一种基于Snakes模型的中医舌象分割改进算法

舌象分割是中医舌诊客观化研究中的一个重要步骤,其结果好坏直接影响到舌象自动分析结果.传统的snakes舌体分割算法的颜色依赖性太大,当舌象的采集环境发生变化时,该算法对所采集的舌象分割结果往往不能令人满意.本文提出的基于snakes模型的改进算法将舌象转换到多种颜色空间,两次应用Snakes动态轮廓模型,最大化地提取了...     

基于四叉树分解与图割的彩色图像快速分割

图割是一种基于图论的组合优化方法,基于图割的GrabCut是一种高效的前景提取算法。然而,GrabCut为达到一定分割精度,在高斯混合模型参数估计过程中多次迭代使用图割,这使得GrabCut在处理海量级图像数据时,耗时往往比较大。通过四叉树分解,可以将图像划分成区域内相似度高的若干分块,以构建精简的网络图,并用块内的RGB均值代替该块内的所有像素点的值进行高斯混合模型参数估计,从而减小问题规模,提高算法效率。实验结果表明了算法的可行性及有效性。     

中医舌象分割技术研究进展: 方法、性能与展望

中医舌诊的客观化、定量化研究是中医现代化发展中的重要课题. 数字化采集到的舌图像包括舌体及部分面部区域, 为了便于后续舌象自动分析, 需要首先将舌体部分从图像中分割出来, 分割效果将直接影响后续舌象特征分析的准确性. 基于传统方法的舌象分割技术虽然取得了很大进展, 但其性能仅能达到半自动分割, 对较难分割的图像往往需要借助人机交互来完成. 近年来, 深度学习技术在图像处理及计算机视觉等多个领域取得了突破, 其在图像语义分割任务中也取得了远超传统方法的进展. 基于深度学习的舌象分割技术已经基本实现了全自动的鲁棒分割. 本文首先从传统分割方法和基于深度学习的分割方法两方面对中医舌象分割技术发展中的主要方法进行综述; 其次, 采用我们收集的舌象数据库对典型的方法进行性能评估, 并对不同舌象分割方法的特点进行分析与讨论. 最后, 对中医舌图像分割方法潜在的发展方向进行了展望.     

面向舌体分割的两阶段卷积神经网络设计

目的 由于舌体与周围组织颜色相似,轮廓模糊,传统的分割方法难以精准分割舌体,为此提出一种基于两阶段卷积神经网络的舌体分割方法。方法 首先,在粗分割阶段,将卷积层和全连接层相结合构建网络Rsnet,采用区域建议策略得到舌体候选框,从候选框中进一步确定舌体,从而实现对舌体的定位,去除大量的干扰信息;然后,在精分割阶段,将卷积层与反卷积层相结合构建网络Fsnet,对粗分割舌象中的每一个像素点进行分类进而实现精分割;最后,采用形态学相关算法对精分割后的舌体图像进行后续处理,进一步消除噪点和边缘粗糙点。结果 本文构建了包含2 764张舌象的数据集,在该数据集上进行五折交叉实验。实验结果表明,本文算法能够取得较为理想的分割结果且具有较快的处理速度。选取了精确度、召回率及F值作为评价标准,与3种常用的传统分割方法相比,在综合指标F值上分别提高了0.58、0.34、0.12,效率上至少提高6倍,与同样基于深度学习思想的MNC（multi-task network cascades）算法相比,在F值上提高0.17,效率上提高1.9倍。结论 将基于深度学习的方法应用到舌体分割中,有利于实现舌象的准确、鲁棒、快速分割。在分割之前,先对舌体进行定位,有助于进一步减少分割中的错分与漏分。实验结果表明,本文算法有效提升了舌体分割的准确性,能够为后续的舌象自动识别和分析奠定坚实的基础。     

基于Dilated ADU-Net的开放环境下的舌象分割算法

舌象的精准分割是能否获得正确舌象诊断结果的重要前提。针对在自然光照条件下传统分割算法难以精确、稳定地分割舌体图像的难题,构建一种融合空洞卷积双注意力机制与密集连接机制的改进型U-Net舌象分割模型（Dilated Attention&Dense U-Net, Dilated ADU-Net）。首先,基于U-Net网络的对称结构搭建主干网络;然后,下采样模块采用空洞型混合注意力模块,使网络聚焦于舌体特征,上采样模块采用密集连接机制融合多层特征信息;最后,采用开放环境下的舌象数据集对网络进行训练获得舌象分割模型。通过实验验证,和其他先进的分割方法相比,本文构建的舌象分割模型平均交并比（mean Intersection over Union, mIoU）达到96.73%,相似系数（Dice Similarity Coefficient, DSC）达到98.08%,具有更好的分割性能,可以实现复杂环境下舌象的精准分割。     

