[发明专利]基于多类支持向量机的中医舌色、苔色、舌苔厚度分析方法

摘要

一种基于多类支持向量机的中医舌色、苔色、舌苔厚度分析方法，应用于计算机医学图像处理领域。该方法是由数码相机进行图象采集，并通过USB接口将图象输入到计算机处理器中，在处理器中将舌体区域从舌图象中分割出来，特征在于该方法还依次包括下述步骤：在进行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)方法进行舌体区域像素识别，并把舌体区像素识别的类别数设为15种；将舌面分为五个区域，统计各区中数量最多的像素类别，及各种类型的象素数；进行舌色描述；进行舌苔色描述；进行舌苔厚定量分析和描述；最后采用文字和伪彩色图显示分析结果。该方法快速、准确达到实用，符合中医专家的诊察原则。

主权项

1、一种基于多类支持向量机的中医舌色、苔色、舌苔厚度分析方法，是由数码相机进行图象采集，并通过USB接口将图象输入到计算机处理器中，在处理器中采用通用技术，将舌体区域从舌图象中分割出来，本发明的特征在于该方法还依次包括下述步骤：1)在进行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方法进行舌体区域像素识别，以下将基于聚类树的支持向量机简称为CTSVM；分级聚类分析生成聚类树的方法步骤为：(1)对于k类样本，计算得到k个类中心集合：(x1，x2，…，xk)，(2)第1级划分是每一个类中心各成一类，即k个叶节点，(3)求每两个类中心之间的距离Dij，i＝1，...k，j＝1，...k，i≠j，(4)将距离最近的两个中心合并，形成新的类中心，即中间节点，(5)重复进行(3)-(4)步，直到第k-1级，所有的中心合并为1类，即根节点，(6)根据需要，调整聚类树的结构，使得树的深度尽可能少，生成的聚类树与两类模式识别支持向量机结合，就构成了CTSVM；舌体区域像素识别的方法和的步骤为：(1)计算输入图象中每个像素3×3邻域内的三色色度值R、G、B的均值，作为像素识别的输入特征，(2)读取舌体中一个像素的R、G、B值，(3)从所述的聚类树的根节点开始，根据该节点的CTSVM分类器，将该像素划分到某一分支，具体方法为：计算该像素与该节点对应的每一个支持向量的核函数内积，并乘以相应的系数和标号，对所有这些乘积求和，然后求加上常数b之后的结果的符号。即求：$f\left(x\right)=\mathrm{sign}(\underset{x_i\in \mathrm{sv}}{\Sigma }{\alpha }_i{y}_{i}K(x_i,x)+b)$ 式中，xi是该分类器的支持向量，αi是与支持向量对应的系数，yi是支持向量样本的标号，b是常数，本发明中b取40，K(xi，x)是核函数内积，$K(x,y)=e^{\frac{{\left|\right|x-y\left|\right|}^2}{{2\sigma }^2}}$ 式中‖x-y‖是向量x-y的范数，σ取50，Sign()是符号函数，如果自变量的值大于0，则函数值为1，小于0，则为-1。然后根据f(x)的值和该CTSVM的分类规则，将该像素划分到某一分支；(4)如果分支节点不是叶节点，则重复进行(3)中的过程：根据该节点的CTSVM分类器，将该像素划分到某一分支，如果分支节点是叶节点，则该叶节点所代表的类即为所识别的像素的类别，各节点的分类器是两类支持向量机分类器，分类过程按照常规的方法实现，(5)重复(2)-(4)的过程，直到舌体区域的全部像素分类完毕；2)统计各分区中各种类型的象素数；3)进行舌色描述，根据舌侧区与舌尖区像素的舌质类型描述舌质的颜色，计算舌尖、舌左侧、舌右侧等3个区域中属于各舌质类型的像素总数，像素数最多的舌质类型即为该舌图象的舌质特征；4)进行舌苔色描述，计算舌根、舌中、舌尖等3个区域中属于各舌苔类型的像素总数，在三个区域中，分别判断像素数最多的舌苔类型的像素数与整个舌面像素总数之比是否小于某一阈值，确定该区的舌苔特征；5)进行舌苔厚度定量分析和描述，根据像素及其邻域内像素的舌色、舌苔色类型和数量，分为“无苔”、“薄苔”、“中厚苔”、“厚苔”4种类型，根据整个舌体区域内像素的厚度类型和相应的数量，计算舌苔厚度指数，根据厚度指数描述舌苔厚度；6)采用文字和伪彩色图显示分析结果。