[发明专利]一种基于纹理和分布特征的舌苔腐腻识别方法

摘要

本发明公开了一种基于纹理、粗糙度和分布特征的舌苔腐腻识别方法。其步骤如下：（1）利用已有的舌面图像样本图建立结合Gabor纹理、Tamura粗糙度和舌苔分布特征训练样本集；（2）利用支持向量机对训练样本集进行训练，构建舌苔腐腻分类器；（3）利用建立的舌苔腐腻分类器进行识别，判断待识别的舌面图像是否属于腐腻舌象。该方法获取舌面图像的纹理、粗糙度和舌苔分布特征向量，采用支持向量机作为分类器，模拟中医专家对舌苔图像识别，具有可重复性；该方法在识别阶段不需要任何人工指导和参数设置，使得腐腻舌象的判断机制更加直观和公正；模拟中医对腐腻舌象进行识别，克服中医目测观察腐腻舌象的主观性强、重复性差的缺点。

主权项

1.一种基于纹理和分布特征的舌苔腐腻识别方法，其特征在于包括如下步骤：(1)、建立基于Gabor纹理，Tamura粗糙度和舌苔分布特征的训练样本集，具体步骤如下：(11)、从人脸伸舌照片中分割出舌面图像，构建舌面图像库对采集到的舌面图像进行预处理，在每幅图像上进行苔质分离得到舌体图像和舌苔图像，将所有已识别的图像分为：腐苔和腻苔，分别存入两个样本库；(12)、将彩色的舌苔图像转化为灰度图像：(13)、提取图像的Gabor纹理特征、Tamura粗糙度特征和舌苔分布三个特征组成特征向量：(131).在舌苔通常分布的位置即舌面图像的中间80*80的区域抽取4个不同尺度和6个不同方向上的Gabor特征，形成48维的Gabor纹理特征向量；在舌面图像的中间128*128的区域，将该区域分为16*16个子块，在每个子块中抽取Tamura粗糙度特征，形成16个舌苔的粗糙度值；(132).选取舌苔图像中间宽的范围在0.2*Width～0.8Width，高的范围为0.2*Height～0.8*Height,Width和Height为舌体的宽度和高度，利用开闭运算剔除该区域中的一些由于图像分割以及照相光源导致舌根部阴影噪声数据；计算每一幅舌苔图像的基于舌苔分布的7维特征：i.计算开闭运算后与苔质分离重合的像素个数/苔质分离后苔的像素个数；ii.计算开闭运算后的像素个数/苔质分离后苔的像素个数；iii.计算舌中上部分苔质分离的像素个数/苔质分离后苔的像素个数；iv.计算开闭运算后最大块的大小/苔质分离后苔的像素个数；v.计算开闭运算后的像素个数/苔质分离后质的像素个数；vi.计算开闭运算后与苔质分离重合的像素个数/开闭运算后的像素个数；vii.计算开闭运算后最大块的大小/开闭运算后的像素个数；(133).将以上得到的参数列在一个向量中，代表了每一个样本的特征向量，所有的特征向量组成了特征样本集；(2)、构建基于Gabor纹理，Tamura粗糙度和舌苔分布特征的腐腻舌苔分类器；(3)、利用基于Gabor纹理，Tamura粗糙度和舌苔分布特征的腐腻舌苔分类器进行识别，判断待识别的舌面图像是否为腐腻舌苔图像。