GrabCut在人体序列切片图像分割中的应用

将GrabCut算法应用于人体序列切片图像分割,解决手动分割操作繁琐、效率低等问题.在简要介绍GrabCut算法基础上,选取可视化韩国人体数据集(VKH)中肾脏部位的序列图像,利用该算法对肾脏进行分割.通过Visual C++环境,在自主开发的三维人体肾脏结构虚拟现实软件(VRKidney)中实现了肾脏分割、修改功能、同一幅图像分割多个对象功能等,与手动分割法、边界提取法的比较,验证了该方法具有操作简单、高效的特点.研究表明GrabCut算法操作简单、分割效率高,可以很好完成人体序列切片图像的分割.     

基于区域生长算法的彩色舌诊图像分割技术研究

为准确地提取舌象特征,在解决选取种子像素和定义区域均匀性测度两项关键技术问题的基础上提出了一种改进的区域生长算法。实验表明该方法取得了良好的分割效果。     

基于自适应阈值的舌像分割方法

中医舌诊是目前医学领域的重要前沿课题之一,而舌体轮廓的正确分割是实现中医舌诊信息化的重要前提,目前主流的阈值分割方法对对比度较小的舌像仍不能实现很好的分割。为此提出了一种舌像的自适应阈值分割算法,该算法是以VC＋＋为开发平台,首先把图像分成多个子块,然后运用迭代的方法计算每个子块的最佳阈值,根据每个局部最佳阈值构成的阈值矩阵进行分割。实验结果表明,该算法对背景和目标分界不明显的舌像有很好的分割效果,对中医舌诊的继续发展有很强的现实意义。     

基于四叉树与图割的遥感图像分割方法

针对图割算法实时性差的问题,提出一种基于四叉树与图割的遥感图像分割方法。用四叉树分割方法将遥感图像分割成多个区域,根据区域的邻接性合并相似小区域,结合区域间的灰度和位置信息,利用Normalized Cut方法在区域间进行划分,完成图像的分割。实验结果证明该方法能有效消除四叉树方法的过分割现象。     

基于动态阈值和修正模型的舌体提取算法

针对在舌象中较难准确分离舌体的问题,提出从舌体的颜色、形状、位置等先验知识出发,采用HIS色彩模型去除舌象中的嘴唇、脸部等信息,用动态阈值分割算法提取舌体初始轮廓,用舌体修正模型得到最终舌体。通过舌体提取实验和数据分析表明,该方法不仅在抗噪能力、提取精度方面好于其它算子,而且克服了嘴唇、脸部的影响,对舌体凹陷区域也取得了较好的分割效果。舌体的准确提取为下一步舌质舌苔的准确分离打下了良好基础。     

一种新的MLBP-Otsu算法及在舌裂纹分割中的应用

中医舌诊中只有精确、完整地分割出舌裂纹,才能准确地对舌裂纹信息进行定量化的特征表示与描述,而目前少有方法能达到此要求。为此,提出了一种新颖的基于改进的局部二值模式（Local Binary Pattern,LBP）算子与Otsu阈值分割技术相结合的舌裂纹分割算法（MLBP-Ostu算法）。根据舌裂纹的纹理特征对传统LBP的模式分类方法进行重定义;引入一个粗糙度度量因子[R],如某区域的[R]值偏小或偏大,则把其归类为非裂纹区,不进行LBP特征值计算;利用Otsu方法对前面得到的LBP特征图进行阈值分割,从而得到舌裂纹的二值图像。实验结果表明,该算法能较精确、完整地分割出舌裂纹,并且不需要预先分割出舌体区域,为将来舌诊的定量化研究及临床应用提供了有效手段。     

基于小波变换的GrabCut图像分割

研究 GrabCut 是以迭代能量优化算法为基础,以颜色和纹理为特征,从背景图像中提取出目标的图像分割算法。但该方法速度较慢,为了达到实时应用的目的,提出了一种基于小波变换的 GrabCut 图像分割方法。该方法首先对原始图像进行小波变换的图像压缩,使得原始图像的分辨率降低,然后在压缩后的图像上迭代GrabCut算法,最后将收敛获得的目标区域作为原始图像初始值,再次使用GrabCut算法在原始图像上进行迭代,从而提取出目标。实验结果证明该算法提高了图像目标的提取速度,并保持图像目标的特征基本不变。     

