[发明专利]一种基于深度卷积网络与水平集方法的中医舌像定位方法和系统

权利要求书

1.一种舌像定位方法，其特征在于包括：

A)对输入的舌象图片中的舌体区域进行定位，包括：

对于舌象图片，利用经过训练的卷积神经网络对分割所述舌象图片所得到的子图块进行判别，将子图块分为包含舌体的子图块与不包含舌体的子图块两种类别，即得到各子图块对应的子图标签，

对这些子图标签进行逻辑判断，得到一个包含完整舌体的矩形图像，即实现舌体位置的快速定位，

B)采用基于水平集的处理对舌象图片进行图像分割，

其中步骤B)包括：

设存在表面φ，它与一个零平面相交，从而得到曲线C，将曲线C通过水平集得到的舌头轮廓，

令曲线C上的坐标点(x,y)属于一个随着时间演化的曲线，令x(t)为坐标点在时刻t的这样的位置，即在任意的时刻t，每一个点x(t)都是表面φ在高度为0的曲线上的点，即：

φ(x(t)，t)＝0        (3)

进而从以下公式(4),(5),(6)，推断出任意时刻的φ_t：

其中

表面φ与舌体图像信息相关，是随着由舌体图像派生得到的势来更新的，

把x(t)做为所确定的舌头轮廓，并使得x(t)与真实的舌轮廓的误差随着t的变化而减小，具体包括：

利用舌象图片的HSV空间结合RGB空间的信息来给出用于计算势能大小的矩阵I，其中R,G,B,H,分别代表图像的RGB空间的三个通道以及HSV空间的H通道，x,y表示矩阵I的横纵坐标值、x_c,y_c表示矩阵I的中心点坐标

I(x，y)＝1.3R(x，y)-6.7G(x，y)+6.4B(x，y)-H(x_c，y_c)     (7)

对于矩形的、包含完整舌体的所述舌象图片，给定该舌象图片在t＝0时刻的一个初始表面φ，用公式(8)的矩阵形式表示φ，

把包含舌体区域范围内的坐标点表示为公式(9)的集合U，

并令集合U＝{(x，y)|φ(x，y)＞0}    (9)

把得到的集合U的外边缘轮廓作为本次循环t确定的舌头边缘坐标值x(t)，

以Num₁为集合U中的元素个数，Num₂为包含完整舌体的矩形图像的总像素点个数减去Num₁的数量，使表面φ及集合U按如下公式(10)至(16)循环迭代直至收敛，从而使得x(t)在该循环的过程中，与真实的舌头轮廓的误差越来越小：

φ(x，y)：＝φ(x，y)*G      (15)

U＝{(x，y)|φ(x，y)＞0}       (16)

其中：

Grade1和Grade2分别是矩形的所述舌象图片在集合U之内和之外的平均势能大小，

F(x,y)为一个中间变量，

G是如公式(18)的5×5大小矩阵的高斯算子，引入G用于在一定程度上消除噪点，使结果更稳定，其中每次循环都利用高斯算子G作为卷积核，对矩阵φ进行卷积操作，

其中σ为标准差，

F_n是如公式(17)表示的表面φ随着矩形图像派生得到的势，用于利用该势更新φ，并利用更新后的φ来更新集合U，从而得到了误差更小的x(t)，

F_n＝α·F(x，y)       (17)，

当集合U不再发生变化时，停止迭代，把此时得到的集合U的外边缘即x(t)作为舌头的边缘的坐标。

2.根据权利要求1所述的舌像定位方法，其特征在于标准差σ的取值为1。

3.根据权利要求1所述的舌像定位方法，其特征在于：

先把拍摄到的原始舌象图片缩放成预定尺寸的图片，作为所述舌象图片，再把所述舌象图片分割成预定大小的子图块。