一种基于颜色校正与深度卷积神经网络的舌分割方法及系统技术方案

本发明专利技术公开了一种基于颜色校正与深度卷积神经网络的舌分割方法及系统，所述方法包括：根据预设规则对原始图像进行颜色校正；根据预先训练的舌分割模型对经过颜色校正的原始图像中的舌体进行分割，获得舌体分割的二值化图像；检测所述舌体分割的二值化图像中的连通区域，并根据预设规则确认最大连通区域，获得最大连通区域图像；根据预设规则对所述最大连通区域图像进行修补操作，获得最终舌分割区域；所述最终舌分割区域对应在颜色校正后的原始图像的区域，即为舌分割结果。所述方法及系统通过对原始图像RGB值的校正以及基于深度卷积神经网络和多种优化操作，获得更准确的舌分割图像；为提高后续的舌诊诊断效果奠定了坚实地基础。

【技术实现步骤摘要】
一种基于颜色校正与深度卷积神经网络的舌分割方法及系统
本专利技术涉及医学图像处理领域，更具体地，涉及一种基于颜色校正与深度卷积神经网络的舌分割方法及系统。
技术介绍
中医是我们中华民族的瑰宝，是经过数千年很多代人不断完善的智慧结晶。随着时代的发展和社会的进步，以及中医治未病理念的深入人心，中医和现代科技相结合，产生了一系列的现代化成果。除了中药的现代化提取与制作，中医的诊断方法也在向着自动化、数字化的方向发展。正如《古今医统》所说：“望闻问切四字，诚为医之纲领。”即望闻问切组成了中医诊断的四诊。《灵枢·本脏篇》：“视其外应，以知其内脏，则知所病矣。”可知望诊具有非常重要的作用。望诊可以分为面诊和舌诊。《辨舌指南》：“辨舌质可辨脏腑的虚实，视舌苔可察六淫之浅深。”舌为心之苗，脾之外候，苔由胃气所生。脏腑通过经脉与舌相联，脏腑病变，可在舌质和舌苔上反映出来。舌诊主要诊断舌质和舌苔的形态、色泽等，以此判断疾病的性质、病势的浅深、气血的盛衰及脏腑的虚实等。近几年，随着图像处理技术的逐步发展，机器学习和深度学习等人工智能技术的不断成熟，深度卷积神经网络开始应用到中医舌诊之中，并产生了多种方法。其中，舌体分割是舌诊系统中非常关键的处理步骤。由于舌体形状各不相同，舌体颜色很接近于嘴唇和脸部颜色，导致现有的很多舌体分割效果并不理想，传统的舌分割方法都存在一定的局限性，可能会产生舌头边缘有缺失、舌根有缺失、舌体中间有孔洞、粘连嘴唇和下巴等情况；甚至因为拍摄环境偏色，导致根本没有分割出舌头；这些都直接影响了舌诊客观化的可行性与准确性。
技术实现思路
为了解决
技术介绍
存在的现有的舌分割因拍摄环境偏色以及图像处理效果差等原因影响舌分割质量的问题，本专利技术提供了一种基于颜色校正与深度卷积神经网络的舌分割方法及系统；所述方法及系统通过对原始图像RGB值的校正以及基于深度卷积神经网络和多种优化操作，获得更准确的舌分割图像；所述一种基于颜色校正与深度卷积神经网络的舌分割方法包括：根据预设规则对原始图像进行颜色校正；根据预先训练的舌分割模型对经过颜色校正的原始图像中的舌体进行分割，获得舌体分割的二值化图像；所述舌分割模型根据深度卷积神经网络训练获得；检测所述舌体分割的二值化图像中的连通区域，并根据预设规则确认最大连通区域，获得最大连通区域图像；根据预设规则对所述最大连通区域图像进行修补操作，获得最终舌分割区域；所述最终舌分割区域对应在颜色校正后的原始图像的区域，即为舌分割结果。进一步的，所述根据预设规则对原始图像进行颜色校正，包括：获取原始图像上部人脸皮肤区域的RGB颜色值信息，并确认所述区域的RGB均值；根据预设常数以及所述区域的RGB均值，计算出整幅图像中每个像素校正后的RGB值；根据所述每个像素校正后的RGB值调整整幅原始图像的颜色。进一步的，所述每个像素校正后的RGB值的计算公式为：其中，R`、G`以及B`为原始图像上部人脸皮肤区域校正后的RGB值，R、G以及B为原始图像当前像素的RGB值，所述以及为原始图像上部人脸皮肤区域的RGB均值；a、b以及c为预设常数。