CN103345617A - 中药识别的方法及其系统 - Google Patents
中药识别的方法及其系统 Download PDFInfo
- Publication number
- CN103345617A CN103345617A CN2013102445382A CN201310244538A CN103345617A CN 103345617 A CN103345617 A CN 103345617A CN 2013102445382 A CN2013102445382 A CN 2013102445382A CN 201310244538 A CN201310244538 A CN 201310244538A CN 103345617 A CN103345617 A CN 103345617A
- Authority
- CN
- China
- Prior art keywords
- chinese medicine
- image
- microscopic features
- identified
- micro
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Medical Preparation Storing Or Oral Administration Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于中药检测技术领域,提供了一种中药识别的方法及其系统,所述方法包括如下步骤:显微图像获取步骤:获取待识别中药的显微图像;显微特征图像获取步骤:对所述显微图像进行去噪处理以及图像分割处理,获取所述待识别中药的显微特征图像;中药品种确认步骤:将所述显微特征图像在预设的中药显微特征图像库中进行搜索及匹配,根据所述搜索及匹配结果确定所述待识别中药的品种。借此,本发明实现了基于中药的显微特征识别中药的品种,提高中药的识别的准确性及效率。
Description
技术领域
本发明涉及中药检测技术领域,尤其涉及一种中药识别的方法及其系统。
背景技术
中药市场前景甚好,但中药行业信息化程度不高,经验性强,例如,现今中药的种类鉴定和等级评价仍然依靠专家和技工通过眼观、鼻闻等技能来人工完成。人的经验识别和鉴定的准确性、重现性等存在一定的问题。同时也导致中药市场上假冒伪劣,以次充好等现象发生。中药行业要传承与发展,必须创新,提高技术水平。
机器视觉(Machine vision),又称计算机视觉(Computer vision),是利用图像传感器代替人眼获取物体图像,利用计算机模拟人的判别准则去理解和识别图像,达到分析图像和提取被检测物体特征的目的。该项技术目前已经广泛运用于工业、农业、军事、科学研究等领域。但在中药行业中的运用还未见较多的报道。
在发明名称为“基于木材显微图像的针叶材树种自动识别方法,申请号为CN200910153869.9的中国专利申请中涉及机器视觉技术对显微特征进行识别,但该专利中,仅针对针叶材树种的显微图像,并未涉及到对中药显微特征进行识别的方法。
中药的显微鉴定是利用显微镜来观察中药的组织构造、细胞形态以及内含物的特征,用以鉴定中药的真伪和纯度,甚至品质。同时,应用显微化学方法确定某些品种有效成分在组织中的分布,这对指导中药材的采收、加工、鉴定和贮藏都很有价值。显微鉴定常配合来源、性状及理化鉴定等方法解决实际问题。当中药的外观不易鉴定,或中药材破碎或呈粉末状时,此法较为常用。
中药的显微特征是评价中药品质的重要指标,然而传统的显微鉴别需要鉴别者凭印象进行主观的描述,鉴别结果严重受到主观因素的影响和偏差,在实际运用当中需要鉴别着本人对该中药的显微形态特征有着非常清晰的认识。另外,显微鉴别是一个非常繁琐的工作,仅仅依靠鉴别着人工寻找显微特征,鉴定效率低下。
综上可知,现有基于中药显微特征的中药识别的技术在实际使用上,显然存在不便与缺陷,所以有必要加以改进。
