中医舌诊中舌形与齿痕的特征提取及分类研究

论文摘要

中医舌诊是通过观察舌的各种特征来了解人体的健康状况,从而对各种疾病做出诊断及病情评估,是祖国中医学应用最广、最有价值的诊法之一。随着现代科学技术的发展,将图像处理和模式识别等计算机技术与传统中医舌诊相结合,以使中医舌诊避免非量化和主观性等缺点,对舌诊的发展和应用具有重要的现实意义和应用价值。本文正是力图为中医舌诊方法的计算机化发挥自己的微薄之力,其主要内容有:(1)介绍了傅立叶描述子、BP神经网络和微粒群算法的基本概念。描述了如何将傅立叶描述子应用于物体形状识别的方法,以及BP学习算法的实现步骤,并且对微粒群算法的特点进行了分析。(2)对通过Snake算法获得的舌形边缘点进行均衡化预处理,然后使用傅立叶描述子提取舌体形状特征。为了解决传统BP神经网络容易陷入局部最优,并在一定程度上影响到舌形分类效果的问题,引入微粒群算法来优化BP神经网络,实现分类算法。对比于传统BP神经网络,基于微粒群算法的BP神经网络具有更好的全局收敛性及泛化能力。(3)介绍了舌齿痕的成因并对其做了定义。基于舌图像阴影属性提出了一种新的阴影去除方法。然后分别提取齿痕舌的边缘特征、舌边颜色变化特征和舌色特征。最后结合上述三个特征和舌形特征,构造线性分类器,对齿痕舌进行识别,达到了满意的识别率。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景和研究意义
• 1.2 国内外研究现状与分析
• 1.3 本文主要研究内容
• 第2章 傅立叶描述子、BP神经网络及微粒群算法
• 2.1 傅立叶描述子识别物体的形状
• 2.1.1 傅立叶描述子
• 2.1.2 取模和归一化处理
• 2.2 BP神经网络
• 2.2.1 BP神经网络简介
• 2.2.2 BP学习算法实现步骤
• 2.3 微粒群算法
• 2.3.1 原始微粒群优化算法
• 2.3.2 标准微粒群优化算法
• 2.3.3 微粒群优化算法的特点
• 2.4 本章小结
• 第3章 舌形分类算法
• 3.1 舌形定义
• 3.2 舌形处理
• 3.2.1 舌形的识别过程
• 3.2.2 舌形边缘点提取
• 3.3 舌形边缘点预处理
• 3.4 舌形特征提取
• 3.4.1 舌体区域的矩特征和质心的计算
• 3.4.2 使用傅立叶描述子提取舌形特征
• 3.5 舌形分类器设计
• 3.5.1 进化计算用于神经网络的优化
• 3.5.2 用PSO 优化BP 神经网络
• 3.5.3 实验结果及分析
• 3.6 本章小结
• 第4章 中医舌齿痕特征提取方法
• 4.1 舌齿痕的成因及其定义
• 4.2 舌图像阴影去除方法
• 4.2.1 HSI 彩色模型
• 4.2.2 舌图像阴影检测
• 4.2.3 舌图像阴影去除
• 4.3 舌齿痕的边缘特征提取
• 4.4 舌边颜色特征提取
• 4.5 舌色特征提取
• 4.5.1 舌象颜色的聚类
• 4.5.2 舌象颜色的分类
• 4.6 线性分类器对齿痕舌的识别
• 4.6.1 感知器准则
• 4.6.2 Fisher 准则
• 4.6.3 实验结果及分析
• 4.7 本章小结
• 结论
• 参考文献
• 致谢