人脸双手舌象图自动量化方法及量化装置制造方法及图纸

本申请提供了一种人脸双手舌象图自动量化方法及量化装置，量化方法包括：对中医全息医学论的面诊图、手诊图和舌诊图进行相关全息信息边际切割和特征提取，形成能量分布特征模型；构建基础能量分布数字算法图集；构建中医全息信息常态数字能量空间分布定量算法图集；形成中医舌象全息信息常态数字空间分布定量算法图集；采集人脸、双手、舌部的可见光图像，并采集人脸、双手的红外图像；形成与基础数字能量空间分布算法图集一致的头部、手部空间定位图；形成舌部空间定位图；将双手和人脸的可见光图像数据与双手、人脸的红外图像进行融合配准处理；形成舌象灰阶或色阶定位量化图；得到中医全息面诊、手诊和舌诊的自动量化结果。手诊和舌诊的自动量化结果。

【技术实现步骤摘要】
人脸双手舌象图自动量化方法及量化装置


[0001]本申请属于图像量化领域，具体涉及一种人脸双手舌象图自动量化方法及量化装置。

技术介绍

[0002]“全息”一词源于希腊词hobos和grammar，在英文中用Holography表示，“Holo”即“完全”的意思，汉语译为“全息”，意思是“完全信息”。一事物包含有另一事物的全部信息，或事物的局部包含有该事物整体的全部信息的现象，叫全息现象。全息医学融会了东、西方医学及相关科学理论，从一个崭新的角度研究生命个体和群体疾病的发生、发展和转化的规律，以及在临床应用上如何优化配置各种治疗手段和方法。作为一个新兴的医学体系，它主要有以下特点：
①
全息医学是多学科交叉融合的产物；
②
全息医学符合时代的要求；
③
全息医学能提高诊断和治疗的效果。
[0003]中医全息医学主要研究体表比较容易观察的全息区，例如，全息面诊、全息手诊和全息舌诊等。然而，目前，中医全息医学完全依靠临床医生主观的望闻问切和个人经验，无法满足数据化、标准化、流程化和智能化的现代医学应用需求。