发明内容
针对上述的缺陷,本发明的目的在于提供一种中药识别的方法及其系统,以实现基于中药的显微特征识别中药的品种,提高中药的识别的准确性及效率。
为了实现上述目的,本发明提供一种中药识别的方法,所述方法包括如下步骤:
显微图像获取步骤:获取待识别中药的显微图像;
显微特征图像获取步骤:对所述显微图像进行去噪处理以及图像分割处理,获取所述待识别中药的显微特征图像;
中药品种确认步骤:将所述显微特征图像在预设的中药显微特征图像库中进行搜索及匹配,根据所述搜索及匹配结果确定所述待识别中药的品种。
根据所述的中药识别的方法,所述显微图像获取步骤包括:
将需要待识别中药的切片进行显微成像前的滴液处理;
将通过滴液处理的待识别中药的切片在显微成像系统中拍摄显微图像。
根据所述的中药识别的方法,所述显微特征图像获取步骤包括:
建立双正则项各向异性扩散的反应扩散方程将所述显微图像进行去噪处理;
建立活动轮廓模型将进行去噪处理后的所述显微图像进行图像分割处理,获取所述显微特征图像。
根据所述的中药识别的方法,所述显微特征图像包括所述待识别中药的外形轮廓特征、颜色特征和/或形状纹理特征;
所述中药品种确认步骤包括:
将所述待识别中药的外形轮廓特征、颜色特征和/或形状纹理特征与预设的显微特征数据库中不同类别的显微特征进行距离计算;
根据计算的距离大小在所述显微特征数据库中检索出所述待识别中药归属的显微特征种类范围;
将所述待识别中药的显微特征图像分别与以所述中药归属的显微特征种类范围内的每一种中药为模板的显微特征图像进行比对,获取所述待识别中药与所述每一种中药相似度值;
以在所述中药归属的显微特征种类范围内相似度值最高的中药的品种识别为所述待识别中药。
根据所述的中药识别的方法,所述中药品种确认步骤具体包括:
以每一个所述显微特征数据库中属于所述待识别中药归属的显微特征种类范围内的中药显微特征图像为基础,以尺度变换、角度变化和形状差异分别构造不同的参数模板图像;
以每个所述参数模板图像为模板,在所述待识别中药显微特征图像中逐像素移动,计算归一化零均值互相关系数值,记录最大归一化零均值互相关系数值;
构造旋转不变、尺度不变的局部二值模式局部二值模式算子,分别计算每个所述参数模板图像与所述待识别中药显微特征图像的局部二值模式值,计算两者之间的距离。
综合归一化零均值互相关系数值和局部二值模式距离值,以特定的相似度δ为判定指标,分别计算所述待识别中药显微特征图像与所述待识别中药归属的显微特征种类范围内所有种类的中药显微特征图像的δ值;
将所述δ值最大所对应的中药品种判定所述待识别中药的品种。
为了实现本发明的另一发明目的,本发明还提供了一种中药识别的系统,包括:
显微图像获取模块,用于获取待识别中药的显微图像;
显微特征图像获取模块,用于对所述显微图像进行去噪处理以及图像分割处理,获取所述待识别中药的显微特征图像;
中药品种确认模块,用于将所述显微特征图像在预设的中药显微特征图像库中进行搜索及匹配,根据所述搜索及匹配结果确定所述待识别中药的品种。
根据所述的中药识别的系统,所述显微图像获取模块包括:
滴液处理子模块,用于将需要待识别中药的切片进行显微成像前的滴液处理;
拍摄显微图像子模块,用于将通过滴液处理的待识别中药的切片在显微成像系统中拍摄显微图像。
根据所述的中药识别的系统,所述显微特征图像获取模块包括:
第一建立子模块,用于建立双正则项各向异性扩散的反应扩散方程将所述显微图像进行去噪处理;
第二建立子模块,用于建立活动轮廓模型将进行去噪处理后的所述显微图像进行图像分割处理,获取所述显微特征图像。
根据所述的中药识别的系统,在所述显微特征图像包括所述待识别中药的外形轮廓特征、颜色特征和/或形状纹理特征;
所述中药品种确认模块包括:
计算子模块,用于将所述待识别中药的外形轮廓特征、颜色特征和/或形状纹理特征与预设的显微特征数据库中不同类别的显微特征进行距离计算;
