大豆叶片图像的叶脉分割方法

叶脉分割是叶片模式分析的一个重要步骤,对大豆的品种识别、表型研究具有十分重要的意义.由于大豆叶脉结构十分复杂,叶脉所在叶片区域的低对比度,只借助灰度信息分割叶脉一般无法取得理想的分割效果.本文提出了一种结合多尺度灰度无约束击中或击不中变换(UHMT)算法和基于HSI颜色空间的色调信息处理方法的大豆叶脉分割方法.该方法将...     

近红外舌下图像的舌下静脉分割方法

为了尽可能多地获取舌下静脉的形态信息,采用近红外舌下静脉图像采集仪获取近红外舌下静脉图像,并提出对应的舌下静脉分割方法.根据所采集到图像的特点,首先使用分水岭法去除舌下静脉周围的舌质背景等干扰信息;然后使用动态灰度阈值法在已获得的有效舌下区域进行二值化,并结合近红外舌下静脉图像的灰度信息确定舌下静脉候选区域;最后根据舌下静脉区域的灰度一致性进行自适应的区域生长,获得舌下静脉轮廓.实验结果表明,该方法能有效地分离舌下静脉与环绕在其周围的舌质背景,并能准确地定位舌下静脉的完整边界.     

基于纹理特征与 HSI 空间的苹果识别与标定

在分析了不同图像分割方法的基础上提出了一种基于颜色特征和纹理特征的图像 分割算法,以解决复杂背景下苹果采摘机器人分割目标与背景的问题。通过分析灰度图像的纹 理特征,求取灰度共生矩阵提取特征,以支持向量机分割图像,并结合HSI 颜色空间的色差特 征达到目标和背景分离的效果。通过与单纯的颜色特征分析和纹理特征分析相比较,该方法在 识别率上高于其他分割算法,同时对于颜色与背景相近的果实也能有很好的分割效果。     

一种有效的舌体自动化分割算法*

舌体轮廓正确分割是实现中医舌诊信息化的重要前提.目前主流方法是用阈值方法或先验知识得到舌体的初始轮廓线,然后再用Snake模型使得曲线收敛到舌体边缘.但它们都存在两个问题:对比度较小的舌像,如舌面和脸部有相似的对比度的舌象,基本上没法处理;得到的初始化轮廓线无法克服嘴唇的影响,因此用Snake方法曲线常收敛于嘴唇边缘.通过对舌象的低层信息的研究,发现使用简单而有效的直方图均衡化能扩大图像的颜色分辨力,使得现有的阈值处理方法能在原有基础上很好地处理那些原来无法处理的舌体图像;然后根据舌体形状、位置等先验信息,用几何方法修正受嘴角和嘴唇影响得到的边缘.实验结果表明,该方法取得了很好的分割效果.     

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。     

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.     

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。     

Facial image medical analysis system using quantitative chromatic feature

In order to investigate whether the appearance of a human face can be utilized for diagnostic purposes, which have been practiced for thousands of years in Traditional Chinese Medicine (TCM), this paper aims to present a computerized facial image analysis system by using quantitative chromatic features for disease diagnosis applications. A face image acquisition device is dedicatedly designed to acquire image samples from volunteers who have three types of health conditions: normal health, icterohepatitis, and severe hepatitis. Then, after color calibration on the acquired images to remove noises caused by lighting fluctuations, quantitative dominant color features are extracted by fuzzy clustering method. In order to further improve the diagnosis accuracy, a feature selection procedure is involved to identify the most discriminative feature subset for the diagnostic classification. Lastly, based on these selected quantitative feature, each face image could be diagnosed into different health groups. Experiments are conducted based on a database which includes over 300 sample images, and the result shows that the overall diagnosis accuracy between healthy samples and other two diseases is higher than 88%. Hence the feasibility of disease diagnosis by inspecting the chromatic feature of human face could be verified.     

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。     

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.     

融合双特征图信息的图像显著性检测方法

目的 图像的显著性检测是将图像中最重要的、包含丰富信息的区域标记出来,并应用到图像分割、图像压缩、图像检索、目标识别等重要领域。针对现有研究方法显著性目标检测结果不完整以及单一依靠颜色差异检测方法的局限性,提出一种综合图像底层颜色对比特征图和图像颜色空间分布特征图的显著性检测方法,能够有效而完整地检测出图像中的显著性区域。方法 本文方法结合了SLIC超像素分割和K-means聚类算法进行图像特征的提取。首先,对图像进行SLIC（simple linear iterative clustering）分割,根据像素块之间的颜色差异求取颜色对比特征图;其次,按照颜色特征对图像进行K-means聚类,依据空间分布紧凑性和颜色分布统一性计算每个类的初步颜色空间分布特征。由于聚类结果中不包含空间信息,本文将聚类后的结果映射到超像素分割的像素块上,进一步优化颜色空间分布图;最后,通过融合颜色对比显著图和图像颜色空间分布特征图得到最终的显著图。结果 针对公开的图像测试数据库MSRA-1000,本文方法与当前几种流行的显著性检测算法进行了对比实验,实验结果表明,本文方法得到的显著性区域更准确、更完整。结论 本文提出了一种简单有效的显著性检测方法,结合颜色对比特征图和图像颜色空间分布特征图可以准确的检测出显著性区域。该结果可用于目标检测等实际问题,但该方法存在一定的不足,对于背景色彩过于丰富且与特征区域有近似颜色的图像,该方法得到的结果有待改进。今后对此算法的优化更加侧重于通用性。     

