図面 (/)

技術 皮膚表面のキメの画像処理方法及びこれを用いた皮膚表面のキメの評価方法

出願人 御木本製薬株式会社
発明者 濱口雅則
出願日 2015年11月12日 (5年1ヶ月経過) 出願番号 2015-221697
公開日 2016年6月9日 (4年6ヶ月経過) 公開番号 2016-104124
状態 特許登録済
技術分野 イメージ分析 画像処理 診断用測定記録装置 生体の呼吸・聴力・形態・血液特性等の測定
主要キーワード 判断者 交点数 チャーム メディアンフィルター フォルテシモ グループ群 フリーソフト イコライゼーション処理
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2016年6月9日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (4)

課題

熟練した判断者を必要とせず、正確に、どこでも、迅速に皮膚表面のキメを評価できるようにするための画像処理方法と、これを用いた肌のキメの評価方法を提供する。

解決手段

皮膚表面のRGBで表現される画像ファイルからG(グリーン)を取り出し、取り出したG(グリーン)の画像に、ローリングボールアルゴリズムヒストグラム平坦化を実施して肌のキメの画像を処理し、さらに二値化した後、メディアンフィルタを実施することにより精度を上げ、このデータを基に非線形判別分析を行った結果をもってスコア化する。

概要

背景

皮膚表面からの視覚的情報シミソバカス等の色の情報の他に形状による情報も与える。形状にはシワタルミもあるが、キメ肌理)も皮膚の恒常性美観を表す重要な要素である。
キメの評価は種々の因子が関わっているので、一般的には熟練者が判断していたが、単位面積あたりの交点数計測する方法(特許文献1)、画像に細線化処理等を行う方法(特許文献2)、短直線マッチング法での画像処理(特許文献)等、人を介さずに判断する方法が知られている。
特に、最近では、化粧品販売現場消費者の皮膚等を迅速に分析し、最適な化粧品を販売できるように求められている。

特開2001−170028号公報
特開2006−61170号公報
特開2008−61892号公報

概要

熟練した判断者を必要とせず、正確に、どこでも、迅速に皮膚表面のキメを評価できるようにするための画像処理方法と、これを用いた肌のキメの評価方法を提供する。皮膚表面のRGBで表現される画像ファイルからG(グリーン)を取り出し、取り出したG(グリーン)の画像に、ローリングボールアルゴリズムヒストグラム平坦化を実施して肌のキメの画像を処理し、さらに二値化した後、メディアンフィルタを実施することにより精度を上げ、このデータを基に非線形判別分析を行った結果をもってスコア化する。

目的

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

皮膚表面のRGBで表現される画像ファイルからG(グリーン)を取り出し、取り出したG(グリーン)の画像に、ローリングボールアルゴリズムヒストグラム平坦化を実施した後二値化する肌のキメ画像処理方法

請求項2

さらに二値化した後、メディアンフィルタを実施する請求項1の皮膚表面のキメの画像処理方法。

請求項3

請求項1乃至請求項2のいずれかの方法で処理した画像に非線形判別分析を行った結果をもってスコア化することを特徴とする皮膚表面のキメの評価方法

技術分野

0001

本発明は、皮膚表面のキメ肌理)を評価するための画像処理方法と、その画像を用いた肌のキメの評価方法に関する。

背景技術

0002

皮膚表面からの視覚的情報シミソバカス等の色の情報の他に形状による情報も与える。形状にはシワタルミもあるが、キメ(肌理)も皮膚の恒常性美観を表す重要な要素である。
キメの評価は種々の因子が関わっているので、一般的には熟練者が判断していたが、単位面積あたりの交点数計測する方法(特許文献1)、画像に細線化処理等を行う方法(特許文献2)、短直線マッチング法での画像処理(特許文献)等、人を介さずに判断する方法が知られている。
特に、最近では、化粧品販売現場消費者の皮膚等を迅速に分析し、最適な化粧品を販売できるように求められている。

0003

特開2001−170028号公報
特開2006−61170号公報
特開2008−61892号公報

発明が解決しようとする課題

0004

本発明の目的は、熟練した判断者を必要とせず、正確に、どこでも、迅速に皮膚表面のキメを評価できるようにするための画像処理方法とこれを用いた肌のキメの評価方法にある。

課題を解決するための手段

0005

本発明者らが鋭意検討した結果、画像処理方法としては、
皮膚表面のRGBで表現される画像ファイルからG(グリーン)を取り出し、取り出したG(グリーン)の画像に、ローリングボールアルゴリズムヒストグラム平坦化を実施した後二値化する方法が、本課題を解決すつ手段として最適であることを見出した。
に二値化した後、メディアンフィルタを実施するとさらに良好な結果が得られる場合がある。
上記の画像処理を行った画像に非線形判別分析を行った結果をもってスコア化することによって皮膚表面のキメの評価方法を見出した。