基于SLIC的改进GrabCut彩色图像快速分割

GrabCut算法用户交互量少且分割精度高,但它迭代使用GraphCuts的求解模式使得在处理高分辨率图像时,耗时巨大。提出了一种快速GrabCut算法,在高斯混合模型参数估计过程中,通过SLIC算法构建精简的GraphCuts模型以实现加速。通过SLIC算法将原始图像快速地预分割成具有确定边界且区域内相似度高的超像素图,并以此构建精简的网络图。以块内的RGB均值描述超像素特征进行高斯混合模型参数估计。为了提高分割精度,使用得到的GMM参数对原始图像进行分割。实验结果证明了该算法在时效和精度上都有很好的性能。     

基于图割的JPEG图像快速分割算法

基于图割理论的GrabCut算法由于使用所有像素来迭代估计高斯混合模型(GMM)参数,算法效率较低。针对该问题,提出一种基于图割的JPEG图像快速分割算法。以GrabCut算法为基础,对JPEG图像中DC系数构成的低频图像进行迭代分割,估计GMM参数以减少训练样本的数目。实验结果表明,该算法能在保证分割精度的前提下缩短高分辨率JPEG图像的分割时间。     

基于改进的最大类间方差的舌色和舌苔分离技术

舌苔、舌色分离是实现舌诊图像自动分析的重要的预处理工作。舌的分部图象的直方图是单峰的,采用一维最大类间方差法确定最佳分割阈值比较合适的,该方法简单有效,很受欢迎。但由于其对噪声和图象频数分布的敏感性,成为当前研究的热点之一。该文提出一种新计算公式,实验表明该公式对噪声等零星分布有较强的抑制作用,得到的最佳阈值比较得稳定,有参考意义。     

中医舌象计算机识别研究的现状分析及问题

从静态舌图像计算机识别研究的关键环节出发,对当前的研究现状进行了分析.认为在舌图像的采集方面有必要引入正交设计、图像质量评价等方法以筛选出高标准、统一、实用的图像采集条件;图像分割研究可以考虑从多角度入手,综合使用多种分割方法,取长补短,以提高分割效果;同时采用Delphi评价法、多中心的网上专家判别等手段,大样本集中专家经验,综合各家的辨舌经验,建立科学规范的舌象诊断标准;当前舌象识别研究的热点主要集中在舌的颜色领域,研究的方向有待向颜色以外的其他方面拓展,并最终由定性向定量转化,而实现舌诊内容的综合判别将是今后努力的方向.     

高效的白细胞分割算法

白细胞分割是细胞形态学研究中一个重要、富有挑战性的课题。提出一种基于目标检测的白细胞分割算法。具体地讲,首先根据目标检测方法检测出白细胞,并由白细胞的位置信息得到包含白细胞的子图,然后运用多项式拟合的方法得到子图的灰度直方图的波谷值,再在子图上运用直方图阈值算法分割出细胞核。该算法在分割细胞核的过程中,既可以有效地避免血小板和红细胞等干扰,又能较容易地估计出阈值。对于白细胞的细胞质分割,将白细胞位置信息作为GrabCut算法中人工交互部分,通过迭代法分割出白细胞的细胞质。实验结果表明,该算法能准确地定位白细胞,并根据白细胞的位置信息可以降低白细胞分割的难度,提高其分割的精度和分割效率。特别地,在Cellavision的白细胞图片数据库的实验结果表明,所提的白细胞分割算法对不同类别、不同染色剂和不同拍摄环境下得到的白细胞都能得到较好的分割效果,同时算法又还具有很好的泛化性。     

基于改进的最大类间方差的舌色和舌苔分离技术

舌苔、舌色分离是实现舌诊图像自动分析的重要的预处理工作。舌的分部图象的直方图是单峰的,采用一维最大类间方差法确定最佳分割阈值比较合适的,该方法简单有效,很受欢迎。但由于其对噪声和图象频数分布的敏感性,成为当前研究的热点之一。该文提出一种新计算公式,实验表明该公式对噪声等零星分布有较强的抑制作用,得到的最佳阈值比较得稳定,有参考意义。