【技术实现步骤摘要】
本专利技术涉及图像分割，特别是涉及一种基于深度学习的高光谱舌象图像分割方法及系统。
技术介绍
1、中医舌诊对疾病的辨证施治有非常重要的作用，在舌象信息分析研究中，舌象分割是进行中医舌诊客观化研究的必要前提。由于舌体形态、伸舌动作和舌体与周围口腔嘴唇的连接各不相同，因此舌图像分割的质量和效率直接影响到舌象信息的准确表达和数字化转化。现有技术主要利用舌象的rgb彩色图像，根据颜色或者纹理特征进行分割模型的搭建，但是当前中医舌象的舌体分割模型大多基于彩色rgb图像数据，在高光谱图像中适用性差，没有充分利用光谱特征信息，因此导致分割结果不理想，并且现有分割模型使用的损失函数大多为通用模型，没有根据医学图像的分割特点，尤其是舌体边缘轮廓的特点进行设计和思考，所得到的分割模型边缘轮廓可能会出现突出、锋利等不符合实际舌体情况的分割结果，因此，对本领域技术人员来说，如何基于高光谱图像中的光谱特征与空间特征进行舌体图像的分割是亟待解决的问题。
技术实现思路
1、本专利技术的目的是提供一种基于深度学习的高光谱...
【技术保护点】
1.一种基于深度学习的高光谱舌象图像分割方法，其特征在于，具体步骤包括如下：
2.根据权利要求1所述的一种基于深度学习的高光谱舌象图像分割方法，其特征在于，对所述高光谱图像进行预处理的具体步骤为：
3.根据权利要求1所述的一种基于深度学习的高光谱舌象图像分割方法，其特征在于，在所述图像分割模型中将主动轮廓模型作为损失函数。
4.根据权利要求3所述的一种基于深度学习的高光谱舌象图像分割方法，其特征在于，主动轮廓模型损失函数的表达式为：
5.根据权利要求4所述的一种基于深度学习的高光谱舌象图像分割方法，其特征在于，利用水平集...
【技术特征摘要】
1.一种基于深度学习的高光谱舌象图像分割方法，其特征在于，具体步骤包括如下：
2.根据权利要求1所述的一种基于深度学习的高光谱舌象图像分割方法，其特征在于，对所述高光谱图像进行预处理的具体步骤为：
3.根据权利要求1所述的一种基于深度学习的高光谱舌象图像分割方法，其特征在于，在所述图像分割模型中将主动轮廓模型作为损失函数。
4.根据权利要求3所述的一种基于深度学习的高光谱舌象图像分割方法，其特征在于，主动轮廓模型损失函数...
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。