0006

詳しく説明すると、皮膚表面のRGBで表現される画像ファイルはデジタル式マイクロスコープ等を用いることにより得ことができ、デジタル式マイクロスコープとしては、例えば、ショットモリテックス株式会社社製、チャームビューアイスコープR USB2.0等、スカラ株式会社社製、USBマイクロスコープ M3、ワイヤレススコープAirMicro A1(U)、ワイヤレススコープ AirMicro A1等、株式会社フォルテシモ社等、USBマイクロスコープM3等が挙げられる。

0007

上記のマイクロスコープ等で皮膚表面のRGBで表現される画像ファイルを得たら、この画像ファイルからG(グリーン)を取り出す。
取り出したG(グリーン)の画像に、ローリングボールアルゴリズムと、ヒストグラム平坦化を行う。
ローリングボールアルゴリズムは背景除去の1つの方法であり、ローリングボール半径は画像の大きさ等によって最適な大きさを選択する。
ヒストグラム平坦化は、イコライゼーション処理ともいい、ヒストグラムの分布を均一になるように変換する処理である。
これらの処理後に二値化し、二値化した後、必要に応じて、ノイズ除去を実施する。
二値化の方法にはP-タイル法、モード法、判別分析法最小誤差法があり、その中から選択して用いればよいが、判別分析法(大津の方法)がよく用いられる。
ノイズ除去にはいろいろ方法があり移動平均法メディアンフィルター等がよく用いられるが、本発明にはメディアンフィルターがもっとも好ましかった。
メディアンフィルターとは、n×nの局所領域における濃度値を小さい順に並べ、 真ん中にくる濃度値を領域中央の画素出力濃度とする処理である。

0008

上記のような方法で得た画像より、皮丘面積とその変動係数皮溝の幅や方向性等の各種のデータを得ることができる。
以上の処理は、公に利用可能なソフトウェア(ImageJAPI/ライブラリー;http://rsb.info.nih.gov/ij/、NIH、MD)を使用して実施することができ、解析マクロ等を組むことによって、自動的に実施することができる。

0009

さらに、本発明者は上記の画像より得たデータを用いて非線形判別分析により、熟練者しか行えなかった皮膚表面のキメの状態の分類を人を介することなく、自動的に行うことができた。
非線形判別分析とは、データ群判別対象となる2つ以上のグループ判別群)に判別するためのアルゴリズムであり、本発明では、独立変数として、「皮丘の平均面積」および「皮丘の面積の変動係数」を用い、この「皮丘の平均面積」と「皮丘の面積の変動係数」とにより被験者のデータの散布図を描いたときに、被験者のデータを2以上の判別群に分割するのに最適な関数(非線形判別関数)をそれぞれ求める。そして、未知データが入力された際に、その未知データがどのグループ群に属するかを非線形判別関数を基準にして決定することで、皮膚表面のキメの状態を判別できる。
判別群の群分けは目的によって変わるが、通常3〜20、よく利用されるのは、4〜10程度に群分けされることが多い。
非線形判別分析は、SAS(SAS社)、Stata(ライトストーン社)、SPSS(IBM社)、S_PLUS(数理ステム社)等が利用できるし、また、フリーソフトである「R」でも分析できる。

0010

次にに実施例を挙げて説明する。
1−1.女性頬部デジタルビデオスコープで皮膚表面をJPEG形式の画像ファイルを得た。(78名で実施した)
ImageJを用いて、上記RGBで表現される画像ファイルに以下の操作を行った。
1−2.RGBで表現される画像ファイルをRGBに分解し、G(グリーン)の画像を取り出した。
1−3.取り出したG(グリーン)の画像に、ローリングボールアルゴリズムを実施した。
1−4.ヒストグラム平坦化処理をした。
1−5.大津の方法によって二値化した。
1−6.メディアンフィルタ(3×3の画素の平均の値)を実施した。
以上の方法で、皮膚表面のキメを評価できる画像を得た。

0011

2−1.この画像より皮丘の面積の平均値と変動係数を得た。
この数値と、後述するスコア教師データとして、ソフト「R」で非線形判別分析を行った。
デジタルビデオスコープで得たImageJで操作する前の画像を熟練者に、肌理がほとんどない状態(スコア1)から理想的な肌理の状態(スコア4)までの4つにクラス分けを行ってもらった。

0012

非線形判別分析の結果、4つの判別群に分割するのに最適な非線形判別関数を得た。
確認のため上記で求めた非線形判別関数を用いて、上記の78のデータを4つにクラス分を再度行った結果、図3のように、熟練者による目視スコアとの一致率は69%で、両者の間で2段階以上異なる結果はなく、熟練者による目視代わる手段として充分に利用できることがわかった。

図面の簡単な説明

0013

実施例の画像の一例 画像A=デジタルビデオスコープで得た画像 画像B=画像Aより取り出したG(グリーン)の画像 画像C=画像Bにローリングボールアルゴリズム(半径50ピクセル)を実施した画像 画像D=画像Cにヒストグラム平坦化処理を実施した画像 画像E=画像Dを大津の方法で二値化した画像 画像F=画像Eにメディアンフィルタを実施した画像
熟練者による目視スコアの代表例と実施例によって処理した画像
熟練者による目視スコアと実施例による非線形判別分析結果との比較

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