[发明专利]基于自组织映射神经网络的舌象自动聚类、可视化和检索系统

说明书

技术领域

本发明涉及一种舌象自动聚类、可视化和检索方法，具体地说是一种基于自组织映射神经网络实现对舌象进行聚类、可视化和基于图像内容的快速检索方法。

背景技术

在中医诊断学中，舌诊是获取病人身体状态信息的重要途径之一。传统中医舌诊在很大程度上依赖于医师的主观判断和个人经验，具有比较大的随意性和不确定性。通过对舌象数据进行聚类，并对聚类结果实现可视化，可以帮助中医专家了解舌象数据的内在结构，最大程度地消除随意性和不确定性。而采用基于内容的图像检索技术，根据当前病人的舌图像，从典型样本数据库中检索具有相似舌象特征的典型样本舌图像，可以为医师诊断提供样例支持，提高诊断的准确性。建立中医舌象自动聚类、可视化和快速检索系统，对中医舌诊现代化，规范化和国际化有着重大的现实意义。

中医舌象特征量很多，变化非常丰富，且变化具有渐进性，这些变化均同时呈现在一幅舌象图片上，将它们准确区分判读出来是非常困难的，有些情况下，即使是专业的医师也很难达成一致的意见。针对舌象的这种复杂性，本发明提出采用一种无监督的机器学习方法，自组织映射神经网络(SOM)，实现舌象的自动聚类和可视化，并在此基础上实现对舌象的快速检索。

由T.Kohonen提出的自组织映射(SOM，Self-Organizing Map)神经网络算法通过竞争学习的方法实现对高维样本集的降维、聚类和可视化。SOM是一种聚类算法，可以将相似的样本聚为一类。同时，SOM具有保序映射的特点，可以保证相似的聚类在输出神经元网格上所对应的神经元也靠得很近，而不相似聚类所对应的神经元则相距较远。利用这一特性，SOM可以揭示高维样本集的内在结构，将舌象图像经特征提取后获得的高维特征向量投射到低维空间后，可以清楚地观察到不同舌象的空间分布及变化情况。根据中医理论，舌象的不同表征对应着病人不同的症。通过本发明所设计之系统检索最相似的典型舌象样本，并通过输出二维网格观察舌象的分布位置及变化情况，能够为中医诊断提供科学依据。

经对现有技术文献的检索发现，中国发明专利申请号02103795.7在分级聚类分析生成聚类树并调整的基础上，采用基于聚类树的支持向量机(CTSVM)方法进行舌体分类；200610150871.7利用KNN算法将舌苔和舌质颜色分为14种；200610150874.0在子图像进行预处理后进行特征提取，将提取的特征送入分类器进行分类。但是这些方法都是事先准备好类别和分类器，引入了人眼主观观察的因素，比如人为地将舌色分为红，淡红，淡白等类别，这些人为因素影响了分类结果的客观性；同时简单的分类结果不足以完全显示各舌象样本之间的区别与联系。

发明内容

本发明的目的在于：针对国内外研究的缺乏和现有技术的不足，提供一种新的、针对大规模舌象样本集的舌象聚类、可视化和快速检索方法，通过此方法实现基于内容的舌象可视化和快速检索。

本发明的主要实现步骤如下：

(1)分割舌体：通过采集设备得到舌象样本图片，对样本图片进行舌体分割，得到完整的舌象；

(2)特征提取：在HSV颜色空间提取舌象的各分量的直方图，得到描述舌象样本的特征向量，并根据统计结果精简特征向量的维数；

(3)训练自组织映射神经网络：用大量典型舌象样本的特征向量训练自组织映射神经网络，得到对应于典型舌象样本集的自组织映射网格，其中包括各个聚类中心的参考特征向量及可视化表示各聚类之间关系的二维映射网格；

(4)基于最小距离准则的相似性检索：对输入的舌象样本图片，根据步骤(2)提取其特征向量，在由步骤(3)得到的自组织映射网络中，按照最小距离准则，检索与其最相似的聚类中心，然后在所有属于该聚类的舌象样本中检索与其最相似的样本；

(5)显示最相似舌象样本图像；

(6)在自组织映射网络二维输出网格上高亮显示匹配聚类对应的神经元节点，并显示此聚类的全部样本。

本发明与现有技术相比的优点在于：

(1)本发明采用了自组织映射的方法来聚类舌象数据，利用自组织映射特有的保序性及聚类效果，完全由舌象自身的参数决定聚类和映射结果，同时，生成的二维网格式结构，能够反映出舌象数据之间的内在关系，可以实现高维舌象特征数据的有效聚类和可视化，具有很好的聚类客观性和良好的可视化效果。