天天硕士研究生论文网

硕士论文范文

中医舌诊中舌象特征提取及分类算法研究

作者:admin 日期:2019-02-19 14:25:51 点击:571

    

 

中医舌诊的使用可以追溯到几千年前,然而由于条件的限制,传统的中医舌诊一直缺乏现代医学科学理论依据。受其主观性的影响,诊断方法是根据中医的先验知识和患者的宏观表现所决定,缺乏理想的客观参考标准。另外,由于传统中医学与西医理念上的不同,使得中医临床经验和结论不能合理地得到应用。因此,传统中医舌诊的发展在多个方面受到了制约。

 

为了克服传统中医舌诊的缺陷和不足,继续发展现代中医舌诊,本文进行了多方面的研究。根据中医舌诊的发展,研究了舌象颜色代表色的提取、舌象颜色与纹理特征的提取、舌象样本的预处理和舌体图像的苔质分割,并根据提取的特征,进行特征融合以及分类模型的设计。

 

舌象颜色分析:通过分析舌象颜色的提取方式、舌象冷暖色以及冷暖色与症状的关系,发现聚类算法能获得较佳的舌象代表色。此外,通过聚类后得到的图像代表色作为舌体图像的苔质分割实验和舌象分类模型建立的参考标准,这样有助于解决在分类实验中缺少参考对象的问题。

 

舌象特征的提取方法研究:主要是提取舌象的颜色与纹理特征。提取舌像颜色特征的方法主要有颜色直方图、颜色矩和舌象颜色阈值算法。纹理特征的提取算法包括

 

Tamura 纹理和 Gabor  纹理算法。

 

舌象的苔质分割模型的建立及性能评估:通过研究分析常用多种单核以及混合核

 

SVM 的分割算法在舌像苔质分割的优缺点,并分析了多种分类算法(如 KNN、单核

 

SVM PSO 混合核 SVM)在舌象分类的性能,提出了改进的 PSO 优化混合核 SVM

 

舌象分类算法。最后,对不同的舌象样本数据进行舌象的苔质分割实验以及将该算法

 

Logistic 回归和随机森林模型在多种样本数据进行分类实验对比,实验结果表明该算法在舌象的苔质分割中取得了最佳的效果。

 

本论文在舌象的预处理、舌象特征的提取以及舌象的苔质分割展开了深入研究,并在此基础上设计了分类模型,为现代中医舌诊的发展做了有益的贡献。

 

关键词:现代中医舌诊    混合核函数    舌象苔质分割    Logistic 回归   支持向量机

Abstract

 

The use of tongue diagnosis in traditional Chinese medicine can be traced back to thousands of years ago. However, due to the limitation of conditions, the traditional tongue diagnosis in traditional Chinese medicine has been lack of theoretical basis of modern medical science. Influenced by its subjectivity, the diagnostic method is determined by the prior knowledge of traditional Chinese medicine and the macroscopic performance of the patients, lacking ideal objective reference standards. In addition, traditional Chinese medicine and Western medicine are different in concept, so that the clinical experience and conclusions of traditional Chinese medicine can not be reasonably applied. Therefore, the development of tongue diagnosis in traditional Chinese medicine has been restricted in many aspects.

 

In order to overcome the shortcomings and deficiencies of traditional Chinese medicine tongue diagnosis and continue to develop modern Chinese medicine tongue diagnosis, this paper carried out a variety of studies. According to the development of tongue diagnosis, the extraction of representative color of tongue image, the extraction of color and texture features of tongue image, the pretreatment of tongue image samples and the segmentation of fur of tongue image are studied.

 

Tongue image color analysis: By analyzing the extraction method of tongue image color, the relationship between tongue image color and symptoms, it is found that the clustering algorithm can obtain better representative color of tongue image. In addition, the representative color obtained by clustering can be used as a reference standard for fur segmentation experiment and tongue image classification model establishment, which helps to solve the problem of lack of reference object in classification experiment.

 

The method of extracting tongue features is mainly to extract the color and texture characteristics of tongue. Color histogram, color moment and tongue color threshold algorithm are the main methods to extract color features of tongue.

 

Establishment and performance evaluation of tongue image fur segmentation and classification model: Through studying and analyzing the advantages and disadvantages of several commonly used single-kernel and multiple-kernel SVM segmentation algorithms in tongue image fur segmentation, and analyzing the performance of various classification algorithms (such as KNN, single-kernel SVM and PSO multiple-kernel SVM) in tongue


 

image classification, an improved PSO optimized hybrid algorithm is proposed. A kernel SVM classification algorithm. Finally, the experiments of fur segmentation on different tongue images and the classification experiments on different tongue images are carried out. The experimental results show that the algorithm achieves the best results in fur segmentation experiments and the establishment of classification model of tongue images.

