皮肤纹理
-
2023年3月19日发(作者：445445)ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００７７１４６．２０１８．０１．００３
人体皮肤的双光子图像纹理特征提取方法
刘高强，李吉春，林海洪，余浩天，陈冠楠
（医学光电科学与技术教育部重点实验室，福建省光子技术重点实验室，福建师范大学，福建福州３５０００７）
摘 要：近年来通过计算机技术对瘢痕实现无损诊断的研究进展迅速，其对瘢痕图像纹理特征的量化分析得
到了很好的诊断效果。在这个过程中出现了很多纹理描述方法，这些方法的提出也促进了纹理研究的发展。
本文在对灰度共生矩阵（ＧＬＣＭ）、局部三值模式（ＬＴＰ）等统计纹理分析方法进行介绍的情况下，在瘢痕图像上
利用梯度迭代回归树算法给出了不同方法的实验结果，得到了不同方法的回归模型。这些模型的性能体现在
对不同年龄瘢痕的预测能力，其中局部差异局部二值模式（ＬＤＬＢＰ）和局部方向三值模式（ＬＯＴＰ）得到的模型预
测能力最好，说明它们是目前对瘢痕图像纹理描述比较准确的方法之一，同时表明统计纹理分析方法适合用于
瘢痕图像的纹理研究。
关键词：皮肤瘢痕；纹理特征；特征量化；局部描述子
中图分类号：Ｑ６３１
文献标志码：Ａ
文章编号：１００７７１４６（２０１８）０１００１６０５
ＴｅｘｔｕｒｅＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎｏｆＴｗｏｐｈｏｔｏｎＩｍａｇｅｏｆＨｕｍａｎＳｋｉｎ
ＬＩＵＧａｏｑｉａｎｇ，ＬＩＪｉｃｈｕｎ，ＬＩＮＨａｉｈｏｎｇ，ＹＵＨａｏｔｉａｎ，ＣＨＥＮＧｕａｎｎａｎ
（ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＯｐｔｏｅｌｅｃｔｒｏｎｉｃＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｆｏｒＭｅｄｉｃｉｎｅｏｆＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，ＦｕｊｉａｎＰｒｏｖｉｎｃｉａｌＫｅｙ
ＬａｂｏｒａｔｏｒｙｏｆＰｈｏｔｏｎｉｃｓＴｅｃｈｎｏｌｏｇｙ，ＦｕｊｉａｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｆｕｚｈｏｕ３５０００７，Ｆｕｊｉａｎ，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｎｒｅｃｅｎｔｙｅａｒｓ，ｔｈｅｒａｐｉｄｐｒｏｇｒｅｓｓｏｆｎｏｎｄｅｓｔｒｕｃｔｉｖｅｄｉａｇｎｏｓｉｓｏｆｓｃａｒｈａｓｂｅｅｎａｃｈｉｅｖｅｄｂｙｃｏｍｐｕｔｅｒｔｅｃｈ
ｎｏｌｏｇｙ，ａｎｄｔｈｅｑｕａｎｔｉｔａｔｉｖｅａｎａｌｙｓｉｓｏｆｓｃａｒｉｍａｇｅｔｅｘｔｕｒｅｈａｓｂｅｅｎｗｅｌｌｄｉａｇｎｏｓｅｄ．Ｉｎｔｈｉｓｐｒｏｃｅｓｓｔｈｅｒｅｈａｖｅｂｅｅｎ
ｍａｎｙｔｅｘｔｕｒｅｄｅｓｃｒｉｐｔｉｏｎｍｅｔｈｏｄｓ，ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄａｌｓｏｃｏｎｔｒｉｂｕｔｅｄｔｏｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｔｅｘｔｕｒｅｒｅｓｅａｒｃｈ．Ｉｎｔｈｉｓ
