基于自定义色卡的全自动舌象颜色校正系统及方法技术方案

基于自定义色卡的全自动舌象颜色校正系统及方法，属于医学诊断领域，本发明专利技术包括以下步骤：制作自定义色卡；采集色卡图像，用以构建色卡检测数据集，然后构建目标分割神经网络模型，利用色卡检测数据集和目标分割神经网络模型完成对色卡图像的预测，获得二值分割图；利用二值分割图构建色块检测数据集，然后构建色块检测神经网络模型，利用色块检测数据集和色块检测神经网络模型对色卡色块进行预测，获得不同条件下的色块颜色值；以色块颜色值作为输入，利用颜色校正神经网络模型建立待校正舌象图像与校正后舌象图像之间的映射关系，构造用于舌象颜色校正的参数矩阵，进而完成舌象颜色校正。本发明专利技术具有全自动校正、灵活性高、适应性强的优点。

【技术实现步骤摘要】

本专利技术属于医学诊断，具体涉及一种基于自定义色卡的全自动舌象颜色校正系统及方法。

技术介绍

1、各种照相设备在拍摄照片时，由于拍摄时的光源往往是非标准光源，会造成图像色彩失真问题。此时需要对图像作色彩校正处理，尤其是在医学诊断领域，通过图像色彩校正可有效改善图像的色彩失真问题，修复图像中的色偏、色温、对比度等问题，从而提升图像的视觉效果和色彩准确度。

2、常见的色彩校正方法主要包括：直方图均衡化、色彩平衡和色彩映射，其中，直方图均衡化方法是通过调整图像的像素分布，使得图像的亮度和对比度更加均衡，从而改善图像的色彩效果。色彩平衡方法是通过调整图像中不同颜色通道的亮度和对比度，使得图像的颜色更加真实和平衡。色彩映射方法是通过建立颜色映射矩阵，将原始图像中的颜色映射到目标颜色空间，实现色彩校正和风格转换。其中，与本专利技术最接近的现有技术是色彩映射方法，其颜色校正的过程是拍摄待校正场景下的标准色卡图，再利用专业的调色软件进行调色。这一过程需要操作人员手动进行匹配图像中的色卡色块，匹配到对应的色块之后，计算各个色块颜色值与标准颜色值的色差，利用最优化本文档来自技高网...

【技术保护点】

1.基于自定义色卡的全自动舌象颜色校正方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于自定义色卡的全自动舌象颜色校正方法，其特征在于，步骤S2中，构建色卡检测数据集时，利用图像传感器在特定光源下采集不同场景下的色卡图像，同时采集各种颜色色调的背景对象，使目标分割神经网络模型能够学习色卡图像与其他一切背景对象的区别特征。

3.根据权利要求1所述的基于自定义色卡的全自动舌象颜色校正方法，其特征在于，步骤S2中，所述目标分割神经网络模型包括：预训练的骨干网络模型Res2Net50、边缘感知网络模块、Sigmoid激活函数和连接层；所述预训练的骨干网络模型R...

【技术特征摘要】

1.基于自定义色卡的全自动舌象颜色校正方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于自定义色卡的全自动舌象颜色校正方法，其特征在于，步骤s2中，构建色卡检测数据集时，利用图像传感器在特定光源下采集不同场景下的色卡图像，同时采集各种颜色色调的背景对象，使目标分割神经网络模型能够学习色卡图像与其他一切背景对象的区别特征。

3.根据权利要求1所述的基于自定义色卡的全自动舌象颜色校正方法，其特征在于，步骤s2中，所述目标分割神经网络模型包括：预训练的骨干网络模型res2net50、边缘感知网络模块、sigmoid激活函数和连接层；所述预训练的骨干网络模型res2net50由四个阶段实现，每个阶段输出不同尺度的特征图；所述边缘感知网络模块由多个cbr模块构成，每个cbr模块均由卷积层、批归一化层和relu激活函数组成；所述sigmoid激活函数用于对图像的像素进行二分类；所述连接层用于进行通道拼接。

4.根据权利要求3所述的基于自定义色卡的全自动舌象颜色校正方法，其特征在于，步骤s2中，所述二值分割图的获取过程如下：

5.根据权利要求1所述的基于自定义色卡的全自动舌象颜色校正方法，其特征在于，步骤s3中，所述色块检测神经网络模型包括：预训练的骨干网络模型res2net50、五个cbr模块、两个检测头网络和三个连接层；所述预训练的骨干网络模型res2net50用于提取输入图像的基本特征；所述cbr模块用于多层卷积操作，每个cbr模块均由卷积层、批归一化层和relu激活函数组成；所述检测头网络用于检测框回归计算与目标分类计算；所述连接层用于进行通...

【专利技术属性】
技术研发人员：池盼盼，李志平，周华，贺宁波，程旭，陈占春，
申请(专利权)人：上海贝业斯健康科技有限公司，
类型：发明
国别省市：