Tongue image analysis for appendicitis diagnosis

Medical diagnosis using the tongue is a unique and important diagnostic method of traditional Chinese medicine (TCM). However, the clinical applications of tongue diagnosis have been limited due to two factors: (1) tongue diagnosis is usually based on the capacity of the eye for detailed discrimination; (2) the correctness of tongue diagnosis depends on the experience of physicians; and (3) traditional tongue diagnosis is always dedicated to the identification of syndromes other than diseases. To address these problems, in this paper, we present a tongue-computing model (TCoM) for the diagnosis of appendicitis based on quantitative measurements that include chromatic and textural metrics. These metrics are computed from true color tongue images by using appropriate techniques of image processing. Applying our approach to clinical tongue images, the experimental results are encouraging.     

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。     

融合颜色与纹理的复杂场景下的服装图像分割算法

针对复杂场景下拍摄到的服装图像的分割问题,提出一种基于先验知识的融合颜色和纹理特征的无监督分割算法。首先利用块截断编码思想将传统的三维颜色空间截断成为六维空间,得到更为精细的颜色特征,并结合改进的局部二值模式纹理特征实现对图像的特征描述;然后根据目标区域和背景区域在图像中出现的统计规律,提出了一种基于先验知识的两分法来对图像进行分割。由于对图像做了分块处理,因此在子图像块的基础上进行的图像分割将更加高效。实验表明,设计的算法能快速有效地将目标区域从各类不同的复杂场景中分割出来,且整个过程无须人工设定任何参数,对后续的图像理解和图像检索具有重要意义。     

使用方向滤波技术的手指静脉纹路提取方法

为了准确高效地提取手指静脉纹路,提出一种新的基于方向滤波的手指静脉纹路提取方法。该方法结合静脉纹路特点设计手指静脉图像的方向图及方向滤波器,根据所得的方向图及方向滤波器对图像进行滤波增强,对增强后的图像提取手指静脉模式。与传统的二值化方法相比,在进行二值化操作前,先对图像进行方向滤波处理,使得该方法提取出的手指静脉纹路连通性与光滑性好、噪声与伪特征少,且其不仅对高质量图像能够准确有效地提取出静脉纹路,对低质量图像处理效果也比较理想。     

皮肤红斑彩色图像分割的降维方法研究

论文通过在HSV色彩空间分析皮肤红斑彩色图像的颜色分布特征,提出了适用于皮肤红斑彩色图像分割的一维特征参量,并将该特征参量用于模糊c均值聚类算法,对红斑彩色图像进行了分割实验。实验结果表明,与用其它特征参量的图像分割实验相比,使用该特征参量可以提高分割速度和分割正确率。     

一种基于改进ResU-Net的角膜神经分割算法

角膜神经图像的自动分割对于糖尿病神经病变等疾病的诊断与筛查至关重要。针对由于角膜神经图像存在对比度低且包含非神经结构而造成分割效率较低的问题,在ResU-Net结构基础上引入多尺度残差、注意力机制、多尺度图像输入与多层损失函数输出模块,提出一种基于注意力机制的角膜神经分割算法。多尺度残差模块通过在残差模块中加入多尺度表征信息以提高卷积层提取多尺度特征的能力,而注意力机制模块在双重注意力作用下,利用网络对编码器与解码器中的目标特征进行权重优化,使得在增强图像目标区域特征的同时抑制背景及噪声区域,并采用多尺度图像输入与多层函数输出模块以监督网络中每一层的特征学习。实验结果表明,与主流分割算法相比,该算法的分割效果更优,且曲线下面积与敏感度分别可达到0.990和0.880。     

Feature encoding for unsupervised segmentation of color images

In this paper, an unsupervised segmentation method using clustering is presented for color images. We propose to use a neural network based approach to automatic feature selection to achieve adaptive segmentation of color images. With a self-organizing feature map (SOFM), multiple color features can be analyzed, and the useful feature sequence (feature vector) can then be determined. The encoded feature vector is used in the final segmentation using fuzzy clustering. The proposed method has been applied in segmenting different types of color images, and the experimental results show that it outperforms the classical clustering method. Our study shows that the feature encoding approach offers great promise in automating and optimizing the segmentation of color images.     

自适应多维特征减少的模糊C-均值遥感图像分割算法

针对传统分割算法难以对遥感图像进行有效分割的问题,提出了一种自适应特征减少的图像分割算法。首先对源图像进行超像素分割,将获得的超像素作为算法的基本操作对象。其次,提取图像的颜色、纹理、边缘以及空间等多维特征,并使用加权像素值来表示超像素的特征。再者,将模糊分离度量加入到FRFCM(feature-reduction fuzzy C-means)模型中,构造特征减少分割算法。该算法可以自动选择有用特征。最后对分割算法进行优化,获取最终分割结果。通过遥感图像分割实验表明,提出算法能有效分割遥感图像,在分割准确度、运行时间、消除噪声影响等性能方面优于其他同类算法。