【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种耳穴定位方法。
技术介绍
1、耳穴疗法作为一种简易有效的保健手段逐渐受到人们的欢迎。耳穴定位是耳穴疗法的重要前提，但是人耳耳穴数量多耳郭面积小，且每个人的耳郭形状不尽相同，所以耳穴定位具有一定难度。绝大部分耳穴分布于依据耳郭解剖结构划分的耳轮、耳周、三角窝、对耳轮、耳甲、对耳屏、耳屏、耳垂八个区域内。将人耳准确的依据解剖学划分为8个区域是耳穴的精准定位的重要前提，但是耳穴分布密集且耳郭形状差异会导致耳穴位置的差异，对于中医初学者或者非专业人士来说，耳穴定位具有一定难度。
2、现有技术无法依照人耳解剖学特征将人耳精准分割为八部分，提取能力不足以精确的获取人耳图像中的语义信息以及细节、边缘信息粗糙，以至于分割精度较低。
技术实现思路
1、本专利技术目的在于提供一种耳穴定位方法，能够自适应不同负载的功率需求，更加准确和精细地定位和检测耳穴的位置。
2、为了实现上述目的，本专利技术提供以下技术方案：
3、第一方面，本专利技术实施例提供了一种耳穴定位方法，所述方法包括以下步骤：
4、s100，获取耳部图像；
5、s200，使用训练好的asm模型对耳部图像进行特征提取，确定构成耳部图像中穴位区域的多个第一特征点，以及各个所述第一特征点的连接顺序；
6、s300，将所述耳部图像输入到训练好的耳穴定位模型，得到该耳部图像中的各个穴位区域，确定各个穴位区域对应的耳穴特征；
7、s4
8、s500，按第一特征点的连接次序依次连接第二特征点，得到耳部图像中的各个穴区。
9、可选地，s100之前，所述方法还包括：
10、s101，获取训练集，所述训练集包括多张耳部图像，所述耳部图像中各个穴位区域均标注有耳穴特征；其中，所述耳穴特征包括：形状特征、纹理特征和颜色特征；
11、s102，构建asm模型，从训练集中的耳部图像中提取特征点，基于提取的特征点构建点分布模型，基于所述点分布模型对asm模型进行训练，得到训练好的asm模型；其中，所述特征点包括耳郭边缘点、曲率极大值点和等分点；
12、s103，构建深度学习模型，使用所述训练集对深度学习模型进行训练，得到训练好的深度学习模型。
13、s104，将所述训练集中的耳部图像分别输入训练好的asm模型和训练好的深度学习模型，获取训练好的asm模型输出的第一耳穴特征以及训练好的深度学习模型输出的第二耳穴特征；
14、s105，基于标注的耳穴特征和第一耳穴特征确定第一损失值，基于标注的耳穴特征和第二耳穴特征确定第二损失值；
15、s106，基于所述第一损失值和第二损失值将第一耳穴特征和第二耳穴特征进行特征融合，将融合后的特征输入到训练好的深度学习模型中，通过反向传播算法更新模型参数，得到耳穴定位模型。
16、可选地，s300中，所述将所述耳部图像输入到训练好的耳穴定位模型，得到该耳部图像中的各个穴位区域，包括：
17、s310，将所述耳部图像输入到训练好的耳穴定位模型，得到该耳部图像中的各个候选区域；
18、s320，对耳部图像中的每个候选区域进行遍历，提取每个候选区域的特征信息；
19、s330，根据所述特征信息确定该候选区域是否为耳穴位置点；
20、s340，对每个候选区域进行特征信息计算，所述特征信息包括形状特征和纹理特征，提取每个候选区域的特征向量；
21、s350，将每个候选区域特征向量输入到分类器中，根据分类器的输出结果，确定每个候选区域的耳穴概率；
22、s360，根据所述耳穴概率对每个候选区域进行排序，将排序最前的候选区域所在区域作为耳穴区域。
23、可选地，s400中，所述基于所述耳穴特征对所述第一特征点进行调整，得到各个穴位区域的第二特征点，包括：
24、s410，基于所述训练集中耳部图像的形状特征和纹理特征确定耳部图像中各个穴位区域的度量阈值；所述度量阈值包括短轴/长轴长宽比阈值、曲率参数阈值和面积占比参数阈值；
25、s420，将所述耳部图像输入到训练好的耳穴定位模型，得到该耳部图像中的各个穴位区域，确定各个穴位区域对应的耳穴特征；其中，所述耳穴特征包括：形状特征、纹理特征和颜色特征；