进一步的，所述预先训练的舌分割模型，是在Caffe深度学习框架下，根据训练样本进行FCN深度卷积神经网络训练获得；所述训练样本通过预先对样本图像进行舌体标注获得，所述训练样本中包括舌体像素以及非舌体像素。进一步的，在检测所述舌体分割的二值化图像中的连通区域前，所述方法还包括：对所述舌体分割的二值化图像进行开操作，消除所述二值化图像的轮廓毛刺以及小于预设尺寸的狭窄的间断。进一步的，在根据预设规则对所述最大连通区域图像进行修补操作前，所述方法还包括：对所述最大连通区域图像进行闭操作，消除所述最大连通区域图像中小于预设尺寸的狭窄的间断以及小于预设尺寸的空洞。进一步的，所述检测所述舌体分割的二值化图像中的连通区域，根据预设规则确认最大连通区域包括：确认所述二值化图像中每一个像素在以该像素为中心的八个相连像素与该像素是否具有相同的的灰度值；将具有相同灰度值且相连的像素记为一个连通区域；根据各个区域内的像素数量判断，获得最大的连通区域。所述一种基于颜色校正与深度卷积神经网络的舌分割系统包括：颜色校正单元，所述颜色校正单元用于根据预设规则对原始图像进行颜色校正；舌分割模型单元，所述舌分割模型单元用于根据预先训练的舌分割模型对经过颜色校正单元校正的原始图像中的舌体进行分割，输出舌体分割的二值化图像；所述舌分割模型根据深度卷积神经网络训练获得；连通区域计算单元，所述连通区域计算单元用于检测所述舌分割模型单元输出的舌体分割的二值化图像中的连通区域，并根据预设规则确认最大连通区域，输出最大连通区域图像；修补计算单元，所述修补计算单元根据预设规则对所述连通区域计算单元输出的最大连通区域图像进行修补操作，获得最终舌分割区域；舌分割输出单元，所述舌分割输出单元用于将所述最终舌分割区域对应在颜色校正后的原始图像的区域，输出舌分割结果。进一步的，所述颜色校正单元用于获取原始图像上部人脸皮肤区域的RGB颜色值信息，并确认所述区域的RGB均值；所述颜色校正单元用于根据预设常数以及所述区域的RGB均值，计算出整幅图像中每个像素校正后的RGB值；根据所述每个像素校正后的RGB值调整整幅原始图像的颜色。进一步的，所述舌分割模型单元预先训练的舌分割模型，是在Caffe深度学习框架下，根据训练样本进行FCN深度卷积神经网络训练获得；所述训练样本通过预先对样本图像进行舌体标注获得，所述训练样本中包括舌体像素以及非舌体像素。进一步的，所述系统还包括开操作计算单元；所述开操作计算单元用于对所述舌分割模型单元输出舌体分割的二值化图像进行开操作，消除所述二值化图像的轮廓毛刺以及小于预设尺寸的狭窄的间断；并将进行开操作后的二值化图像输出至所述连通区域计算单元。进一步的，所述系统还包括闭操作计算单元；所述闭操作计算单元用于对所述连通区域计算单元输出的最大连通区域图像进行闭操作，消除所述最大连通区域图像中小于预设尺寸的狭窄的间断以及小于预设尺寸的空洞；并将进行闭操作后的最大连通区域图像输出至所述修补计算单元。进一步的，所述连通区域计算单元用于确认所述二值化图像中每一个像素在以该像素为中心的八个相连像素与该像素是否具有相同的的灰度值；将具有相同灰度值且相连的像素记为一个连通区域；所述连通区域计算单元根据各个区域内的像素数量判断，获得最大的连通区域。本专利技术的有益效果为：本专利技术的技术方案，给出了一种基于颜色校正与深度卷积神经网络的舌分割方法及系统，所述方法及系统通过对原始图像RGB值的校正，解决舌体照片在因拍摄环境偏色差异导致的色差问题；通过深度卷积神经网络获得舌分割的二值化图像，并根据预设的开操作、连通区域计算、闭操作以及修补操作等，对二值化图像进行进一步优化，起到了去噪、边缘光滑化以及修复舌体残缺部分的效果；提升舌分割的精确性，为提高后续的舌诊诊断效果奠定了坚实地基础。附图说明通过参考下面的附图，可以更为完整地理解本专利技术的示例性实施方式：图1为本专利技术具体实施方式的一种基于颜色校正与深度卷积神经网络的舌分割方法的流程图；图2为本专利技术具体实施方式的一种基于颜色校正与深度卷积神经网络的舌分割系统的结构图。具体实施方式现在参考附图介绍本本文档来自技高网...

