论文摘要
舌诊是中医望诊中的重要项目,也是中医学中最常用、最有应用价值、最有特色的诊法之一,因此中医舌诊客观化研究对宏扬我国传统医学具有重大的意义。本文综合使用了信息融合、图像处理和模式识别等多种技术手段,尝试从信息融合的角度入手,基于信息融合中特征层融合的思想设计了基于CART的AdaBoost分类器,把非同源特征信息融合成一个完整的、代表舌图像全局信息的特征向量,在训练过程中对特征进行选择和权值分配,最终获得分类结果。整个过程分为舌体特征提取与分类器设计与实现两个主要部分。特征信息提取分为舌面特征提取和舌下特征提取两个部分。在舌面特征提取部分,提取了颜色和纹理——这两个最重要的舌面特征。为了获取全面的颜色和纹理特征信息,本文分别从RGB、XYZ、CIE-Lab、CIE-LUV四个色彩空间进行颜色特征提取,并采用了灰度共生矩阵和Gabor变换两种方法进行纹理特征提取。在舌下特征提取部分,本文率先以可以完整保存舌下静脉形态信息的近红外图像为研究对象,综合运用数学形态学方法,如:分水岭算法、动态阈值法、可变腐蚀元迭代法等,对舌下静脉图像进行分离舌体轮廓、去反光、求取舌下静脉候选区域等操作,最终应用区域生长法提取出静脉轮廓。分类器设计方面,本文设计了基于CART决策树的AdaBoost分类器。该分类器以经过融合后的颜色特征和纹理特征为输入,以被采集图像者是否患有疾病的判断为输出。最后的实验结果表明,该算法可以取得较理想的分类效果。在这个过程中,本文亦对AdaBoost算法的特征选择能力进行了分析和验证,证明了AdaBoost在这方面的优良性能。
论文目录
摘要Abstract第1章 绪论1.1 课题研究的背景和意义1.2 国内外研究现状1.3 本文主要内容及结构安排第2章 舌面特征提取2.1 引言2.2 图像预处理2.2.1 反光点的成因2.2.2 基于HSV 色度空间的反光点检测2.2.3 反光点填充2.3 颜色特征提取2.3.1 几种主要的色彩空间介绍2.3.2 颜色特征提取2.4 纹理特征提取2.4.1 目标区域选择2.4.2 基于灰度共生矩阵的纹理特征提取2.4.3 基于Gabor 变换的纹理特征提取2.5 本章小结第3章 舌下静脉轮廓特征提取3.1 引言3.2 舌脉特征提取的意义3.3 近红外舌下静脉图像3.4 近红外舌下静脉图像的预处理3.4.1 基于分水岭算法的舌体外轮廓提取3.4.2 去除反光点3.5 舌下静脉候选区域的提取3.5.1 动态阈值法进行二值化3.5.2 可变腐蚀元迭代腐蚀求取舌下静脉区域3.6 区域生长法舌下静脉提取3.7 实验结果分析3.8 本章小结第4章 基于特征层融合的分类器设计4.1 引言4.2 信息融合技术概述4.2.1 信息融合的定义4.2.2 信息融合的分类及结构4.3 基于特征层融合的分类器结构设计4.3.1 AdaBoost 学习机制4.3.2 决策树4.4 AdaBoost 特征选择性能分析4.4.1 理论分析4.4.2 样本空间描述及预处理4.4.3 实验流程及结果分析4.5 融合分类方法实验设计及参数的确定4.6 本章小结结论参考文献攻读学位期间发表的学术论文致谢
相关论文文献
标签：舌诊论文; 信息融合论文; 舌下静脉论文; 数学形态学论文;
