一种基于单目标区域分割的舌体图像分割方法技术

一种基于单目标区域分割的舌体图像分割方法，该方法包括以下步骤：步骤1)原图像获取：采集舌体原图像；步骤(2)图像标注：采用超像素改进的Grabcut算法对采集的每一张舌体原图像进行人工标注；步骤(3)图像制作：将进行人工标注后的图像与对应的舌体原图像组成图像对；步骤(4)训练神经网络：通过训练集图像，对单目标语义分割神经网络进行训练；步骤(5)测试神经网络：利用训练好的的单目标语义分割神经网络对舌体图像进行分割，通过测试集图像对神经网络进行测试。本发明专利技术提供的舌体图像分割方法，采用单目标区域约束深度网络来实现对现有图像的标注、分割、学习生成掩模图像，再与原图像合成形成舌体分割图。

A Tongue Image Segmentation Method Based on Single Target Region Segmentation

A method of tongue image segmentation based on single target region segmentation is presented. The method includes the following steps: 1) acquisition of original tongue image; 2) image annotation: manual annotation of each original tongue image by using Grabcut algorithm improved by super-pixel; 3) image production: the original tongue image and corresponding group of original tongue images after manual annotation. Step (4) Train the neural network: train the single target semantics segmentation neural network through training set images; Step (5) Test the neural network: Segment the tongue image using the trained single target semantics segmentation Neural network, and test the neural network through the test set images. The method of tongue image segmentation provided by the present invention uses a single target region constrained depth network to realize the annotation, segmentation and learning of the existing image to generate a mask image, and then synthesizes the original image to form a tongue segmentation image.

【技术实现步骤摘要】
一种基于单目标区域分割的舌体图像分割方法
本专利技术涉及一种基于深度学习方法的舌体图像分割方法，具体涉及一种基于单目标区域分割的舌体图像分割方法，属于医学图像分析领域。
技术介绍
随着舌头包含着大量有关人体体质的信息，现阶段只有通过丰富的中医专家经验才能诊断出准确的结果。为了对病症诊断进行辅助，并形成全面的计算机舌诊系统，获得准确、高精度的舌体图像是有意义的研究工作。目前已有较多研究工作将面部图像中的舌体分割出来，然而由于舌质与皮肤颜色相近、舌苔颜色多变以及舌体存在变形等干扰，舌体分割效果不佳。舌体图像分割是舌体目标检测与舌体语义分割的总和，是计算机舌诊中舌体特征提取和分析的重要前提。通常采用的方法有阈值分类、边缘检测、轮廓跟踪、区域生长等方法，如分水岭分割，分裂—合并分割，主动轮廓模型分割，这些方法对固定摄像设备采集的图像下表现良好，然而对非标准仪器如智能手机等拍摄的多样性图像，效果不佳，泛化性不能保证。为弥补上述不足，本文提出的基于深度学习的舌图像分割方法，在学习舌体图像掩模的同时，学习到舌体的区域位置信息。该方法对于未统一大小的舌拍摄图像，即自由摄像设备采集的舌图像也可以得到较本文档来自技高网...

【技术保护点】
1.一种基于单目标区域分割的舌体图像分割方法，该方法包括以下步骤：(1)原图像获取：通过图像采集模块采集舌体原图像；(2)图像标注：通过图像标注模块，采用超像素改进的Grabcut算法对采集的每一张舌体原图像进行人工标注，获得与每一张舌体原图像对应的标注图像；(3)图像制作：通过图像制作模块，将进行人工标注后的图像与对应的舌体原图像组成图像对；为提高模型泛化性，随机将原图像对作为训练集图像，剩余图像对作为测试集图像；(4)训练神经网络：通过训练集图像，对单目标语义分割神经网络进行训练；(5)测试神经网络：利用训练好的的单目标语义分割神经网络对舌体图像进行分割，通过测试集图像对单目标语义分割神经...

【技术特征摘要】
1.一种基于单目标区域分割的舌体图像分割方法，该方法包括以下步骤：(1)原图像获取：通过图像采集模块采集舌体原图像；(2)图像标注：通过图像标注模块，采用超像素改进的Grabcut算法对采集的每一张舌体原图像进行人工标注，获得与每一张舌体原图像对应的标注图像；(3)图像制作：通过图像制作模块，将进行人工标注后的图像与对应的舌体原图像组成图像对；为提高模型泛化性，随机将原图像对作为训练集图像，剩余图像对作为测试集图像；(4)训练神经网络：通过训练集图像，对单目标语义分割神经网络进行训练；(5)测试神经网络：利用训练好的的单目标语义分割神经网络对舌体图像进行分割，通过测试集图像对单目标语义分割神经网络进行测试。2.根据权利要求1所述的方法，其特征在于：步骤(1)具体为：舌体原图像来自于智能移动设备及未固定的摄像机设备。3.根据权利要求1或2所述的方法，其特征在于：步骤(2)中所述人工标注具体为：①、对所采集的图像进行归一化处理；②、利用分水岭算法对采集的图像进行超像素分割；③、将超像素分割后的图像，通过Grabcut算法实现半自动分割；④、最后对Grabcut算法所得的图像结果微调，得到所需的人工标注图。4.根据权利要求1-3中任一项所述的方法，其特征在于：步骤(3)中所述图像制作的步骤包括：数据集增强和随机分配；具体为：对进行人工标注后的图像与对应的舌体原图像进行数据集增强处理，然后将处理后的经过标注后的图像与对应的舌体原图像组成图像对，将图像对随机分为训练图像对集和测试图像对集，获得训练图像对集和测试图像对集。5.根据权利要求1-4中任一项所述的方法，其特征在于：步骤(4)中所述单目标语义分割神经网络包括特征提取卷积神经网络、定位框预测神经网络以及掩模预测全卷积神经网络。6.根据权利要求5所述的方法，其特征在于：步骤(4)具体为：采用SGD优化训练单目标语义分割神经网络；SGD中的损失函数为目标检测损失加图像分割损失以及权值正则化损失，损失函数Losstotal为：Losstotal＝LossROI+αLossFCN+β||W||(1)；其中：LossROI为定位框预测网络的误差，LossROI＝1-IoUROI；定位框真实值和预测值得交并比IoUROI为：IoUROI由式(2)计算：Squarepre为预测的定位框，Squarer...

【专利技术属性】
技术研发人员：欧阳建权，宋云华，陈智能，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：湖南,43