[发明专利]一种高精度的舌体自动分割方法

说明书

技术领域

本发明涉及一种高精度的舌体自动分割方法，属于模式识别和图像处理领域。

背景技术

中医诊断的基本方法有四种，即：望、闻、问、切。望诊中的一个重要组成部分就是舌象诊断。由于舌诊具有非接触、无痛和无副作用等优势，这使其非常符合现代医学理念，同时容易应用到机器辅助医疗、远程会诊等新兴医疗技术中。但舌象诊断存在一定的主观性，而且容易受到客观环境的影响，例如光照等因素。机器辅助的舌象诊断一定程度上解决了上述问题，推动了传统舌象诊断的发展和国际化。舌体分割是机器辅助舌象诊断的必要步骤也是关键步骤，其分割效果的好坏直接影响着诊断结果的准确性。目前绝大多数的舌体分割都由手工完成，分割效果不好且效率低下。而现有的自动分割方法都存在稳定性较差的缺点，难以满足实际诊断的需要。

发明内容

本发明的目的在于针对现有技术存在的不足，提出一种高精度的舌体自动分割方法。该方法采用直方图投影进行舌头定位，获得确定的前景点和背景点，通过对待识别区域建立局部线性估计模型，利用全局约束方程求解的方式计算得到舌头的精确分割。本发明有效克服了传统分割舌体的工作量大、耗时长、分割精度差的缺点。

为了达到上述目的，本发明采用下述技术方案：

一种高精度的舌体自动分割方法，包括如下步骤：

（1）训练一个用于检测舌头的级联分类器；

（2）输入一张图片，通过级联分类器进行舌体的粗略定位，确定初始颜色采样区域；

（3）使用迭代的直方图投影法，获取舌头的精确位置，将图像中点分为三类：前景点，背景点和待识别的点；

（4）对图像构造全局约束方程并求解，得到所有前景，即舌体像素点，完成分割。

上述步骤（1）的具体步骤如下：

（11）使用同一款数码相机，在恒定光源下，采集一批含有舌头的医学照片；

（12）对拍摄到的照片进行筛选，手工标注舌头所在区域；

（13）训练一个用于舌头检测级联分类器。

上述步骤（2）的具体步骤如下：

（21）采用和步骤（11）中相同条件拍摄一幅舌头照片；

（22）利用训练得到的级联分类器查找照片中的舌头位置，并用矩形框R标注；

（23）确定一个几何中心与矩形框R相同，边长为其1/4的小矩形r，作为颜色采样区域。

上述步骤（3）的具体步骤如下：

（31）对图片进行颜色缩减操作，使其三个颜色通道均减少至32种颜色深度，即在其RGB空间中保留32*32*32=32768种颜色；

（32）对颜色采样区域r进行颜色统计，得到其颜色直方图并将其归一化；

（33）将颜色缩减后的图片用归一化的直方图投影，即：遍历原图像的所有像素，对每一个像素点，记录其RGB模式下的颜色值c；查找归一化的直方图，得到当前颜色值c对应的直方图取值v，并作为当前像素的取值；操作结束后，得到一幅新的单通道图像，各像素点取值代表其属于前景，即属于舌头的概率；

（341）将步骤（33）得到的图像进行阈值化处理，阈值取0.05，生成一幅二值图像；

（342）对二值图像进行高斯滤波，使其中的离散点进一步聚合，孔洞得以填充；此时图像中出现多个连通区域；

（343）提取图像的最大连通区域，将其外接矩形记为R；计算得到与其具有相同几何中心，且边长为其一半的小矩形r_new，若小矩形r_new与旧的采样区域r相比，位置和面积差异较大，则将小矩形r_new赋值给r，作为新的采样区域并转移至步骤（32）。否则将小矩形r_new包围的点标记为前景点，将大矩形R以外的点标记为背景点，其它标记为待确定像素点。

上述步骤（4）的具体步骤如下：

（41）遍历所有待识别的像素点，对每一个点，利用所在3*3的邻域中像素对其建立线性颜色估计模型：

（411）求解像素对应权值向量：