ｐａｐｅｒ，ｗｅｉｎｔｒｏｄｕｃｅｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｆｄｉｆｆｅｒｅｎｔｍｅｔｈｏｄｓｏｎｔｈｅｓｃａｒｉｍａｇｅｂｙｕｓｉｎｇｔｈｅｇｒａｄｉｅｎｔｉｔｅｒａｔｉｖｅｒｅｇｒｅｓ
ｓｉｏｎｔｒｅｅａｌｇｏｒｉｔｈｍ，ａｎｄｇｅｔｔｈｅｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌｏｆｄｉｆｆｅｒｅｎｔｍｅｔｈｏｄｓｉｎｔｈｅｃａｓｅｏｆｇｒａｙｌｅｖｅｌｃｏｏｃｃｕｒｒｅｎｃｅｍａｔｒｉｘ（ＧＬ
ＣＭ）ａｎｄｌｏｃａｌｔｅｒｎａｒｙｐａｔｔｅｒｎ（ＬＴＰ）ｓｔａｔｉｓｔｉｃａｌａｎａｌｙｓｉｓｍｅｔｈｏｄｓ．Ｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｓｅｍｏｄｅｌｓｉｓｒｅｆｌｅｃｔｅｄｉｎｔｈｅａ
ｂｉｌｉｔｙｔｏｐｒｅｄｉｃｔｔｈｅｓｃａｒｓｏｆｄｉｆｆｅｒｅｎｔａｇｅｓ．Ｔｈｅｌｏｃａｌｄｉｆｆｅｒｅｎｃｅｌｏｃａｌｂｉｎａｒｙｐａｔｔｅｒｎ（ＬＤＬＢＰ）ｏｐｅｒａｔｏｒａｎｄｔｈｅｌｏｃａｌｏｒｉ
ｅｎｔａｔｉｏｎｔｅｒｎａｒｙｐａｔｔｅｒｎ（ＬＯＴＰ）ｏｐｅｒａｔｏｒｈａｖｅｔｈｅｂｅｓｔｐｒｅｄｉｃｔｏｒｓｏｆｔｈｅｍｏｄｅｌ，ｗｈｉｃｈｓｈｏｗｓｔｈａｔｔｈｅｙａｒｅｏｎｅｏｆｔｈｅｍｏｓｔ
ａｃｃｕｒａｔｅｍｅｔｈｏｄｓｆｏｒｄｅｓｃｒｉｂｉｎｇｔｈｅｔｅｘｔｕｒｅｏｆｓｃａｒｉｍａｇｅｓ．Ｔｈｅｓｔａｔｉｓｔｉｃａｌｔｅｘｔｕｒｅａｎａｌｙｓｉｓｍｅｔｈｏｄｉｓｓｕｉｔａｂｌｅｆｏｒｔｈｅｔｅｘ
ｔｕｒｅｓｔｕｄｙｏｆｓｃａｒｉｍａｇｅｓ．
第２７卷第１期
２０１８年２月
激 光 生 物 学 报
ＡＣＴＡ ＬＡＳＥＲ ＢＩＯＬＯＧＹ ＳＩＮＩＣＡ
Ｖｏｌ．２７Ｎｏ．１
Ｆｅｂ．２０１８
收稿日期：２０１７０５０７；修回日期：２０１７１２２２
基金项目：福建省自然科学基金面上项目（２０１０Ｊ０５１３０）；福建省科技创新人才项目（２０１６Ｂ０１１）；国家教育部创新团
队发展计划项目（ＩＲＴ１５Ｒ１０）；福建省科技厅光电传感应用工程技术研究中心开放课题
作者简介：刘高强（１９９２－），男，汉族，江西省赣州市人，硕士研究生，主要从事数字图像处理研究。（电子邮箱）
１１７１２１８９１５＠ｑｑ．ｃｏｍ
通讯作者：陈冠楠（１９８０－），男，汉族，福建省福州市人，教授，主要从事医学图像处理研究。（电子邮箱）ｅｄａｄｏ＠
ｆｊｎｕ．ｅｄｕ．ｃｎ
Ｋｅｙｗｏｒｄｓ：ｓｋｉｎｓｃａｒ；ｔｅｘｔｕｒｅｆｅａｔｕｒｅｓ；ｆｅａｔｕｒｅｑｕａｎｔｉｆｉｃａｔｉｏｎ；ｌｏｃａｌｄｅｓｃｒｉｐｔｏｒ
瘢痕是皮肤组织遭受烧伤、手术、深度割破等较
为严重的损失后，由皮肤组织无法完全正常自行修
复的结果，由此可以看出瘢痕是人类的一种普遍的
病症［１］。有的时候瘢痕会出现在经常裸露在外面的
比较明显的位置，比如脸部或者手部，这样的瘢痕就
很容易影响美观，严重的会对病人的身心健康造成
巨大影响。目前对皮肤瘢痕的研究有很多，不同类
型的瘢痕有不同的治疗方法［２］。传统的治疗方法对
