基于颜色特征的常见舌质舌苔分类识别

舌质、舌苔的自动分类识别是中医舌诊客观化的重要内容。针对6种常见的舌质、舌苔类型,基于其不同的颜色特征实现分类。舌象采集过程中,多种因素会引起图像颜色偏差,采用多项式回归的方法实现颜色校正。采用内积阈值和颜色聚类两种方法实现了舌体的分割,保留舌质、舌苔有效信息。最后针对舌象分类自身的特点,引入权值改进算法模型,使分类准确率得到了明显的提升。     

改进的GrabCut方法在舌诊系统中的应用

数字舌象图片的正确分割是实现计算机中医舌诊自动化系统的重要前提,为了高效而准确地分割出舌象,提出了一种基于四叉树与GrabCut的舌象分割方法.该方法首先利用四叉树分解对采集的舌象初分割,然后用相似区域的颜色均值优化GrabCut算法中高斯混合模型参数,最终完成舌象分割.实验结果表明：该算法使得舌象分割效率大大提高,具有很好的实用性.     

融合多颜色分量的舌图像阈值分割算法研究

针对中医自动化舌诊中的舌图像分割问题,提出一种融合多颜色分量的舌图像阈值分割算法。对RGB颜色空间中的蓝色和红色分量执行阈值分割,确定舌图像中的人脸区域;对HSI颜色空间中的色调分量执行变换,在变换后的色调分量上执行阈值分割,以获得包含真实舌体与上嘴唇的初始目标区域;对初始目标区域对应的红色通道执行阈值分割,得到舌根和嘴唇之间的间隙区域;利用间隙区域剔除掉初始目标区域中的上嘴唇,获得最终舌体分割结果。仿真实验表明:该算法较大程度地改善了舌图像分割的精度。     

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...     

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...     

基于轻型卷积神经网络的舌苔颜色分类方法

舌象特征的自动分析是中医舌诊客观化的核心内容。舌苔颜色作为舌象最基本的特征,其分类的准确程度决定了后续舌象分析的有效性。因此,提出了基于轻型卷积神经网络架构的舌苔颜色分类方法。考虑到实际采集中舌象样本较少且类别不平衡的特点,对舌象样本中不平衡的舌苔颜色类别进行数据扩充;通过设计轻型卷积神经网络,将特征提取和分类纳入到一个框架中统一进行处理,利用数据驱动学习图像与其属性的映射关系,得到舌苔颜色分类模型,从而实现对舌象样本的苔色分类。实验结果表明,提出的舌苔颜色分类方法可以取得94. 85%的分类准确率,对辅助中医临床诊疗及临床研究具有现实意义。     

齿痕舌像自动分割的方法

通过总结前人分割舌像的经验,在对齿痕一类舌像特征分析后,确定将RGB模型的舌图先转换为HSV模型,然后运用Otsu阈值法和分量互补的方法分割出完整的齿痕舌体图像.这种方法保留了齿痕的特点使识别齿痕成为可能.齿痕舌分割方法是齿痕舌数字化的基础,它进一步奠定了中医舌诊数字化的基础.     

基于Morphsnakes和U-Net的舌象分割算法研究

精确的舌象分割是利用计算机辅助舌诊的首要以及关键步骤。由于舌象周围易受其他相近人体组织的影响,使得舌象分割具有挑战性。针对此问题,本文首先应用传统图像分割Morphsnakes算法对图像进行嘴部的预分割,其次应用卷积神经网络U-Net模型对舌体进行精准分割,最后进行对比实验。实验结果表明,Morphsnakes算法与U-Net模型结合的方法相比其各自单独的算法分割准确率有较大的提升,可为中医舌诊提供进一步的支持。     

基于Lab颜色模型的聚类舌图像分割

舌图像分割是舌诊客观化的基础,针对舌图像的特点,提出了一种基于Lab颜色模型的聚类舌图像分割算法,该算法对原始图像进行ROI提取、均值滤波等预处理;对预处理过后的图像进行偏色校正和Lab颜色模型转换,以改善环境、人为等外界因素带来的影响;用K-means算法完成舌图像的自动分割.     