 

In this paper, the pretreatment of tongue image, the exact extraction of tongue image features and the segmentation of tongue image fur have been studied deeply. On this basis, a classification model has been designed, which has made a beneficial contribution to the development of tongue diagnosis in modern Chinese medicine.

 

 

Key words: Tongue diagnosis in modern Chinese medicine Multiple-kernel function Tongue segmentation Logistic regression Support vector machine


 

1         

 

1.1 课题的研究背景及意义

 

1.1.1 课题研究的背景

 

中医学是我国人民与疾病长期斗争中产生的宝贵财富。由于经济快速上升和医学的快速进步,人们对身体健康的渴望和环境的改善提出了更高的要求,同时生活压力在各个方面逐渐的增长,对人们身体健康状态也构成极大的威胁。当前,国内各大医院主要是以西医为主,由于每个人的身体状况不同,西医在很多情况无法完全治愈人们的疾病,因此中医成为我们必不可少的选择。同时,中医作为中国传统文化之一,我们对中医的治疗方法和思想比较熟悉,使其也越来越受到人们的欢迎。

 

在中医学中最常用的的方式就是舌诊,它也是最具有临床价值的方式,在不断的实践中积累了较为丰富的经验和有效的理论依据。人的舌体被称为唯一外露的内脏,它不但能够根据舌生物学特征辨别人体五脏六腑的病理的变化还能辨别人体机能的症状,是一面很好反映人体内部的镜子[1]。所以,可以通过观察舌象的颜色特征和纹理特征等对人体进行辨证和辨病,以至于更好的评估人体的健康状况,并为疾病的诊

断和分析做出有利的依据[2,4,5,15,16]

 

在中医学中,辩证论治是其精髓,舌诊[1,2]则是中医的重要内容。在中医理论中,可以根据舌体的特征来判断人体器官的健康状况。舌体的颜色和纹理特征蕴含很多信息,不同的颜色和纹理特征对应不同的疾病,表 1-1 列举了中医舌诊的内容及观察的特征。望舌诊病的诊断方式是通过观察病人的舌象胎质和舌色等来确定人体内所

 

对应的五脏六腑的病变和病变位置。

但是,中医舌诊都是以人的主观性判断为依据,缺乏客观和标准化的科学依据作为参考,其诊断结果完全取决于医生的自我知识和经验积累,并且舌诊的临床诊断资料和经验无法得到合理的记录和传承,中医舌诊的这些不足都制约了舌诊在现代医学中的广泛应用和快速发展。

 

中医的现代化对于中医的发展和继承具有里程碑的意义,有助于解决中医舌诊在现代化发展中遇到的各种问题,促进传统中医向着标准化、客观化和自动化[3]的方向发展,有利于具有几千年文明的中医舌诊学更好的传承和长久的发展,并使中医舌诊持续为人类做贡献。

 

1.1.2 课题研究的意义

 

本课题主要是通过模式识别的相关方法,研究舌象特征提取和舌象的分类技术,这些技术是舌象自动分析的基础,有助于很好的解决传统中医常见的主观性强和非量化等缺点,为舌诊的检测水平和稳健性的提高做了有利的铺垫。现代中医学的不断发展进步,降低了舌诊的应用门槛,给人们带来了在家自我检查的便利。

 

1.2 国内外研究现状

 

近年来,国内外的许多学者和学术研究机构在中医舌诊的智能图像处理和相关的模式识别方面做了大量深入细致的研究工作,并获得了相当不错的进展,为进一步的研究做出了很好的引导。

 

20 世纪 90 年代早期,一些国内研究机构开始研究诸如舌体图像的收集,舌体的分割以及舌体图像的各种特征的提取等技术。例如舌象的苔质分割和特征的提取方面,北京工业大学的沈兰荪等人[4]通过分析舌象的纹理、颜色和几何结构等特征,阐述了其基本理论和客观化研究思路,将提出的方法应用到临床的诊断中,得到了中医专家的一致好评。在舌象表面现象中,湖南中医学院[5]在显微镜下能够精确的分析舌体表面附着的微小构造。在颜色特征方面,中国科技大学在舌象颜色特征的提取做了改进,通过对颜色特征向量的降维获得舌象颜色的分布。在舌象的舌质和舌苔的分类方面,华中科技大学的杜建强等[6]人提出了 FCM 聚类算法,该算法有助于精确获得对应的数量,在苔质分离取得了相当好的结果。王爱民等[7]人设计了 LVQ 分类模型,通过神经网络技术方式实现舌象苔质的准确分类。最近几年,哈尔滨工业大学和香港理工大学[8,9]应用图像处理分析技术对图像的纹理、几何和颜色等特征进行提取和分析,初步建立了具有诊断疾病和症候的分析诊断系统。