皮肤本身都有损伤并且恢复时间长，容易产生不良
反应，目前利用计算机技术逐渐实现了对瘢痕的无
损诊断方法。利用数字图像处理技术对瘢痕图像进
行处理，得到瘢痕随不同因素变化的特征，增加了医
生对瘢痕的机制了解，然后选择合理的治疗
方式［３４］。
双光子二次谐波显微技术拥有独特的成像优
势，可以为生物组织的初期无损诊断提供有效合理
的手段［５］。双光子二次谐波使用了超快激光脉冲和
聚焦焦点中的生物组织互相作用形成倍频的相干辐
射光作为成像信号，能够对探求生物组织长时间的
动态特性提供帮助［６８］。目前基于二次谐波显微成
像技术的研究很多没有使用定量的方法，而且医学
图像中又包含了许多与病理相关的复杂信息，所以
利用计算机技术去分析医学显微图像具有重要的价
值。生物医学中计算机技术降低了由工作人员主观
因素带来的干扰，也降低了人力和物力成本，可以提
高诊断的准确率。探究图像的纹理特点可以获得组
织结构之间的区别和联系，便于科研人员对病症进
行诊断以及治疗。本文主要就近年来常用的瘢痕无
损诊断方法进行介绍，其中重点介绍统计纹理分析
方法，得到瘢痕随着年龄的增长具有不同的特征。
１ 皮肤的双光子图像
本文使用的人体瘢痕样本都是来自医院的病
人，经过病人同意后用来做科学实验。在人体组织
的研究中，我们严格按照政府的规章制度进行实验。
不同年龄的瘢痕被医生搜集起来，这些瘢痕是来自
剖腹产女性病人的腹部，瘢痕的年龄各有不同，分别
是２年、４年、８年、１５年、２１年和４０年。病人的年龄
也不一样，范围是从２５岁到５８岁。每一种年龄的
瘢痕生产１５张图像，一共提取到９０张瘢痕的胶原
二次谐波图像。瘢痕的胶原纹理会随着瘢痕的年龄
和病人的年龄变化而变化，但是瘢痕的年龄对胶原
纹理的影响更为显著。在本文的研究中，瘢痕胶原
纹理的形态学变化主要聚焦于瘢痕的年龄，因为每
个年龄的瘢痕都包含了不同年龄的患者，这样就可
以适当消除病人年龄带来的影响。瘢痕的组织样本
在被搜集之后，马上用零下１９６度的液态氮冷藏，这
是不破坏样本的组织结构。在成像之前，瘢痕组织
被切割成１００厚，并且装于密闭的透明袋子中。
瘢痕的胶原二次谐波图像可以用ＺｅｉｓｓＬＳＭ５１０
ＭＥＴＡ显微系统获得，这种系统产于德国，具有作用
于８１０ｎｍ的钛合飞秒激光器。系统主要包括三个
模块，分别是一个激励光源、一个成像探测系统和一
个高透视的嵌入式显微镜，这个显微镜利用双光子
的非线性光学成像。二次谐波图像具有很高的方向
性，因为它涉及到相关干涉原理，所以它拍摄的照片
能比荧光图像更清晰［９］。本文使用的图像来自于样
本的横切面部分，这个部分包含了从表皮到真皮部
分的不同的组织结构。表皮和潜层真皮中可能会包
含有正常的皮肤组织，这会对实验的精确性造成影
响［１０］。因此，成像的时候随机选取深层真皮的部分
来进行分析。深层真皮处于表皮以内６００以下的地
方，这样可以保证实验的准确率。一张瘢痕胶原二
次谐波图像最后会生产标准的的图像，部分图像如
图１所示，图像的年龄分别为２（ａ）、４（ｂ）、８（ｃ）、１５
（ｄ）、２１（ｅ）、４０（ｆ）。
图１ 不同年龄的瘢痕图像
Ｆｉｇ．１ Ｓｃａｒｉｍａｇｅｓｏｆｄｉｆｆｅｒｅｎｔａｇｅ
２ 纹理特征提取方法
纹理是物体表面的一种属性，是人类视觉对物
７１
第１期 刘高强等：人体皮肤的双光子图像纹理特征提取方法
