全方位舌像特征提取及多核学习分类

论文摘要

舌像诊断是中医最具临床应用价值的方法之一,随着计算机技术的迅速发展,舌诊克服以往主观性、非量化等缺点,形成自动化与客观化的诊断方式逐渐成为可能。本文即是舌诊自动化工作的一部分,主要对全方位的舌像特征提取与分类技术进行了研究,包括舌图像预处理、舌像特征提取、基于多核学习的类别诊断三大部分。本文首先对舌图像进行了预处理,以提高算法的准确度。该部分详细介绍了舌像的数字化过程,以及采用色卡对颜色进行校正的方法;提出了一种基于分水岭算法和区域合并的半自动舌体分割方法,以去除图片中的非舌体部分。经过预处理之后的舌像图片去除了杂质和干扰,能够有效的用于后续分析。然后,对舌像的多个特征进行了分析,主要包括颜色特征、纹理特征、几何特征、有形物质特征四个方面。对于颜色特征,采用流形学习方法进行了探索分析;并分离了舌苔、舌质。纹理特征计算了子图像的Gabor能量值。几何特征介绍了舌形状分类方法,并提出了舌厚度的计算方法。有形物质则包含了红刺、瘀斑瘀点、齿痕、舌纹等特征的检测。基于这些特征分析方法,我们开发了计算机自动舌像分析系统。最后,将得到的舌像特征数据用来进行类别诊断分析。在分类学习之前先采用了矩阵重建的技术来填补原始缺失数据以及消去较大的误差,以提高分类精度;然后再对预处理之后的数据使用多核学习方法来进行训练和分类,实验结果表明该方法取得了较好的类别诊断效果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景与研究意义
• 1.2 国内外研究现状
• 1.3 计算机自动舌像分析系统简介
• 1.4 本文的主要研究内容
• 第2章 舌图像预处理
• 2.1 舌图像获取
• 2.2 颜色校正
• 2.3 舌体分割
• 2.3.1 舌体区域选取
• 2.3.2 基于分水岭算法的图像分割
• 2.3.3 区域合并与轮廓优化
• 2.3.4 分割结果评价
• 2.3.5 人机交互
• 2.4 本章小结
• 第3章 舌像多特征提取
• 3.1 颜色特征分析
• 3.1.1 数据获取
• 3.1.2 局部线性嵌入算法
• 3.1.3 色彩空间
• 3.1.4 参数选择评价准则
• 3.1.5 实验结果与探索分析
• 3.1.6 舌苔舌质颜色分离
• 3.2 纹理特征分析
• 3.2.1 Gabor小波变换
• 3.2.2 子图像纹理能量
• 3.3 几何特征分析
• 3.3.1 舌形状特征
• 3.3.2 舌厚度特征
• 3.4 有形物质特征分析
• 3.4.1 红刺特征
• 3.4.2 瘀斑瘀点特征
• 3.4.3 齿痕特征
• 3.4.4 舌纹特征
• 3.5 计算机自动舌像分析系统
• 3.6 本章小结
• 第4章 基于多核学习的分类方法
• 4.1 矩阵重建
• 4.1.1 矩阵填充
• 4.1.2 矩阵恢复
• 4.1.3 增广拉格朗日乘子法
• 4.1.4 矩阵填充并修复
• 4.2 多核学习
• 4.2.1 支持向量机
• 4.2.2 核技巧
• 4.2.3 多核方法及求解
• 4.3 实验分析
• 4.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文及其它成果
• 致谢