对面部皮肤质量进行合理的评价在皮肤病诊断、美容效果评价以及皮肤保养和护理等领域具有重要作用。但是目前国内外市场上的皮肤测试仪等产品具有价格昂贵、体积庞大、不方便携带等缺点。由海尔公司推出的“海尔魔镜”，其中的智慧健康模块，对皮肤质量评价角度单一。主打“拍照测肤质”的“你今天真好看”App，对粉刺的评价只是给出其严重程度。本文基于机器学习相关算法，通过面部图像快速、定量、客观地对皮肤质量作出评价。论文主要研究成果有:
　　(1)提出了一种面部皮肤质量评价方法。目前对面部皮肤质量评价的研究给出的评价方法大多是不同的皮肤质量等级，没有对评价结果进行定量分析。面部皮肤质量包含皮肤疾病、湿润度、光泽度、毛孔大小、酸碱度、皱纹和粉刺等多个方面，本文基于用户最为关注的皱纹和粉刺两个方面进行研究，提出了一种面部皮肤质量评价方法，包括对不同区域分配不同权重得到的皱纹指数和基于粉刺存在的面积及个数的粉刺指数两部分。这种评价方法不仅可以划分出皮肤质量的等级，还可以通过比较最终的评价结果来进一步比较相同等级的皮肤质量的差异。
　　(2)提出了一种LBPH与GLCM融合的皱纹识别算法。不同的人的面部皮肤皱纹有深有浅，即使同一个人的不同的皱纹区域也存在差异，因此皱纹识别的难点在特征提取环节。由于皱纹属于皮肤纹理细节特征，而且面部皱纹往往具有方向性，另外，局部二值模式直方图能够有效地描述图像局部纹理特征，而灰度共生矩阵能够反映图像在方向以及变化幅度等方面的信息。因此，本文结合两种特征的优势，将局部二值模式直方图特征与灰度共生矩阵融合来提取皱纹特征。
　　(3)提出了一种基于波动特征值的无监督粉刺识别算法。现有的粉刺识别算法通常是首先对单张图像进行形态学处理，选取阈值，将各个像素值与阈值进行比较来判断是否是粉刺。由于是对单个像素值的比较，该方法容易受到噪声的影响。本文提出的基于波动特征值的无监督粉刺识别算法，首先对图像进行分块处理，并结合周围的像素值来计算当前像素的特征值，最终选取的分类阈值是基于大量的样本的统计值，能够有效地消除图像中的噪声带来的干扰。同时，该算法提高了粉刺识别的实时性。
　　(4)提出了一种基于网格搜索算法的随机森林粉刺识别方法。随机森林算法由于随机采样过程中随机量的引入，使随机森林算法对噪声数据不敏感，有效地减少了噪声对识别结果的影响，取得了较好的效果。
　　本文实验结果分析部分使用交叉验证、正交实验、方差分析以及对比分析等方法。结果表明，本文所使用的皮肤质量评价相关算法能够对皮肤质量进行有效的评价，达到了预期的效果。