体的一种描述和识别［１１］。目前纹理并没有一个权
威的定义，但是有很多学者在对如何定义纹理这个
方面在做出大量研究的基础上提出自己的观点［１２］。
纹理是复杂的并且具有很多重要的性质，单个像素
是不可能构成纹理的，纹理的多样性是由分布的多
样性构成的。在不同的分辨率或者尺度中纹理都是
可以被感知的，不同尺度下纹理区域的描述是不
同的［１３］。
过去多年的图像纹理研究中出现了很多种类的
纹理特征提取算法，不同的历史阶段存在着不同的
分类算法，但是经典并且流行的就是四类分类算法：
统计纹理分析方法、结构纹理分析方法、频谱纹理分
析方法和模型纹理分析方法［１４］。在皮肤瘢痕的纹
理研究中主要用到的是统计纹理分析方法，因为此
类方法大部分对纹理的描述都比较精确，并且参数
少，实现简单［１５］。
２．１ 灰度共生矩阵
灰度共生矩阵（ｇｒａｙｌｅｖｅｌｃｏｏｃｃｕｒｒｅｎｃｅｍａｔｒｉｘ，
ＧＬＣＭ）是纹理研究中的经典方法，在很多领域的纹
理描述中都有很好的效果。空间中的灰度的重复出
现生成了纹理，所以研究图像空间里的间隔某一距
离的像素对之间的灰度关系，可以得到图像的纹理
特征，这种图像像素的灰度关系就是灰度的空间相
关性。ＧＬＣＭ就是以这种思想为基础应用于分析纹
理特征问题的方法，这一方法描述了图像上像素对
的方向变化的特点。常提取的特征包括能量、逆差
矩、相关度与对比度等等。简单说来就是统计图像
中像素对出现的频率，像素对的选取可以自己定义，
统计完后不同的像素对值得归一化概率组成了最后
的灰度共生矩阵。
２．２ 二元梯度轮廓
二元梯度轮廓（ｂｉｎａｒｙｇｒａｄｉｅｎｔｃｏｎｔｏｕｒ，ＢＧＣ）也
是一种纹理描述子，一共有三种不同的编码方式，由
于效果有些差异，所以我们选择效果较好的第一种
ＢＧＣ１进行介绍［１９］。ＢＧＣ１也是作用于邻域，但是不
考虑中心像素点的影响，只是围绕着中心像素对相
邻像素进行比较，公式如下：
Ｓ（ｘ
ｉ
，ｘ
ｊ
，ｔ）＝
１，ｘ
ｉ
＞ｘ
ｊ
０，ｘ
ｉ
≤
ｘ{
ｊ
（１）
２．３ 局部三值模式
局部三值模式（ｌｏｃａｌｔｅｒｎａｒｙｐａｔｔｅｒｎ，ＬＴＰ）是由局
部二值模式（ｌｏｃａｌｂｉｎａｒｙｐａｔｔｅｒｎ，ＬＢＰ）扩展而来，局
部三值模式作为图像局部对比度的互补算法，与局
部对比度一起表征图像局部的空间特征，具有良好
的纹理识别性能［１６］。
基本的ＬＴＰ算子是利用图像上的每个像素的邻
域窗口内的像素来进行纹理描述的。其基本公式如
式１所示：
Ｓ（ｘ
０
，ｘ
ｉ
，ｔ）＝
１，ｘ
ｉ
≥
ｘ
０
＋ｔ
０，
ｘ
ｉ
－ｘ
０
＜ｔ
－１，ｘ
ｉ
≤
ｘ
０
{－ｔ
ｉ＝１，２，…，８
（２）
Ｘ
０
是邻域的中心像素的灰度值，Ｘ
ｉ
指邻域内除
了中心像素之外的值，ｔ是邻域的阈值，取值视具体
应用而定。
当阈值为５时，邻域窗口内的ＬＴＰ值得计算方
式如图所示：
图２ ＬＴＰ算子的计算例子
Ｆｉｇ．２ ＥｘａｍｐｌｅｏｆＬＴＰｏｐｅｒａｔｏｒｅｓｔｉｍａｔｉｏｎ
为了编码方便需要将标记数变成二进制数，即
生成上模式和下模式。上模式就是将标记数中的－１
变成０，其他数值不变，即１１００００００。下模式就是将
标记数中的１变成０以及－１变成１，即００００１１００。最
后上模式与下模式进行按位求“或”运算得到最终的
二进制编码数１１００１１００。二进制数转化成十进制