 

国外在舌象颜色信息的获取方面,Takeichi  Sato 等人对大量的舌象样本进行


 

了仔细的研究,并对舌象的物理特征进行观察,获得了舌象样本的基础特征信息,最

 

后通过将其 观察到的特征以数字形式输入计算机以提取特征并对其进行分析。Chiu

 

等人[10]建立了一套诊断系统,该系统能够减小环境因素对舌象识别结果的干扰。根据传统的诊断方法提出了图像颜色和纹理特征的结构识别算法。

 

1.3 本文的主要研究内容

 

本文主要研究了舌象的预处理、舌象颜色代表色的提取、舌象的颜色和纹理特征的提取、舌象的苔质分割以及舌体图像的分类模型的设计等。本文具体内容如下:

 

1章,主要介绍了国内外研究现状,以及该课题的研究意义。

 

2章,主要介绍了舌象的颜色特征,并提出使用 FCM 算法来提取舌象的颜色特征,通过试验证明 FCM 算法可以很好的提取出舌象颜色的代表色。

 

3章,主要介绍了获取舌象特征的方法,即色矩(color moment),舌色阈值提取方法,以及 Tamura Gabor 等纹理特征提取方法。

 

4章,对多种核函数和支持向量机进行分析,由于单核 SVM 和混合核 SVM

 

法对多特征的舌象无法精准进行分类,因此提出基于改进的 PSO 优化混合核 SVM

 

法对不同特征的舌象进行分类,实验证明该算法具有良好的效果。

 

最后,对本文的工作进行了归纳和总结,并给出了未来的改进方向。


 

  2 章  舌象颜色研究

2.1 引言

 

在现代中医舌诊中,舌象从宏观角度可分为舌苔和舌质两部分。其中舌质的正常颜色为淡红舌,而患者的舌质颜色则包括淡白舌、红舌、绛舌、青紫舌等。淡白舌一般包括两种,一种是比健康人的颜色稍微淡一点,血色还是可以看的见的。另一种是舌象颜色完全发白,几乎看不到血色。红舌是指舌色具有明显的血红色,表面光滑鲜艳。绛舌是指舌象表面呈深红色,大多数都是指舌体从红色变化过来的。青紫舌是指舌象的表面特征为青色和紫色的结合,有的是青色多于紫色,有的是紫色多于青色,而紫色相比于绛色更深,青色与暗灰色比较相似。舌苔在常见病理中可分为白苔、黄苔、灰黑苔等。根据现代中医理论,舌苔的表面变化可以反应出患者所患的疾病,比如根据舌苔的颜色、几何特征和润泽等可以辨别病邪属寒、热和湿的程度。黄苔是指舌苔表面呈淡黄、深黄和焦黄等,该现象反应了患者邪热已经深入。灰黑苔是指舌色多呈黑色,还有一部分灰色可见,黑苔是由灰苔和黄苔转化而成的。一般反应病情正向着较严重的特征发展。

 

在中医,舌象代表色的提取有重要的意义。在这里介绍两类常用的代表色提取策略。一类是采用半监督方法的代表色提取方式,这种方式需要人工标注样本,如图

 

2-1a)所示采用半监督形式提取代表色的流程图。在半监督方式的流程中,为了得到更加符合标准且精确的舌象代表色中心,需要具有丰富临床经验的中医专家标注样本。由于缺乏客观的依据,并且标注样本的中医专家们所掌握的相关知识和判断标准不尽相同,以至于无法获得最佳的舌象代表色中心。另一类是基于无监督学习的代表

 

色提取方式(如图 2-1b)所示。


 

基于无监督算法的难点是怎样筛选精准的判定标准,即,在计算中怎样选取有效的聚类算法的目标函数。舌象作为人体的一部分,其颜色分布是极其没有规则的。由于舌体的多样性,几乎每个人的舌体都不一样,甚至可以根据舌体特征来区分每一个人。一些特殊的舌象样本具有常见舌象样本中无法提取到的颜色,这些稀有的颜色与常见舌象样本颜色有明显的区别,包含着更多重要的特征信息。

