[发明专利]一种基于图像修复与卷积神经网络的中医舌质老嫩识别方法

权利要求书

1.一种基于图像修复与卷积神经网络的中医舌质老嫩识别方法，其特征在于：包括以下步骤，

步骤1、获取原始舌图像，采用舌体语义分割模型对舌图像进行舌体分割，得到舌体分割图像；

步骤2、采用高斯混合模型对舌体分割图像进行舌苔舌质分离；得到舌质图像；

步骤3、基于生成式图像修复网络建立舌质图像修复模型，利用舌质图像修复模型对舌质图像进行修复，获得纹理特征和颜色变化连续的舌质修复图像；

步骤4、采用改进型残差网络对修复后得到的舌质修复图像的数据集进行特征提取并分类，建立舌质老嫩识别模型；利用舌质老嫩识别模型来对舌质老嫩进行识别。

2.根据权利要求1所述的一种基于图像修复与卷积神经网络的中医舌质老嫩识别方法，其特征在于，所述的高斯混合模型对舌体分割图像进行舌苔舌质分离的方法是，假设存在d 维随机变量 ，则包含 K 个组件的高斯混合模型可表示为公式，

式中为高斯概率密度函数， 、 、 分别为高斯混合模型中的第k 个组件的权重、均值和协方差矩阵。

3.根据权利要求1所述的一种基于图像修复与卷积神经网络的中医舌质老嫩识别方法，其特征在于，所述基于生成式图像修复网络建立舌质图像修复模型，利用舌质图像修复模型对舌质图像进行修复的方法是，首先建立舌质图像修复模型所需的训练数据，通过复制和改进基于全局和局部内容一致性的图像修复算法来构建其基础的生成图像修复网络，然后引入了由粗略到精细的网络架构其中第一个网络对缺失区域进行粗略预测， 第二个网络将粗略预测结果作为输入并作出精细预测，最终完成图像缺失区域的修复。

4.根据权利要求2所述的一种基于图像修复与卷积神经网络的中医舌质老嫩识别方法，其特征在于，所述建立舌质图像修复模型所需的训练数据的方法是，以 N×N 小块的方式遍历舌质图像,提取出舌质占比超过 80% 的小块,作为建立舌质图像修复模型所需的训练数据;共得到M张舌质小块图像，通过镜像等方式将数据集扩增至 H 张，其中 J张用作训练集，I 张用作验证集。

5.根据权利要求2所述的一种基于图像修复与卷积神经网络的中医舌质老嫩识别方法，其特征在于，在所述生成图像修复网络后引入新的内容感知层CAL，其中新的内容感知层CAL 用于学习从图像已知区域的某处借鉴特征信息，以此来生成缺失的斑块，且所述新的内容感知层CAL是利用卷积计算得到前景补丁与背景补丁的匹配分数，然后应用softmax函数进行比较并获得每个背景像素的注意力得分，最后通过对每一背景像素的,注意力得分进行反卷积来重建具有背景斑块的前景补丁。

6.根据权利要求1所述的一种基于图像修复与卷积神经网络的中医舌质老嫩识别方法，其特征在于，所述的采用改进型残差网络对修复后得到的舌质修复图像的数据集进行特征提取并分类，建立舌质老嫩识别模型的方法是，首先输入的舌质修复图像进行补零，对补零后的舌质修复图像进行卷积层，然后进行批量正则化处理，随后利用激活函数对正则化处理舌质修复图像进行激活，并对最大值进行池化；然后进行特征运算之后，将所得的特征向量进行平均值池化，再对多维特征向量进行一维化操作，得到一维的特征向量，然后将其输入全连接层得到输出，最后由 softmax 分类器计算各类别的概率，得到最终舌质老嫩分类结果，根据舌质老嫩分类结果建立舌质老嫩识别模型。