数，这个就是邻域窗口的中心像素点的ＬＴＰ值。
２．４ 改进局部三值模式
改进局部三值模式（ｉｍｐｒｏｖｅｄｌｏｃａｌｔｅｒｎａｒｙｐａｔ
ｔｅｒｎｓ，ＩＬＴＰ）是在原来ＬＴＰ算子的基础上改进而来
的［１７］。ＩＬＴＰ的区别在于考虑了邻域的中心像素信
息，是对ＬＴＰ算子信息的补充。具体计算过程就是
用邻域内９个像素值与其均值进行比较，公式如下：
Ｓ（ｘ，ｘ
ｉ
，ｔ）＝
１，ｘ
ｉ
≥
ｘ＋ｔ
０，
ｘ
ｉ
－ｘ
＜ｔ
－１，ｘ
ｉ
≤
{
ｘ－ｔ
ｉ＝１，２，…，９
（３）
ｘ就是对应邻域内的均值，之后的编码方式与
ＬＴＰ算子类似。
８１
激 光 生 物 学 报 第２７卷
２．５ 局部方向三值模式
局部方向三值模式（ｌｏｃａｌｏｒｉｅｎｔａｔｉｏｎｔｅｒｎａｒｙｐａｔ
ｔｅｒｎ，ＬＯＴＰ）是最新提出来的纹理描述子，目的就是
更好地描述皮肤瘢痕纹理的特征［１８］。ＬＯＴＰ算子弱
化了中心像素的核心作用，增强了邻域像素之间的
差异对纹理特征的影响，更能够保留邻域内的梯度
信息，为特征提取做准备，具体的公式如下：
Ｐ（Ｓ
ｉ
，Ｓ
ｊ
，Ｓ
ｍ
，ｔ）＝
１，Ｓ
ｉ
＋Ｓ
ｊ
－２×Ｓ
ｍ
≥
ｔ
０，－ｔ＜Ｓ
ｉ
＋Ｓ
ｊ
－２×Ｓ
ｍ
＜ｔ
－１，Ｓ
ｉ
＋Ｓ
ｊ
－２×Ｓ
ｍ
≤
{
－ｔ
（４）
其中Ｐ（Ｓ
ｉ
，Ｓ
ｍ
，Ｓ
ｊ
，ｔ）是ＬＯＴＰ算子的编码值，ｔ
是阈值，但是它的选取对于最后的结果影响较大。
这样一个邻域就会有６个计算值，通过大量实验得
出阈值取６个计算值均值的绝对值可以达到很好的
纹理描述效果。
２．６ 局部差异局部二值模式
局部差异局部二值模式（ｌｏｃａｌｄｉｆｆｅｒｅｎｃｅｌｏｃａｌｂｉ
ｎａｒｙｐａｔｔｅｒｎ，ＬＤＬＢＰ）增加了对中心与邻域像素灰度
值的局部差异的幅度进行编码［２０］，公式如下：
ＬＤ－ＬＢＰ＝∑ｐ－１
ｐ＝０
Ｈ（
ｇ
ｐ
－ｇ
ｃ
－ｔ）２ｐ，Ｈ（ｘ）＝
１，ｘ
≥
０
０，ｘ＜
{
０
（５）
此时的阈值就是全局阈值，为整个图像的比较
均值。
３ 实验分析
本文主要是利用上节介绍的纹理描述方法进行
瘢痕图像的纹理特征提取，主要提取６个Ｔａｍｕｒａ纹
理特征，分别是粗糙度、对比度、方向度、规则度、线
性度和粗略度。粗糙度（ｃｏａｒｓｅｎｅｓｓ）是最基本的纹理
特征，并且之前有很多科研人员对粗糙度进行了大
量的研究。计算图像固定正方形窗口的像素平均
值，窗口的边长应该是２的幂次，然后每一个点计算
对应于在水平和垂直取向上的点的相对侧上不重叠
邻域对平均值之间的差。取各个方向上最大的值作
为该点的计算值，最后统计整个图像的计算值的平
均值就是粗糙度的值。对比度（ｃｏｎｔｒａｓｔ）是另外一种
纹理特征，改变图像对比度最简单的方法就是拉伸
或者压缩图像的灰度范围。用图像的方差与图像四
阶矩的四次方根的比值作为图像的对比度。方向度
（ｄｉｒｅｃｔｉｏｎａｌｉｔｙ）与对比度类似，也是对于给定区域来
说的一种全局属性。方向度的描述包括元素的形状
和分布的规则。用水平算子和垂直算子和图像进行
卷积，分别得到水平和垂直方向的差异值，从梯度统
计直方图中计算方向度的一种方法就是计算直方图
的峰值。如果存在多峰值的情况，常用的方法就是
对波谷与波谷之间的峰值做二阶矩求和作为图像的
方向度。线性度（ｌｉｎｅｌｉｋｅｎｅｓｓ）这个概念的提出主要
