity generally will not hold in practical applications. We improve on their technique by processing color signals in the density domain and applying the technique to analyze the skin color image. Furthermore, we apply the result of the analysis to the separation and synthesis of a facial color image. In Section 2 we review the independent-component analysis proposed in Ref. 10 for application to color image separation. In Section 3 skin color is modeled on the basis of the two pigments melanin and hemoglobin in the optical density domain. The results of the independentcomponent analysis for skin color images are shown in Section 4. In Section 5, separated and synthesized facial color images are shown.