技术实现思路

[0004]为至少在一定程度上克服相关技术中存在的问题，本申请提供了一种人脸双手舌象图自动量化方法及量化装置。
[0005]根据本申请实施例的第一方面，本申请提供了一种人脸双手舌象图自动量化方法，其包括以下步骤：
[0006]对中医全息医学论的面诊图、手诊图和舌诊图进行相关电子数字化全息信息边际切割和特征提取，形成能量分布特征模型；
[0007]分别对基础红外医学头部、左右手部、可见光舌象图能量分布特征模型进行数字定位，并通过剪裁、关键点对齐和特征关键点提取完成红外医学电子全息理论面部、手部和舌部标注图与红外医学多光谱中医全息理论电子标注图的图像融合，最终加入针对基础红外医学头部、左右手部、可见光舌象图能量分布特征模型的红外医学专家和特征标注关键点信息算法，形成红外医学基础能量分布定位定量模型，并通过对红外医学基础能量分布定位定量模型进行训练构建基础能量分布数字算法图集；
[0008]对基础红外医学头部可见光图像与标准人体的头部红外光图像以及基础红外医学左右手部可见光图像与标准人体的手部红外光图像分别进行融合配准处理，在处理结果中加入针对常态红外医学红外头部和手部能量分布特征模型的红外医学专家和特征标注关键点信息算法后，形成红外医学常态能量分布定位定量模型，并通过对红外医学常态能量分布定位定量模型进行训练构建中医全息信息常态数字能量空间分布定量算法图集；
[0009]将红外医学电子全息舌部图像与标准人体的舌部的可见光图像进行色彩校正、舌体全息边际分割、各边际分割区域特征提取，形成红外医学电子图，以进行融合配准处理，
然后加入针对舌部红外医学专家标注和特征标注关键点信息算法，最终形成中医舌象全息信息常态数字空间分布定量算法图集；
[0010]采集人脸、双手、舌部的可见光图像，并采集人脸、双手的红外图像；
[0011]利用得到的中医全息信息基础数字能量空间分布算法图集对采集的可头部、双手的可见光图像进行区域边际切割定位，形成与基础数字能量空间分布算法图集一致的头部、手部空间定位图；
[0012]利用中医舌象全息信息常态数字空间分布算法图集对采集的舌部的可见光图像进行区域边际切割定位，形成舌部空间定位图；
[0013]将双手和头部的可见光图像数据与人脸(前后)、双手(前后)的红外图像进行融合配准处理；
[0014]将中医舌象全息信息基础数字空间分布算法图集与舌部的可见光图像进行融合配准处理，形成舌象灰阶或色阶定位量化图；
[0015]将融合配准后的头部、手部空间定位图与舌象灰阶或色阶定位量化图像数据与中医头部和手部全息信息常态数字能量空间分布定量算法图集数据和中医舌象全息信息常态和异态数字空间分布定量算法图集数据进行特征提取比较分类，并根据红外医学逻辑判断得到中医全息面诊、手诊和舌诊的自动量化结果。
[0016]上述人脸双手舌象图自动量化方法中，所述形成能量分布特征模型的过程为：
[0017]根据中医全息论图谱得到红外医学电子全息理论面部、手部和舌部标注图；
[0018]采集标准人体的面部、手部和舌部的可见光图像以及标准人体的面部和手部的红外光图像，并进行处理后得到红外医学多光谱中医全息理论电子标注图；
[0019]将红外医学电子全息理论面部和手部标注图与标准人体的面部融合图像和标准人体的手部融合图像进一步进行融合，得到基础红外医学头部和左右手部的能量分布特征模型；将红外医学电子全息理论舌部标注图与标准人体的舌部的可见光图像进行融合，得到基础红外医学可见光舌部的能量分布特征模型。
[0020]进一步地，所述根据中医全息论图谱得到红外医学电子全息理论面部、手部和舌部标注图的过程为：
[0021]将中医全息医学论的图谱扫描成电子图，并从该电子图中选取需要的面诊图、手诊图和舌诊图；
[0022]对选取的面诊图、手诊图和舌诊图进行红外医学定位标注，得到红外医学电子全息理论面部、手部和舌部标注图。
[0023]上述人脸双手舌象图自动量化方法中，所述分别对基础红外医学头部、左右手部、可见光舌象图能量分布特征模型进行数字定位时采用快速区域卷积网络实现，其过程为：
[0024]遍历每一个候选区域，保持浮点数边界不做量化；
[0025]将候选区域分割成k
×
k个单元，每个单元的边界也不做量化；
[0026]在每个单元中计算4个坐标位置，用双线性内插的方法计算出这4个位置的值，然后进行最大池化操作；
[0027]通过将区域建议特征图展平处理和全连接层操作，得到目标分类结果以及边界框回归的结果。
[0028]上述人脸双手舌象图自动量化方法中，所述特征关键点的提取采用尺度不变特征
变换算法实现，其过程为：
[0029]二维图像像素点处的梯度值m
2D
(x,y)和梯度方向θ
2D
(x,y)分别为：
[0030][0031]式中，L
x
表示二维图像在x方向的距离，L
y
表示二维图像在y方向的距离，其分别使用有限差分来计算：
[0032][0033]根据二维图像在x方向的距离L
x
和二维图像在y方向的距离L
y
计算三维空间中的空间梯度(L
x
,L
y
,L
t
)；其中，三维图像在z轴上的梯度L
t
为：
[0034]L
t
＝L(x,y,t+1)
‑
L(x,y,t
‑
1)；
[0035]式中，t表示三维图像中的深度；
[0036]将二维图像像素点处的梯度值m
2D
(x,y)和梯度方向θ...