是关注纹理元素的形状，但是这需要给出对线性度
更详细的描述。构建一个方向共生矩阵，这个矩阵
的元素被定义为图像中沿着边缘方向看过去，为ｄ
的距离中两个邻域元胞出现的次数。方向共生矩阵
中的值可以统计出图像的线性度。规则度（ｒｅｇｕｌａｒｉ
ｔｙ）是一种变量关于布局规则的属性。对以上四个特
征的标准差进行求和就可以得到图像的规则度。粗
略度（ｒｏｕｇｈｎｅｓｓ）最开始是用来描述触觉纹理的特
征，而不是视觉纹理特征。广义上的粗略度就是对
粗糙度与对比度进行求和。
梯度迭代回归树（ｇｒａｄｉｅｎｔｂｏｏｓｔｒｅｇｒｅｓｓｉｏｎｔｒｅｅ，
ＧＢＲＴ）是常用的非线性回归算法。利用成百上千颗
决策树对特征数据进行训练生成回归模型，利用当
前树的残差作为下一颗子树的初始值进行学习，最
终的回归结果由每棵子树的投票结果决定，算法的
核心就是在残差减少的梯度方向上建立模型。当达
到终止条件时残差最小，这与传统的Ｂｏｏｓｔｉｎｇ算法对
样本进行加权有着极大的区别。在得到图像的纹理
特征后利用ＧＢＲＴ算法进行回归分析得到图３所示
的结果：
图３ 不同方法的回归曲线
Ｆｉｇ．３ Ｒｅｇｒｅｓｓｉｏｎｃｕｒｖｅｏｆｄｉｆｆｅｒｅｎｔｍｅｔｈｏｄｓ
图３是各种方法提取出图像纹理特征后得到的
回归曲线，横坐标是瘢痕的年龄，纵坐标就是模型的
回归年龄。显然回归曲线的斜率越接近１，回归效果
越好。由实验分析可以看出，经典的ＧＬＣＭ算法并
９１
第１期 刘高强等：人体皮肤的双光子图像纹理特征提取方法
不能很好的描述瘢痕的纹理特征，随着新算法的不
断提出，ＬＤＬＢＰ算子和ＬＯＴＰ算子对瘢痕的描述效
果是比较理想的，并且算法的复杂度较低，运算时间
较短，需要调节的参数也较少，他们强化了图像的纹
理特征，使纹理特征的提取更加简单。
４ 小结
本文对常用的纹理描述子进行介绍，并且在皮
肤瘢痕图像上对不同的纹理描述子进行检验，除了
ＧＬＣＭ之外提取６个Ｔａｍｕｒａ纹理特征，最后利用
ＧＢＲＴ算法生成瘢痕图像的回归模型，由模型的性能
得到不同方法的准确率。ＬＤＬＢＰ算子和ＬＯＴＰ算子
对瘢痕图像的纹理描述比较准确，突出了瘢痕纹理
的特点，对特征的提取有促进作用。本文介绍的方
法都是效果比较理想的统计纹理分析方法，因此统
计纹理分析方法是对瘢痕图像进行量化分析的一个
重要方向。在对特征提取算子进行改进的同时，还
可以对提取具体的纹理特征进行研究，这样能对瘢
痕图像的量化分析提供更大的帮助。
参考文献
［１］ ＴＯＰＯＬＢＭ，ＬＥＷＩＳＪＲＶＬ，ＢＥＮＶＥＮＩＳＴＥＫ．Ｔｈｅｕｓｅｏｆａｎ
ｔｉｈｉｓｔａｍｉｎｅｔｏｒｅｔａｒｄｔｈｅｇｒｏｗｔｈｏｆｆｉｂｒｏｂｌａｓｔｓｄｅｒｉｖｅｄｆｒｏｍｈｕｍａｎ
ｓｋｉｎ，ｓｃａｒ，ａｎｄｋｅｌｏｉｄ［Ｊ］．ＰｌａｓｔｉｃａｎｄＲｅｃｏｎｓｔｒｕｃｔｉｖｅＳｕｒｇｅｒｙ，
１９８１，６８（２）：２２７２３０．
［２］ ＣＯＲＲＤＴ，ＨＡＲＴＤＡ．Ｂｉｏｍｅｃｈａｎｉｃｓｏｆｓｃａｒｔｉｓｓｕｅａｎｄｕｎｉｎ
ｊｕｒｅｄｓｋｉｎ［Ｊ］．ＡｄｖａｎｃｅｓｉｎＷｏｕｎｄＣａｒｅ，２０１３，２（２）：
３７４３．
［３］ ＷＡＲＩＳＴ．Ｉｎｎｅｒｖａｔｉｏｎｏｆｓｃａｒｔｉｓｓｕｅｉｎｔｈｅｓｋｉｎｏｆｔｈｅｒａｔ［Ｊ］．
ＳｃａｎｄｉｎａｖｉａｎＪｏｕｒｎａｌｏｆＰｌａｓｔｉｃａｎｄＲｅｃｏｎｓｔｒｕｃｔｉｖｅＳｕｒｇｅｒｙ，