 

目前,聚类算法是舌象颜色分析和提取的重要手段,通过选取合适的聚类算法能够获得较佳的舌象代表色。并且无监督的聚类方法避免了人工的参与,可以实现自动化分析。根据聚类获得的舌象代表色可以在整个颜色空间中分辨出其类别,为进一步的舌象分割以及舌象的颜色特征提取做校验。

 

2.2 舌象颜色冷暖色分析

 

中医舌诊在中医学中属于常见的一种诊疗方法,它利用了舌象中的多种特征诊断临床病症。而颜色特征中最有代表色的是冷色和暖色,它与疾病的病症和症候有着密切的联系,因此冷暖色也是我们必须关注的一方面。


 

2.2.1 冷暖色的概念

 

在中医的舌诊理论中,八纲辨证在疾病的发生的发展过程中具有整体性、相关性和确定性。其中寒热是辨别疾病性质的一对纲领,中医舌象的颜色的冷暖对于中医寒热症候有着绝对的影响。

 

舌象颜色的不同对于每个人都有不同的主观感受,随着时间的推移也将影响后代出现不同的感情反应。在我们社会当中尽管人们所处的环境不一样,反应不一样,但是他们的共性感受还是趋于相同的。

 

冷暖色不仅带有明显的色彩感性的心理,而且也是颜色的主观感受之一,它具有反应人们的心里活动的效应。冷和暖通常指人体的感知,而颜色的冷暖不是指身体上的冷暖而是视觉上的冷暖,它代表着几种颜色的变化情况给人的视觉上的感受。物质的颜色分为三类,分别为冷色、暖色和过渡色。

 

2.2.2 冷暖色与寒热证候的关系

 

在八纲辨证中,寒热证能够真实的反映人身体的阴阳盛衰状况,更能体现出一个人的症候情况。寒证是指人肌体发生寒冷症状的特征,此时人体由阴盛或者阳虚而出现的证候;热证是指人肌体发生温热症状的特征,此时人体有阳盛或者阴虚而出现的证候。

 

经过临床的经验分析,一般热证患者的舌色大部分是暖色系的,反之如果舌象颜色为冷色系的则为寒证。在国内外的临床发现证实,蓝舌、青舌、淡白舌和白菩等与寒证有不可分割的关系,红舌、绛红舌、黄苔和黑苔等与热证是不可分割的,而紫苔、灰苔、和淡红舌等经常处于中间的状态。最后,经过临床经验的论证我们相信冷暖色在舌象的颜色特征中是辨别出寒热证的最重要的特征。

 

2.2.3 冷暖色与常见病证关系

 

日常生活当中,人们经常会患有一般性的感冒、发高烧和容易患上虚寒证的疾病,而患有常见的病证如发高烧多在舌象的颜色上表现为暖色,患有一般的虚寒证的发病症状在舌象的颜色上表现为冷色。

 

寒热病证在临床上有多种症状比如真热假寒证等,但是舌象图像的颜色能够代表寒热证的主要颜色仍然是暖气、过渡色和冷色三种颜色。

 

在传统中医学中,诊断一名患者是否患有疾病,中医医生会根据自己的先验经验和书本的知识去主观的评价患者舌象颜色的特征属性,尤其是颜色属性例如冷暖色。


 

反过来说,如果通过计算机舌诊技术去判定的话,计算机会有一套完整的标准的流程和方法。通过获得舌象的每个像素的颜色属性来区分冷暖色,以至于能够自动分离出不同的舌象类别,对于中医现代化的发展奠定了坚实的基础。我们当前遇到的最大的问题是无法精确的分离出舌象颜色特征的暖色、过渡色和冷色。

 

2.3 舌象代表色提取算法

 

2.3.1 FCM 聚类算法

 

聚类算法是在模式识别和视觉领域中应用最广的分类方法,而在舌象的颜色分析中应用的聚类算法分别有 K-means EM 等。在 K-means 算法[11]中,单个样本点和簇之间存在的关系是一种隶属关系,而在现实当中,簇中心和样本点之间关系比较复

 

杂,通常会有单个样本点分布在多个簇的交叉点,此时 K-means 算法无法快速无误的定位样本与簇中心的具体联系。为了避免上述问题,特引入专门处理这类样本空间的

j =1

 

为了获得迭代递归公式,我们使用牛顿梯度下降算法来求解目标解。

 