【技术保护点】
1.一种基于颜色校正与深度卷积神经网络的舌分割方法，所述方法包括：根据预设规则对原始图像进行颜色校正；根据预先训练的舌分割模型对经过颜色校正的原始图像中的舌体进行分割，获得舌体分割的二值化图像；所述舌分割模型根据深度卷积神经网络训练获得；检测所述舌体分割的二值化图像中的连通区域，并根据预设规则确认最大连通区域，获得最大连通区域图像；根据预设规则对所述最大连通区域图像进行修补操作，获得最终舌分割区域；所述最终舌分割区域对应在颜色校正后的原始图像的区域，即为舌分割结果。

【技术特征摘要】
1.一种基于颜色校正与深度卷积神经网络的舌分割方法，所述方法包括：根据预设规则对原始图像进行颜色校正；根据预先训练的舌分割模型对经过颜色校正的原始图像中的舌体进行分割，获得舌体分割的二值化图像；所述舌分割模型根据深度卷积神经网络训练获得；检测所述舌体分割的二值化图像中的连通区域，并根据预设规则确认最大连通区域，获得最大连通区域图像；根据预设规则对所述最大连通区域图像进行修补操作，获得最终舌分割区域；所述最终舌分割区域对应在颜色校正后的原始图像的区域，即为舌分割结果。2.根据权利要求1所述的方法，其特征在于：所述根据预设规则对原始图像进行颜色校正，包括：获取原始图像上部人脸皮肤区域的RGB颜色值信息，并确认所述区域的RGB均值；根据预设常数以及所述区域的RGB均值，计算出整幅图像中每个像素校正后的RGB值；根据所述每个像素校正后的RGB值调整整幅原始图像的颜色。3.根据权利要求2所述的方法，其特征在于，所述每个像素校正后的RGB值的计算公式为：其中，R`、G`以及B`为原始图像上部人脸皮肤区域校正后的RGB值，R、G以及B为原始图像当前像素的RGB值，所述以及为原始图像上部人脸皮肤区域的RGB均值；a、b以及c为预设常数。4.根据权利要求1所述的方法，其特征在于：所述预先训练的舌分割模型，是在Caffe深度学习框架下，根据训练样本进行FCN深度卷积神经网络训练获得；所述训练样本通过预先对样本图像进行舌体标注获得，所述训练样本中包括舌体像素以及非舌体像素。5.根据权利要求1所述的方法，其特征在于，在检测所述舌体分割的二值化图像中的连通区域前，所述方法还包括：对所述舌体分割的二值化图像进行开操作，消除所述二值化图像的轮廓毛刺以及小于预设尺寸的狭窄的间断。6.根据权利要求1所述的方法，其特征在于：在根据预设规则对所述最大连通区域图像进行修补操作前，所述方法还包括：对所述最大连通区域图像进行闭操作，消除所述最大连通区域图像中小于预设尺寸的狭窄的间断以及小于预设尺寸的空洞。7.根据权利要求1所述的方法，其特征在于：所述检测所述舌体分割的二值化图像中的连通区域，根据预设规则确认最大连通区域包括：确认所述二值化图像中每一个像素在以该像素为中心的八个相连像素与该像素是否具有相同的的灰度值；将具有相同灰度值且相连的像素记为一个连通区域；根据各个区域内的像素数量判断，获得最大的连通区域。8.一种基于颜色校正与深度卷积神经网络...

【专利技术属性】
技术研发人员：魏春雨，宋臣，汤青，周枫明，王雨晨，
申请(专利权)人：新绎健康科技有限公司，
类型：发明
国别省市：河北,13