26、s430，基于所述耳穴特征确定各个穴位区域的角点和边缘线，确定各个所述穴位区域对应的度量信息，若确定所述度量信息在预先设定的度量阈值范围内，则基于所述穴位区域的角点和边缘线对第一特征点进行调整，得到各个穴位区域的第二特征点；所述度量信息包括短轴/长轴长宽比、曲率参数和面积占比参数。
27、可选地，s430中，所述基于所述穴位区域的角点和边缘线对第一特征点进行调整，得到各个穴位区域的第二特征点，包括：
28、s431，对每个第一特征点，选取以该第一特征点为中心的区域内的多个像素，计算各个像素的灰度值分布；
29、s432，对每个像素，计算其周围区域的灰度平均值，作为该像素的权重，根据权重对各个像素进行排序，选取权重最高的多个像素作为第一特征点的候选点；
30、s433，确定所述角点和边缘线中与所述候选点对应的初始定位点，将候选点与初始定位点进行比对，若候选点与初始定位点的方差小于预先设置的容忍度阈值，则将该候选点加入到候选集中；
31、s434，从每个第一特征点中的候选点分别选取一个候选点进行组合，形成候选边缘；
32、s435，遍历候选集中每个候选点，得到多个候选边缘，计算候选边缘中每个候选点与边缘线对应边缘点的梯度向量点积平均值，计算得到该候选边缘的相似度量值；
33、s436，将相似度量值最大的候选边缘中的候选点作为穴位区域的第二特征点。
34、可选地，所述候选边缘的相似度量值通过以下公式计算得到：
35、
36、其中,s是候选边缘的相似度量值，wi是候选边缘中第i个候选点的权重，是候选边缘中第i个候选点的方向向量，d'i是边缘线中第i个像素的方向向量，pi是边缘线中第i个像素，qi是候选边缘中与像素pi对应的候选点；
37、第二方面，本专利技术实施例提供了一种耳穴定位系统，包括：
38、至少一个处理器；
39、至少一个存储器，用于存储至少一个程序；
40、当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上述任意一项所述的方法。
41、第三方面，本专利技术实施例提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如上述任意一项所述的耳穴定位方法。
42、本专利技术的有益效果是：本专利技术公开一种耳穴定位方法，本专利技术通本文档来自技高网...
【技术保护点】
1.一种耳穴定位方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种耳穴定位方法，其特征在于，S100之前，所述方法还包括：
3.根据权利要求2所述的一种耳穴定位方法，其特征在于，S300中，所述将所述耳部图像输入到训练好的耳穴定位模型，得到该耳部图像中的各个穴位区域，包括：
4.根据权利要求3所述的一种耳穴定位方法，其特征在于，S400中，所述基于所述耳穴特征对所述第一特征点进行调整，得到各个穴位区域的第二特征点，包括：
5.根据权利要求4所述的一种耳穴定位方法，其特征在于，S430中，所述基于所述穴位区域的角点和边缘线对第一特征点进行调整，得到各个穴位区域的第二特征点，包括：
6.根据权利要求5所述的一种耳穴定位方法，其特征在于，所述候选边缘的相似度量值通过以下公式计算得到：
7.一种耳穴定位系统，包括：
8.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至6任一项所述的方法。
【技术特征摘要】
1.一种耳穴定位方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种耳穴定位方法，其特征在于，s100之前，所述方法还包括：
3.根据权利要求2所述的一种耳穴定位方法，其特征在于，s300中，所述将所述耳部图像输入到训练好的耳穴定位模型，得到该耳部图像中的各个穴位区域，包括：
4.根据权利要求3所述的一种耳穴定位方法，其特征在于，s400中，所述基于所述耳穴特征对所述第一特征点进行调整，得到各个穴位区域的第二特征点，包括：
【专利技术属性】
技术研发人员：王小洪，李郁明，
申请(专利权)人：暨南大学附属顺德医院佛山市顺德区第二人民医院，佛山市顺德区冯尧敬纪念医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。