J fcm mi ui ( xi ) 的偏导数为 0,则得到目标函数的最大值,因此该条件为目标函数得到最大值的基础。

 

根据上述两个方程组并令其偏导数为 0,则获得隶属度权值和聚类中心的更新公

 

式(2-3)和(2-4):

 

根据得到的迭代递推公式,通过迭代法对加权损失函数求极小值的解,并得到对


 

应的隶属度矩阵和聚类中心。经过上述的一系列分析,我们发现其隶属矩阵每一行的

 

和都是 1,并且只有一个位置为 1;在迭代的过程中,聚类算法 FCM 主要依赖于初始中心的选择,由于样本的特征无法确定,遇到特殊的局部结构比较复杂的样本时其迭代过程很难在局部到达最优收敛状态。

 

根据传统的 FCM 聚类算法[12-14]对舌象颜色进行聚类实验,其结果尽管非常的接近相对应的聚类中心,但是难以满足现代医学技术对舌体图像中的精确分类。韩峰等

 

人为此在原有的 FCM 聚类算法的基础上提出了改进意见,改进后的算法弥补了在聚类时簇之间颜色相似且样本数分布不均匀等缺陷。

 

对于传统的聚类算法中,更多的是通过分析舌象数据的聚类中心距离总和的方式去判别类的聚类标准是否符合要求,然而对于过于复杂的样本没有对聚类程度是否可分给予更多的重视。对于一些存在于舌象的特殊颜色空间,例如灰色、黑色、黄瘀色

 

和蓝色在舌体图像上占有的位置比较小,如果用传统 FCM 算法进行聚类,这些分布范围较小的舌象代表颜色将被覆盖或者忽略掉,失去本应该有的舌象代表色。

 

经过分析,在目标函数中加入了一个加强类与类间的可分性度量的阈值,其代表

 

目标函数的权值比重。新改进的目标函数如公式(2-5)所示:

 

公式(2-5)的前后项分别代表类内距离和类间距离,该算法的计算方法没有改变,计算中的每一次迭代仍然向着目标函数空间的负梯度方向运动,使得收敛到一个稳定的阈值范围之内。当整个计算过程最终完成时得到的簇中心的相对应的位置与图像的多个颜色类别中心更加接近。通过对算法添加对应的惩罚项可以重新划分类内和类间距离,以至于可以获得理想的结果。

 

尽可能使聚类算法得到更全的最优解,在我们的算法计算中,为了达到更佳的效果我们使用经过改进的初始簇中心原理。第一我们将舌象颜色通过医学专家对其进行手动区分其颜色,其中舌苔分为四种颜色,分别是灰色、黑色、白色和黄色。舌质分为紫舌、淡白舌、红舌、青舌和绛舌。将分类出的样本通过人工方式截取子块,每一

 

类颜色截取 8 个子块。最后我们得到的子块样本作为 FCM 聚类的训练样本进行计算,并将得到的簇中心当做在以后实现聚类计算所需训练样本的一些聚类初始中心。

 

2.3.2 实验及结果分析

 

为了能够验证改进的 FCM 算法与传统的 FCM 算法之间差异,对舌象的代表性颜色提取,最后得到最佳实验结果。现在我们特选取健康、疾病和亚健康三类样本各


 

选取 100  例共计 300  张舌象样本图片作为训练数据,并且样本中的图像大小在

 

300 200 左右。在进行计算前我们需要设定聚类的具体个数,而聚类的个数又是算法

 

必须的参数,而参数的选择是通过先验知识而设定的,设置的不同计算的效果也就不同,太小容易使得聚类中心难以全面的覆盖舌象的大部分颜色,太大则使聚类所得到的颜色更多更细,很难挑选出具有代表性的舌象颜色。通过不断实验和前人留下的经

 

验得知,设置 24 是最适合的。

 

经过多种方式设定好聚类个数后,紧接着初始聚类中心的设置是至关重要的。在样本空间分布密集的聚类中,算法会因为初始中心的甄选失败而误入局部最优。经过

 

上一节对完整的初始簇中心的生成过程的分析和论述,我们成功的得到了 12 个由中医筛选和计算机辅助得到的一些具有代表性的舌象颜色初始中心,还需挑选剩余的

 

12 个初始簇中心。首先,我们需要获得舌象样本空间中任意选取 1000 个像素点,将

 

接近经过经验先前获得的 12 个簇中心作为其对应的原点,根据半径的大小进行划分,

 

