一种基于融合PCA的U-net模型舌体自动分割方法技术

本发明专利技术属于图像处理技术领域，尤其涉及一种基于融合PCA的U

【技术实现步骤摘要】
一种基于融合PCA的U
‑
net模型舌体自动分割方法


[0001]本专利技术属于图像处理
，尤其涉及一种基于融合PCA的U
‑
net模型舌体自动分割方法。

技术介绍

[0002]舌诊是诊断学名词，为望诊重点内容之一。舌诊是观察舌头的色泽、形态的变化来辅助诊断及鉴别的一个有效的方法，舌象的变化能较客观准确地反映病情，可作为诊断疾病、了解病情的发展变化和辨证的重要依据。
[0003]随着人工智能的不断发展，基于深度学习模型应用在舌诊上也不断增加，传统的舌像诊断依赖医生的主观经验，同时考虑到获取舌部图像设备的差异会导致诊断出现偏差，影响对患者的诊断和治疗。同时，中国专利CN114581432A公开了一种基于深度学习的舌象仪舌象分割方法，所述方法包括：使用图像采集装置进行舌象数据采集；对采集到图像进行数据增强操作，扩大数据集数量，人为对扩大后数据集中的每个图像的舌体区域进行标注，并对标注后的数据集进行划分，划分为训练集、验证集与测试集；将训练集与验证集放入优化后的DeeplabV3+网络进行训练；利用训本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于融合PCA的U
‑
net模型舌体自动分割方法，其特征在于，具体步骤如下：步骤S10、获取舌体图像数据，其中，舌体图像数据包括基于视觉成像获得的舌体图像集，对舌体图像集进行标注，随机生成图像编号；步骤S20、对获取到的舌体图像数据预处理，对采集到的舌体图像数据进行降噪处理，得到高分辨率的多组像素特征的斑点图集；步骤S30、构建改进型U
‑
net分割模型，将舌体图像数据分为训练集、测试集和验证集，对改进型U
‑
net分割模型进行训练、测试和验证；步骤S40、通过训练好的改进型U
‑
net分割模型对舌体图像数据进行分割处理；步骤S50、得到分割结果。2.如权利要求1所述的一种基于融合PCA的U
‑
net模型舌体自动分割方法，其特征在于，在步骤S20中，具体包括：步骤S201、采集舌体图像数据；步骤S202、对采集到的舌体图像数据基于像素特征分类标准提取各个像素特征的舌体图像分类集；步骤S203、分别对各个像素特征的舌体图像分类集进行重采样，得到多组像素特征的斑点图集；步骤S204、对采集到的舌体图像数据进行降噪处理，得到高分辨率的多组像素特征的斑点图集。3.如权利要求2所述的一种基于融合PCA的U
‑
net模型舌体自动分割方法，其特征在于，在步骤S204中，具体方法包括：步骤S2041、基于公式(1)计算多组像素特征点的总覆盖值S
a
；其中，R
m
为单组舌体图像内像素特征点的总数，a为单组像素特征点，Q
a
为a的覆盖值，Q
a
的计算公式(2)为：其中，N为单组舌体图像中栅格总数，maxQ
a
为单组栅格内聚类中心点最大覆盖值，minQ
a
为单组栅格内边缘点最小覆盖值，以聚类中心点到单组栅格内边缘点的三分之一作为σ
a
的值。4.如权利要求3所述的一种基于融合PCA的U
‑
net模型舌体自动分割方法，其特征在于，在步骤S204中，具体方法还包括：步骤S2042、基于计算的总覆盖值S
a
计算单组舌体图像内像素特征点的核密度值I
a
，所述核密度值I
a
的计算公式(3)为：其中，μ为核密度概率因子，设定为0.5
‑
...

【专利技术属性】
技术研发人员：于凯梁，华亮，胡泮，
申请(专利权)人：南通大学，
类型：发明
国别省市：