１９７８，１２（３）：１７３１８０．
［４］ ＨＥＲ，ＣＵＩＤ，ＧＡＯＦ．Ｐｒｅｐａｒａｔｉｏｎｏｆｆｌｕｏｒｅｓｃｅｎｃｅｅｔｈｏｓｏｍｅｓ
ｂａｓｅｄｏｎｑｕａｎｔｕｍｄｏｔｓａｎｄｔｈｅｉｒｓｋｉｎｓｃａｒｐｅｎｅｔｒａｔｉｏｎｐｒｏｐｅｒｔｉｅｓ
［Ｊ］．ＭａｔｅｒｉａｌｓＬｅｔｔｅｒｓ，２００９，６３（２０）：１６６２１６６４．
［５］ ＷＩＬＬＩＡＭＳＲＭ，ＺＩＰＦＥＬＷＲ，ＷＥＢＢＷＷ．Ｉｎｔｅｒｐｒｅｔｉｎｇｓｅｃ
ｏｎｄｈａｒｍｏｎｉｃｇｅｎｅｒａｔｉｏｎｉｍａｇｅｓｏｆｃｏｌｌａｇｅｎＩｆｉｂｒｉｌｓ［Ｊ］．Ｂｉｏ
ｐｈｙｓｉｃａｌＪｏｕｒｎａｌ，２００５，８８（２）：１３７７１３８６．
［６］ ＭＯＲＥＡＵＸＬ，ＳＡＮＤＲＥＯ，ＭＥＲＴＺＪ．Ｍｅｍｂｒａｎｅｉｍａｇｉｎｇｂｙ
ｓｅｃｏｎｄｈａｒｍｏｎｉｃｇｅｎｅｒａｔｉｏｎｍｉｃｒｏｓｃｏｐｙ［Ｊ］．ＪＯＳＡＢ，２０００，１７
（１０）：１６８５１６９４．
［７］ ＦＲＥＵＮＤＩ，ＤＥＵＴＳＣＨＭ．Ｓｅｃｏｎｄｈａｒｍｏｎｉｃｍｉｃｒｏｓｃｏｐｙｏｆｂｉｏ
ｌｏｇｉｃａｌｔｉｓｓｕｅ［Ｊ］．ＯｐｔｉｃｓＬｅｔｔｅｒｓ，１９８６，１１（２）：９４９６．
［８］ ＢＲＯＷＮＥ，ＭＣＫＥＥＴ，ＰＬＵＥＮＡ，ｅｔａｌ．Ｄｙｎａｍｉｃｉｍａｇｉｎｇｏｆ
ｃｏｌｌａｇｅｎａｎｄｉｔｓｍｏｄｕｌａｔｉｏｎｉｎｔｕｍｏｒｓｉｎｖｉｖｏｕｓｉｎｇｓｅｃｏｎｄｈａｒ
ｍｏｎｉｃｇｅｎｅｒａｔｉｏｎ［Ｊ］．ＮａｔｕｒｅＭｅｄｉｃｉｎｅ，２００３，９（６）：
７９６８００．
［９］ ＳＴＯＬＬＥＲＰ，ＲＥＩＳＥＲＫＭ，ＣＥＬＬＩＥＲＳＰＭ，ｅｔａｌ．Ｐｏｌａｒｉｚａ
ｔｉｏｎｍｏｄｕｌａｔｅｄｓｅｃｏｎｄｈａｒｍｏｎｉｃｇｅｎｅｒａｔｉｏｎｉｎｃｏｌｌａｇｅｎ［Ｊ］．Ｂｉｏ
ｐｈｙｓｉｃａｌＪｏｕｒｎａｌ，２００２，８２（６）：３３３０３３４２．
［１０］ ＣＯＸＧ，ＫＡＢＬＥＥ，ＪＯＮＥＳＡ，ｅｔａｌ．３ｄｉｍｅｎｓｉｏｎａｌｉｍａｇｉｎｇｏｆ
ｃｏｌｌａｇｅｎｕｓｉｎｇｓｅｃｏｎｄｈａｒｍｏｎｉｃｇｅｎｅｒａｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌｏｆ
ＳｔｒｕｃｔｕｒａｌＢｉｏｌｏｇｙ，２００３，１４１（１）：５３６２．
［１１］ ＯＪＡＬＡＴ，ＰＩＥＴＩＫＡＩＮＥＮＭ，ＭＡＥＮＰＡＡＴ．Ｍｕｌｔｉｒｅｓｏｌｕｔｉｏｎ
ｇｒａｙｓｃａｌｅａｎｄｒｏｔａｔｉｏｎｉｎｖａｒｉａｎｔｔｅｘｔｕｒｅｃｌａｓｓｉｆｉｃａｔｉｏｎｗｉｔｈｌｏｃａｌ
ｂｉｎａｒｙｐａｔｔｅｒｎｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＰａｔｔｅｒｎＡｎａｌｙｓｉｓａｎｄ
ＭａｃｈｉｎｅＩｎｔｅｌｌｉｇｅｎｃｅ，２００２，２４（７）：９７１９８７．
［１２］ ＧＲＩＧＯＲＥＳＣＵＳＥ，ＰＥＴＫＯＶＮ，ＫＲＵＩＺＩＮＧＡＰ．Ｃｏｍｐａｒｉｓｏｎ
ｏｆｔｅｘｔｕｒｅｆｅａｔｕｒｅｓｂａｓｅｄｏｎＧａｂｏｒｆｉｌｔｅｒｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃ
ｔｉｏｎｓｏｎＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ，２００２，１１（１０）：１１６０１１６７．
［１３］ ＺＨＡＮＧＤ，ＷＯＮＧＡ，ＩＮＤＲＡＷＡＮＭ，ｅｔａｌ．Ｃｏｎｔｅｎｔｂａｓｅｄ
ｉｍａｇｅｒｅｔｒｉｅｖａｌｕｓｉｎｇＧａｂｏｒｔｅｘｔｕｒｅｆｅａｔｕｒｅｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃ
ｔｉｏｎｓＰＡＭＩ，２０００：１３１５．
［１４］ ＷＵＣＭ，ＣＨＥＮＹＣ，ＨＳＩＥＨＫＳ．Ｔｅｘｔｕｒｅｆｅａｔｕｒｅｓｆｏｒｃｌａｓｓｉ
ｆｉｃａｔｉｏｎｏｆｕｌｔｒａｓｏｎｉｃｌｉｖｅｒｉｍａｇｅｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎ
ＭｅｄｉｃａｌＩｍａｇｉｎｇ，１９９２，１１（２）：１４１１５２．
［１５］ ＨＥＤＣ，ＷＡＮＧＬ．Ｔｅｘｔｕｒｅｆｅａｔｕｒｅｓｂａｓｅｄｏｎｔｅｘｔｕｒｅｓｐｅｃｔｒｕｍ
［Ｊ］．ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ，１９９１，２４（５）：３９１３９９．
［１６］ ＲＥＮＪ，ＪＩＡＮＧＸ，ＹＵＡＮＪ．Ｒｅｌａｘｅｄｌｏｃａｌｔｅｒｎａｒｙｐａｔｔｅｒｎｆｏｒ
ｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］２０１４：３６８０３６８４．
［１７］ ＮＡＮＮＩＬ，ＬＵＭＩＮＩＡ，ＢＲＡＨＮＡＭＳ．Ｌｏｃａｌｂｉｎａｒｙｐａｔｔｅｒｎｓ
ｖａｒｉａｎｔｓａｓｔｅｘｔｕｒｅｄｅｓｃｒｉｐｔｏｒｓｆｏｒｍｅｄｉｃａｌｉｍａｇｅａｎａｌｙｓｉｓ［Ｊ］．
ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅｉｎＭｅｄｉｃｉｎｅ，２０１０，４９（２）：１１７１２５．
［１８］ ＣＨＥＮＧ，ＬＩＵＧ，ＸＺＨＵ，ｅｔａｌ．Ａｎｏｖｅｌｍｅｔｈｏｄｆｏｒｄｅｓｃｒｉ
ｂｉｎｇｔｅｘｔｕｒｅｏｆｓｃａｒｃｏｌｌａｇｅｎｕｓｉｎｇｓｅｃｏｎｄｈａｒｍｏｎｉｃｇｅｎｅｒａｔｉｏｎ
ｉｍａｇｅｓ［Ｊ］．ＩＥＥＥＰｈｏｔｏｎｉｃｓＪｏｕｒｎａｌ，２０１７，９（２）：
１９４３０６５５．
［１９］ ＦＥＲＮáＮＤＥＺＡ，áＬＶＡＲＥＺＭＸ，ＢＩＡＮＣＯＮＩＦ．Ｉｍａｇｅｃｌａｓｓｉ
ｆｉｃａｔｉｏｎｗｉｔｈｂｉｎａｒｙｇｒａｄｉｅｎｔｃｏｎｔｏｕｒｓ［Ｊ］．ＯｐｔｉｃｓａｎｄＬａｓｅｒｓｉｎ
Ｅｎｇｉｎｅｅｒｉｎｇ，２０１１，４９（９）：１１７７１１８４．
［２０］ ＬＩＵＹ，ＺＨＵＸ，ＨＵＡＮＧＺ，ｅｔａｌ．Ｔｅｘｔｕｒｅａｎａｌｙｓｉｓｏｆｃｏｌｌａｇｅｎ
ｓｅｃｏｎｄｈａｒｍｏｎｉｃｇｅｎｅｒａｔｉｏｎｉｍａｇｅｓｂａｓｅｄｏｎｌｏｃａｌｄｉｆｆｅｒｅｎｃｅｌｏ
ｃａｌｂｉｎａｒｙｐａｔｔｅｒｎａｎｄｗａｖｅｌｅｔｓｄｉｆｆｅｒｅｎｔｉａｔｅｓｈｕｍａｎｓｋｉｎａｂｎｏｒ
ｍａｌｓｃａｒｓｆｒｏｍｎｏｒｍａｌｓｃａｒｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＢｉｏｍｅｄｉｃａｌＯｐｔｉｃｓ，
２０１５，２０（１）：０１６０２１０１６０２１．
０２
激 光 生 物 学 报 第２７卷