中医舌图像分类方法及系统技术方案

本发明专利技术公开了一种中医舌图像分类方法及系统，包括以下步骤：1)颜色特征提取；2)裂纹特征提取；3)胖瘦特征提取；4)纹理特征提取；5)基于机器学习的图像分类。本发明专利技术能实现中医舌图像的分类，可以有效利用舌象图像特征对中医舌象进行客观分类，从而能为医生的诊断提供客观的辅助信息，以提高诊断准确率并辅助医生实现定量分析。定量分析。定量分析。

【技术实现步骤摘要】
中医舌图像分类方法及系统


[0001]本专利技术涉及图像处理
，特别涉及一种中医舌图像分类方法及系统。

技术介绍

[0002]在中医诊断中，舌诊是其中的一个重要环节。舌诊通过观察舌质，舌苔的形态，颜色等来判断疾病，是一种有效且无创的诊断方法。然而，诊断过程存在一定的主观性，如中医医生对病人的诊断方式各不相同，不同的医生对同一病人的诊断也不一致。因此，需要客观指标来辅助提高中医诊断的准确性。
[0003]随着计算机科学技术的发展，通过医学图像分析处理可以提供客观、定量的数据信息，能辅助医生进行更好的诊断。对于舌图像的分析处理主要分为舌分割、提取特征、图像分类三个部分，先利用分割算法从原始舌图像中获得准确的舌图像，然后在特征提取环节根据中医诊断方法提取所需要的中医舌象特征，最后通过提取的这些特征用来对舌图像进行分类，从而为医生的诊断提供辅助的信息。但现在缺少可靠的方案来实现舌图像的分类。

