论文部分内容阅读
中医是华夏民族医疗实践和思想文化的结晶,其治疗思想理论和方法广受人们的重视。舌诊是中医诊断中的一种重要手段,舌诊中的裂纹舌象是一种重要的舌象,裂纹舌及其特征的研究对于早期判断疾病和养生保健有重大的意义。利用现代技术于传统舌诊中,使舌诊变得更加客观化,标准化与智能化是中医现代化的大趋势。本课题主要研究了舌诊中裂纹舌象的客观化,主要包括:舌体图像分割、裂纹舌识别、裂纹提取、裂纹的特征提取与识别以及对舌像采集装置的功能完善。提出了一种基于SegNet深度神经网络的舌体图像分割方法,对图像进行粗分割和预处理,搭建SegNet深度神经网络模型实现舌体区域提取,利用数学形态学进行优化,实现了舌体提取;利用支持向量机实现裂纹舌识别,提取舌体图像的三种不同特征,并结合四种不同核函数对裂纹舌进行识别,实现了裂纹舌识别;提出了一种结合大津法和低帽变化的裂纹提取方法,使用大津法提取裂纹区域,利用低帽变换进一步提取裂纹,再进行后处理消除伪裂纹,实现了裂纹提取;提取了裂纹的形状特征和颜色特征,利用决策树实现了裂纹形状和深浅的识别,提出了一种舌面裂纹严重程度的量化计算方法。重新设计了实验室原舌像采集装置的相机固定装置和光源位置,使光源布置更合理并使相机角度可调节,开发了舌像数据管理系统。结果表明,本文基于SegNet深度神经网络的舌体图像分割方法能以92.67%的较高准确度有效地分割舌体图像;利用支持向量机能以最高98.2%的准确率实现对裂纹舌的识别;裂纹提取算法能以分别为81.4%和86.1%的召回率和精确率较好地实现裂纹提取,所提取的裂纹能满足其后续特征提取与识别要求;提取的裂纹特征能对裂纹进行形状和深浅识别,形状和深浅识别准确率均为90%;由舌面裂纹严重程度量化计算方法计算的裂纹舌象轻微和严重数值分别为12.3和36.7,该方法可在某种程度上反映舌面裂纹舌象的严重情况;改善后的舌像采集装置,其软硬件功能更加完备。