检索子模块,用于根据计算的距离大小在所述显微特征数据库中检索出所述待识别中药归属的显微特征种类范围;
第一相似度计算子模块,用于将所述待识别中药的显微特征图像分别与以所述中药归属的显微特征种类范围内的每一种中药为模板的显微特征图像进行比对,获取所述待识别中药与所述每一种中药相似度值;
识别子模块,用于以在所述中药归属的显微特征种类范围内相似度值最高的中药的品种识别为所述待识别中药。
根据所述的中药识别的系统,所述中药品种确认模块还包括:
模板构造子模块,用于以每一个所述显微特征数据库中属于所述待识别中药归属的显微特征种类范围内的中药显微特征图像为基础,以尺度变换、角度变化和形状差异分别构造不同的参数模板图像;
记录子模块,用于以每个所述参数模板图像为模板,在所述待识别中药显微特征图像中逐像素移动,计算归一化零均值互相关系数值,记录最大归一化零均值互相关系数值;
距离计算子模块,用于构造旋转不变、尺度不变的局部二值模式局部二值模式算子,分别计算每个所述参数模板图像与所述待识别中药显微特征图像的局部二值模式值,计算两者之间的距离。
第二相似度计算子模块,用于综合归一化零均值互相关系数值和局部二值模式距离值,以特定的相似度δ为判定指标,分别计算所述待识别中药显微特征图像与所述待识别中药归属的显微特征种类范围内所有种类的中药显微特征图像的δ值;
所述识别子模块还用于将所述δ值最大所对应的中药品种判定所述待识别中药的品种。
本发明通过获取待识别中药的显微图像;然后对所述显微图像进行去噪处理以及图像分割处理,获取所述待识别中药的显微特征图像;最后将所述显微特征图像在预设的中药显微特征图像库中进行搜索及匹配,根据所述搜索及匹配结果确定所述待识别中药的品种。实现了基于中药的显微特征识别中药的品种,提高中药的识别的准确性及效率。使中药显微特征鉴定的客观化,利于传承中药鉴定经验。
附图说明
图1是本发明第一实施例提供的中药识别的系统的结构示意图;
图2是本发明第二、三、四实施例提供的中药识别的系统的结构示意图;
图3是本发明第五实施例提供的中药识别的系统的结构示意图;
图4是本发明一个实施例提供的中药识别的系统的结构示意图;
图5是本发明第六实施例提供的中药识别的方法的流程图;
图6是本发明一个实施例提供的中药显微图像获取界面;
图7是本发明一个实施例提供的中药显微图像经去噪、分割后的显微特征图像;
图8是本发明一个实施例提供的中药识别的系统的输出界面示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参见图1,在本发明的第一实施例中,提供了一种中药识别的系统100,包括:
显微图像获取模块10,用于获取待识别中药的显微图像;
显微特征图像获取模块20,用于对所述显微图像进行去噪处理以及图像分割处理,获取所述待识别中药的显微特征图像;
中药品种确认模块30,用于将所述显微特征图像在预设的中药显微特征图像库中进行搜索及匹配,根据所述搜索及匹配结果确定所述待识别中药的品种。
由于中药显微特征鉴定的客观化,在该实施例中首次公开了基于机器视觉技术(其中涉及图形图像处理技术与模式识别技术)的中药显微特征的识别方法。首先以显微图像获取模块10获取待识别中药的显微图像。
然后通过显微特征图像获取模块20对所述显微图像进行去噪处理以及图像分割处理。中药品种确认模块30则将显微特征图像获取模块20输出的所述显微特征图像在预设的中药显微特征图像库中进行搜索及匹配,根据所述搜索及匹配结果确定所述待识别中药的品种。由此基于机器视觉自动完成中药显微特征的识别,利于中药品质科学评价即用药安全,为鉴定者对中药的客观评价提供客观参考,并将从业人员从繁重的重复劳动中解脱出来。有助于建立第三方评价体系,搭建监督平台。
参见图2,在本发明的第二实施例中,显微图像获取模块10包括:
滴液处理子模块11,用于将需要待识别中药的切片进行显微成像前的滴液处理;