一种舌图像中舌体的自动提取方法

舌诊是中医四诊的主要内容,是辨证论治的主要依据。客观化研究对中医辨证规范化及中医临床、教学和科研手段的现代化具有重要意义。舌图像机器分析的首要任务是将舌体提取出来。该文首先使用一种基于颜色纹理的无监督图像分割方法对舌图像进行初分割,然后利用基于色度参数调整后生成的模板进行区域匹配合并完成舌体的提取,通过实验充分证明了算法具有很好的鲁棒性。这给进一步的特征提取奠定了基础。     

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。     

一种基于分裂-合并方法的中医舌像区域分割算法及其实现

舌像的区域分割是实现计算机中医舌诊自动化系统的一项前期工作，只有实现了良好的区域分割，后续工作的开展才能得以保证。为此提出了一种改进的分裂一合并算法对舌像进行区域分割，和其他几种分割算法的处理效果进行了分析比较，其结果表明，该算法在均匀一致性的判别条件，算法速度和处理效果等方面都显示出了其优势，传统方法的时间复杂度为O(n(n 1)／2)，而该算法的时间复杂度为O(n)，该算法在舌像分割方面具有普遍的适应性和实用性，实验结果令人满意。     

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。     

图像分割技术在中医舌诊中的应用

舌诊是传统中医辨症论治的重要手段之一.运用计算机视觉技术,可实现舌诊的定量化和客观化.方法是从采集到的图像中准确提取出完整的舌体图象,然后进行特征提取,提出一种自动分割舌图像的新方法.首先用中值滤波去除图像噪声;其次在YCbCr彩色空间对图像进行预处理,去除面颊皮肤等背景信息;然后用均值移动法初步分割出舌体;最后应用改进的图像区域生长的方法,得到准确完整的舌体图象.通过试验,证明该方法具有令人满意的分割性能.     

改进FCM和LFP相结合的白细胞图像分类

研究白细胞图像分类识别中有效的图像分割与特征提取方法,以提高白细胞图像的正确识别率.由于某些白细胞(粒细胞)中颗粒的存在,严重影响细胞核与细胞质区域的正确分割,通过将空间信息与核函数融入模糊C-均值聚类(FCM)算法,提出一种改进的FCM算法.应用该算法对白细胞图像进行分割,并采用数学形态学方法对分割后的图像进行处理,获得了很好的分割效果,解决了粒细胞的质核分割难题.对于细胞的纹理特征提取,通过对局部二值模式(LBP)中阈值参数的模糊化,建立了基于局部模糊模式(LFP)的纹理特征提取算法.运用本文方法进行图像分割和纹理提取,以支持向量机作为分类器,对CellAtlas的100幅白细胞图像进行了分类识别的实验,结果表明白细胞的正确识别率达到93％.     

基于深度迁移学习的舌象特征分类方法研究

舌象分析是计算机视觉技术在中医望诊的客观化、定量化应用研究中的一个重要课题,其中2个关键步骤是舌体分割和舌象分类.通过级联分类器在原始图像上实现自动舌体定位,再将分割后的舌体图像在GoogLeNet和ResNet上进行深度迁移学习训练,用得到的深度网络对齿痕、裂纹和舌苔厚薄3种主要舌象特征进行分类.从中医医疗机构中获取2245幅舌体图像建立数据集,对齿痕、裂纹和舌苔厚薄3类舌体图像进行分类实验,结果表明,所提方法分类性能优于传统的舌体图像特征分类方法,验证了基于深度迁移学习的舌象特征分类方法的有效性.     

关于图象分割性能评估的评述

概述了图象分割性能评估发的发展,总结了分割性能评估的基本理论框架：确定图象分割性能评估指标,构造评估测试图象集,评估模型与实验分析,以及分割性能评估的常用方法：统计法,基于ＡＩ的方法和混合法。对评估模型的设计作一些尝试性的探讨。