将半径为 10 的范围之内的像素淘汰掉;余下的初始簇中心通过其他方式选择,根据计算可以得到初始簇中心的距离平方的概率,并分析得知最远的样本点是最需要的初

 

始簇中心,最后 24 个初始簇中心选择完成。

 

通过 FCM 算法对整个样本颜色空间实施聚类,而每个类别个数比较均匀,且循

 

环迭代 200 次如图 2-2 a)所示。它不仅在样本数量少的情况下距离不会变小,而且在处理较大样本数量时仍然能把密度大的区域更加细致的分类,通过增加类内的距离,使得所有的样本都有聚类中心。以至于精确的获得所有的舌象颜色类别中心。因

 

l 的大小完全取决于样本数量的大小,在我们在选定实验数据时 l 1.86 为最佳

 

如图 2-2 b)所示。

根据分析得知,算法 FCM 所聚类后的结果与实际比较相符,也准确反应了各个类别的图像代表色。根据计算结果继续计算与筛选,最终得到有效的图像颜色代表色的类别中心值,进而提供各类别颜色成分的中心值为计算机辅助舌诊,最后对舌诊的下一步分析提供了基础。

 

2.4 本章小结

 

在计算机辅助舌诊系统,精确获取舌象代表色具有重要的意义,因为舌象代表色不仅能反映舌象的颜色类别,而且能反映人体发生病变的部位,并且是舌象智能识别

 

中重要的评价指标。运用 FCM 聚类算法提取的舌象代表色与实际的舌象颜色相符,可以用于之后的舌象颜色校正实验中。因此,在舌象的识别算法中舌像代表色的获取是极其重要的环节。


  • 3 章  舌象特征的提取

    3.1 引言

     

    定量化[15]的舌体特征信息可以分为低层和高层两类舌象信息。低层信息主要包括纹理特征和颜色特征信息,如舌象的苔质颜色和纹理。中医医生通过舌诊诊断病情,在一定的程度上都是根据舌象的舌苔颜色和舌质颜色进行判断。基于计算机的判定方法是先把舌象的舌苔与舌质进行精确分割,然后通过分析舌苔和舌质上的颜色分布情况进行定量和客观的判定。舌体图像上纹理特征的改变也会引起舌体颜色的改变。苔质的颜色和纹理特征在现代计算机辅助舌诊系统中占有主要地位。高层舌象信息主要是指舌体的几何特征信息,比如舌体增生、红刺和齿痕等有形物质,而有形物质的变化通常与生理有关。本章研究低层舌象信息,包括舌体的颜色不规则变化和纹理的变化。

     

    3.2 舌象颜色统计特征

     

    舌体颜色特征的提取有两类方法,一方面是从微观的角度分析颜色的分布情况,例如通过颜色直方图、颜色矩和舌象颜色阈值提取算法在颜色空间中提取。另一方面是从宏观的角度分析,舌象反映人体的部分主要有 4 个区域[16],分别是舌根、舌边、

    舌中和舌尖(如下图 3-1 所示),根据这 4 个部位统计其颜色分布信息。

    3.2.1 舌象颜色直方图

     

    颜色直方图[17]主要是统计图像颜色空间中的分布情况,更多的是关注颜色的分布特征,不是统计颜色值在空间中的具体位置。舌象的采集当中难免会有系统性误差,例如舌象的采集环境、采集设备的误差导致彩色失真以及在舌象采集时表面附着物未清理干净等,为了避免上述因素对舌象后期分析的影响,选择颜色直方图算法对舌象进行分析是最好的选择。颜色直方图提取图像颜色的统计特征,更多关注舌象本身固有的颜色分布情况。该算法对舌象的质量要求不高,舌象样本是否模糊、舌象的弯曲、平移以及几何变形基本都不会影响该算法的性能。

     

为了获得直方图颜色直方图,必须将整个大空间分成多个不相等的小空间。计算原理是分析单元格中的像素数量,并根据数量生成统计颜色直方图。在现代医学中,舌象颜色有多种量化算法,主要包括神经网络、聚类和向量量化等算法,聚类算法一般会从图像颜色特征出发去对样本进行的颜色空间去分类,这样可以均衡子空间的像素数量,并使得量化效果相比其他的更合理。向量量化算法是在不考虑其他因素的情况下把颜色空间均匀的划分为各个分量(维度)。

天天论文网
专注硕士论文服务

24小时免费热线

SERVICE ONLINE

13503820014

手机扫描二维码

收缩
  • 电话咨询

  • 13838208225