【技术保护点】

【技术特征摘要】
1.一种人脸双手舌象图自动量化方法，其特征在于，包括以下步骤：对中医全息医学论的面诊图、手诊图和舌诊图进行相关全息信息边际切割和特征提取，建立并形成能量分布特征模型；分别对基础红外医学头部、左右手部、可见光舌象图能量分布特征模型进行数字定位，并通过剪裁、关键点对齐和特征关键点提取完成红外医学电子全息理论面部、手部和舌部标注图与红外医学多光谱中医全息理论电子标注图的图像融合，最终加入针对基础红外医学头部、左右手部、可见光舌象图能量分布特征模型的红外医学专家和特征标注关键点信息算法，形成红外医学基础能量分布定位定量模型，并通过对红外医学基础能量分布定位定量模型进行训练构建基础能量分布数字算法图集；对基础红外医学头部可见光图像与标准人体头部红外光图像以及基础红外医学左右手部可见光图像与标准人体的手部红外光图像分别进行融合配准处理，在处理结果中加入针对常态红外医学红外人脸和双手能量分布特征模型的红外医学专家和特征标注关键点信息算法，形成红外医学常态能量分布定位定量模型，并通过对红外医学常态能量分布定位定量模型进行训练构建中医全息信息头部、手部常态数字能量空间分布定位定量算法图集；对基础红外医学舌部可见光图像与标准人体的舌部的可见光图像进行色彩校正、舌体全息边际分割、各边际分割区域特征提取，进行融合配准处理，然后加入针对舌部红外医学专家标注和特征标注关键点信息算法，最终构建并形成灰阶或色阶中医舌象全息信息常态和异态数字空间分布域定位定量算法图集；采集人脸、双手、舌部的可见光图像，并采集人脸、双手的红外图像；利用得到的中医全息信息基础数字能量空间分布算法图集对采集的可头部、双手的可见光图像进行区域边际切割定位，形成与基础数字能量空间分布算法图集一致的头部、手部空间定位图；利用中医舌象全息信息常态数字空间分布算法图集对采集的舌部的可见光图像进行区域边际切割定位，形成舌部空间定位图；将头部和双手的可见光图像数据与人脸、双手的红外图像进行融合配准处理；将中医舌象全息信息基础数字空间分布算法图集与舌部的可见光图像进行融合配准处理，形成舌象灰阶或色阶定位量化图；将融合配准后的头部、手部空间定位图与舌象灰阶或色阶定位量化图像数据与中医头部和手部全息信息常态数字能量空间分布定量算法图集数据和中医舌象全息信息常态和异态数字空间分布定量算法图集数据进行特征提取比较分类，并根据红外医学逻辑判断得到中医全息面诊、手诊和舌诊的自动量化结果。2.根据权利要求1所述的人脸双手舌象图自动量化方法，其特征在于，所述形成能量分布特征模型的过程为：根据中医全息论图谱得到红外医学电子全息理论头部、手部和舌部标注图；采集和建立标准人体的面部、手部和舌部的可见光图像以及标准人体的面部和手部的红外光图像，并进行处理后得到红外医学多光谱中医全息理论电子标注图；将红外医学电子全息理论面部和手部标注图与标准人体的面部融合图像和标准人体的手部融合图像进一步进行融合，得到基础红外医学头部和左右手部的能量分布特征模
型；将红外医学电子全息理论舌部标注图与标准人体的舌部的可见光图像进行融合，得到基础红外医学可见光舌部的能量分布特征模型。3.根据权利要求2所述的人脸双手舌象图自动量化方法，其特征在于，所述根据中医全息论图谱得到红外医学电子全息理论面部、手部和舌部标注图的过程为：将中医全息医学论的图谱扫描成电子图，并从该电子图中选取需要的面诊图、手诊图和舌诊图；对选取的面诊图、手诊图和舌诊图进行红外医学定位标注，得到红外医学电子全息理论面部、手部和舌部标注图。4.根据权利要求1所述的人脸双手舌象图自动量化方法，其特征在于，所述分别对基础红外医学头部、左右手部、可见光舌象图能量分布特征模型进行数字定位时采用快速区域卷积网络实现，其过程为：遍历每一个候选区域，保持浮点数边界不做量化；将候选区域分割成k
×
k个单元，每个单元的边界也不做量化；在每个单元中计算4个坐标位置，用双线性内插的方法计算出这4个位置的值，然后进行最大池化操作；通过将区域建议特征图展平处理和全连接层操作，得到目标分类结果以及边界框回归的结果。5.根据权利要求1所述的人脸双手舌象图自动量化方法，其特征在于，所述特征关键点的提取采用尺度不变特征变换算法实现，其过程为：二维图像像素点处的梯度值m
2D
(x,y)和梯度方向θ
2D
(x,y)分别为：式中，L
x
表示二维图像在x方向的距离，L
y
表示二维图像在y方向的距离，其分别使用有限差分来计算：根据二维图像在x方向的距离L
x

【专利技术属性】
技术研发人员：袁云娥，李劲鹏，吴方，
申请(专利权)人：北京现代数字红外成像技术研究院，
类型：发明
国别省市：