技术实现思路

[0004]本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种中医舌图像分类方法及系统。
[0005]为解决上述技术问题，本专利技术采用的技术方案是：一种中医舌图像分类方法，包括以下步骤：
[0006]1)颜色特征提取：先对原始舌图像进行苔质分离，获得舌苔图像和舌质图像，然后分别提取舌苔图像和舌质图像的颜色特征，得到颜色特征向量A1；
[0007]2)裂纹特征提取：在原始舌图像中剪裁出舌中部图像，对舌中部图像进行处理获得裂纹图像，再计算裂纹图像的区域一致性和区域对比度，得到裂纹特征向量A2；
[0008]3)胖瘦特征提取：对原始舌图像采用边缘检测和曲线拟合的方法进行胖瘦特征提取，得到胖瘦特征向量A3；
[0009]4)纹理特征提取：对原始舌图像采用基于灰度矩阵和基于LBP算子的纹理特征提取方法进行纹理特征提取，得到纹理特征向量A4；
[0010]5)基于机器学习的图像分类：将步骤1)
‑
步骤4)得到的颜色特征向量A1、裂纹特征向量A2、胖瘦特征向量A3和纹理特征向量A4串联，得到融合特征向量，然后采用支持向量机分类器和随机森林分类器进行分类，获得舌图像的分离结果。
[0011]优选的是，所述步骤1)具体为：
[0012]1‑
1)将原始舌图像从RGB颜色空间转换到CIELab颜色空间并提取a、b通道的信息；
[0013]1‑
2)随机选取k个像素点作为聚类中心，结合得到的a、b通道的信息，再通过欧氏距离计算每个像素点到每个聚类中心的距离，将像素点划分到与之最近的聚类中心的集合中，得到k个集合；
[0014]1‑
3)对步骤1
‑
2)获得的k个集合，重新计算每个集合的聚类中心；对于k个集合中的任意一个，若新聚类中心和原聚类中心的距离差值大于预先设定的标准，则再重新计算，直至所有的集合中，重新计算得到的新聚类中心和原聚类中心的距离差值不大于预先设定的标准，则进入下一步；
[0015]1‑
4)通过图像分离得到舌苔图像和舌质图像；
[0016]1‑
5)分别提取舌苔、舌质的RGB空间的三个通道的颜色特征，计算均值，方差和偏度；
[0017]将RGB空间转换成HSV空间，分别提取舌苔、舌质的HSV空间的三个通道的颜色特征，计算均值，方差和偏度；
[0018]将RGB空间转换成Lab空间，分别提取舌苔、舌质的Lab空间的三个通道的颜色特征，计算均值，方差和偏度；
[0019]将以上步骤得到的舌苔、舌质在RGB、HSV、Lab三个颜色空间分别获得的均值、方差和偏度进行融合，最终得到颜色特征向量A1。
[0020]优选的是，所述步骤2)具体包括：
[0021]2‑
1)在原始舌图像中手动剪裁出舌中部图像；
[0022]2‑
2)统计舌中部图像中每个灰度值的像素个数：
[0023]设舌中部图象包含L个灰度值：0,1,
…
,L
‑
1；灰度值为i的象素点数为N
i
，i＝0,1,
…
,L
‑
1；则舌中部图象中总的象素点数为N＝N0+N1+...+N
i
+...+N
(L
‑
1)
；
[0024]2‑
3)计算舌中部图像中每个灰度值所占的比例：灰度值为i的点所占的比例为：P(i)＝N(i)/N；
[0025]2‑
4)遍历所有的灰度值，计算每个灰度值的类间方差，然后通过比较获得最大类间方差，取最大类间方差对应的灰度值为分割阈值；
[0026]2‑
5)根据分割阈值对舌中部图像进行处理得到裂纹图像：在舌中部图像中，将灰度值小于分割阈值的像素点的灰度值置为零，大于分割阈值的像素点的灰度值保留，处理后的图像即为裂纹图像；
[0027]2‑
6)通过舌中部图像和裂纹图像的对比计算得到裂纹图像的区域一致性和区域对比度，组合后形成裂纹特征向量A2。
[0028]优选的是，区域一致性的计算公式为：
[0029][0030]其中，F表示舌中部位的像素总数，f(x,y)表示像素点(x,y)的灰度值。
[0031]优选的是，区域对比度的计算公式为：
[0032][0033]其中，G1和G2分别表示舌中部图像中裂纹区域和非裂纹区域的平均灰度值。
[0034]优选的是，所述步骤3)具体包括：
[0035]3‑
1)将原始图像转换成二值图像；
[0036]3‑
2)利用拉普拉斯算子对二值图像进行边缘检测得到舌图像的轮廓；
[0037]3‑
3)对步骤3
‑
2)中得到的轮廓的上半部分置为0，对轮廓的下半部分进行四次函
数的曲线拟合；
[0038]3‑
4)输出拟合得到的四次函数的系数值作为胖瘦特征向量A3。
[0039]优选的是，所述步骤4)中提取的纹理特征包括：基于灰度直方图的一阶统计特征、基于灰度共生矩阵的特征、基于灰度游程矩阵的特征、基于灰度差分统计的特征、基于邻域灰度差分矩阵的特征、基于灰度区域尺寸矩阵的特征和基于局部二值模式的特征。
[0040]本专利技术还提供一种中医舌图像分类系统，其采用如上所述的方法进行中医舌图像分类。
[0041]本专利技术还提供一种存储介质，其上存储有计算机程序，该程序被执行时用于实现如上所述的方法。
[0042]本专利技术还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法。
[0043]本专利技术的有益效果是：本专利技术能实现中医舌图像的分类，可以有效利用舌象图像特征对中医舌象进行客观分类，通过多特征融合可提高分类的准确率，本专利技术能为医生的诊断提供客观的辅本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种中医舌图像分类方法，其特征在于，包括以下步骤：1)颜色特征提取：先对原始舌图像进行苔质分离，获得舌苔图像和舌质图像，然后分别提取舌苔图像和舌质图像的颜色特征，得到颜色特征向量A1；2)裂纹特征提取：在原始舌图像中剪裁出舌中部图像，对舌中部图像进行处理获得裂纹图像，再计算裂纹图像的区域一致性和区域对比度，得到裂纹特征向量A2；3)胖瘦特征提取：对原始舌图像采用边缘检测和曲线拟合的方法进行胖瘦特征提取，得到胖瘦特征向量A3；4)纹理特征提取：对原始舌图像采用基于灰度矩阵和基于LBP算子的纹理特征提取方法进行纹理特征提取，得到纹理特征向量A4；5)基于机器学习的图像分类：将步骤1)
‑
步骤4)得到的颜色特征向量A1、裂纹特征向量A2、胖瘦特征向量A3和纹理特征向量A4串联，得到融合特征向量，然后采用支持向量机分类器和随机森林分类器对该融合特征向量进行分类，获得舌图像的分类结果。2.根据权利要求1所述的中医舌图像分类方法，其特征在于，所述步骤1)具体为：1
‑
1)将原始舌图像从RGB颜色空间转换到CIELab颜色空间并提取a、b通道的信息；1
‑
2)随机选取k个像素点作为聚类中心，结合得到的a、b通道的信息，再通过欧氏距离计算每个像素点到每个聚类中心的距离，将像素点划分到与之最近的聚类中心的集合中，得到k个集合；1
‑
3)对步骤1
‑
2)获得的k个集合，重新计算每个集合的聚类中心；对于k个集合中的任意一个，若新聚类中心和原聚类中心的距离差值大于预先设定的标准，则再重新计算，直至所有的集合中，重新计算得到的新聚类中心和原聚类中心的距离差值不大于预先设定的标准，则进入下一步；1
‑
4)通过图像分离得到舌苔图像和舌质图像；1
‑
5)分别提取舌苔、舌质的RGB空间的三个通道的颜色特征，计算均值，方差和偏度；将RGB空间转换成HSV空间，分别提取舌苔、舌质的HSV空间的三个通道的颜色特征，计算均值，方差和偏度；将RGB空间转换成Lab空间，分别提取舌苔、舌质的Lab空间的三个通道的颜色特征，计算均值，方差和偏度；将以上步骤得到的舌苔、舌质在RGB、HSV、Lab三个颜色空间分别获得的均值、方差和偏度进行融合，最终得到颜色特征向量A1。3.根据权利要求2所述的中医舌图像分类方法，其特征在于，所述步骤2)具体包括：2
‑
1)在原始舌图像中手动剪裁出舌中部图像；2
‑
2)统计舌中部图像中每个灰度值的像素个数：设舌中部图象包含L个灰度值：0,1,
…
,L
‑
1；灰度值为i的象素点数为N
i

【专利技术属性】
技术研发人员：刘兆邦，余颖聪，范尚勇，包玲珊，张熙睿，张寅，杨晓冬，
申请(专利权)人：温州市人民医院，
类型：发明
国别省市：