拍摄显微图像子模块12,用于将通过滴液处理的待识别中药的切片在显微成像系统中拍摄显微图像。
在该实施例中,显微图像获取模块10实际为一显微成像系统。将需要鉴定中药切片,经需要滴液处理子模块11的滴液处理,如滴加甘油醋酸、水合氯醛等后,放置在显微成像系统的载物台上,拍摄显微图像子模块12进行拍摄以此获取在此规定拍照环境下标准的中药显微图像。整个图像获取过程,由计算机控制拍摄完成。
参见图4,在本发明的一个实施例中,为了获得最标准中药显微特征的图像,首先可以对现有的显微成像系统做出改进,以现有的显微成像系统目镜以下加入遮光罩,即整个观测环境是在一个密闭、光照恒定的环境,以此保证每次获取的中药显微图像稳定、可控。所述遮光罩为长方体,与显微成像系统底座长、宽相等。其中,中药识别的系统100包括了CCD图像传感器1,用于将光学信号转化为数字图像电信号;显微成像系统2,用于将数字图像电信号转化为不同格式图像、控制器3,用于调节光学构件使成像清晰、三维控制平台4,用于调整载玻片方位;遮光罩6,用于将成像内环境与外界环境隔离;计算机系统7,用于控制成像系统;其中中药粉末/切片涂片5放置在三维控制平台4进行识别,光源8照射在中药粉末/切片涂片5上。中药识别的系统100结构中的①部分的长度为10cm,②部分长度为3cm,③部分长度为10cm,④部分长度15cm。
参见图2,在本发明的第三实施例中,显微特征图像获取模块20包括:
第一建立子模块21,用于建立双正则项各向异性扩散的反应扩散方程将所述显微图像进行去噪处理;
第二建立子模块22,用于建立活动轮廓模型将进行去噪处理后的所述显微图像进行图像分割处理,获取所述显微特征图像。
由于采集到的中药显微图像由于数字化的原因,一般含有噪声。需要在保留图像边缘、纹理信息的同时,较好的去除图像噪声的算法。在该实施例中,由第一建立子模块21通过建立双正则项各向异性扩散的反应扩散方程将所述显微图像进行去噪处理;接收第二建立子模块22对去噪处理后的图像进行分割处理,分割的主要目的是提取显微特征的轮廓边缘,以进行具体的中药显微特征的处理。
参见图2,在本发明的第四实施例中,在所述显微特征图像包括所述待识别中药的外形轮廓特征、颜色特征和/或形状纹理特征;
中药品种确认模块30包括:
计算子模块31,用于将所述待识别中药的外形轮廓特征、颜色特征和/或形状纹理特征与预设的显微特征数据库中不同类别的显微特征进行距离计算;
检索子模块32,用于根据计算的距离大小在所述显微特征数据库中检索出所述待识别中药归属的显微特征种类范围;
第一相似度计算子模块33,用于将所述待识别中药的显微特征图像分别与以所述中药归属的显微特征种类范围内的每一种中药为模板的显微特征图像进行比对,获取所述待识别中药与所述每一种中药相似度值;
识别子模块34,用于以在所述中药归属的显微特征种类范围内相似度值最高的中药的品种识别为所述待识别中药。
在该实施例中,首先采集一定数量的经中药鉴定学专家鉴定过的标准显微图像,经过图像预处理环节后,将图像分类分级存入图像数据库。然后经过图像分割,得到显微特征的外形轮廓,提取必要的形状指标,颜色指标,存入对应的中药显微特征数据库。
待识别的中药显微特征经过同样的图像采集设备获得显微图像后,经过相同的图像预处理环节,轮廓提取环节,提取形状特征和颜色特征,然后与显微特征数据库中不同类别的显微特征进行距离计算。根据距离的大小检索出最可能归属的显微特征种类。
为了既提高检索速度,又保证较高的检索准确率,本发明采取由粗到精的层次化检索策略。首先,根据从显微特征图像中所提取的外形特征和颜色特征,分别定义相似性度量准则。检索分为两个阶段进行,在第一阶段,对图像库中的所有图像,使用形状特征滤除若干最不相似的图像;在第二阶段,对从第一阶段保留下来的候选图像,进一步使用颜色特征计算与查询图像之间的相似度,并按相似度值从大到小进行排序输出。以此可快速检索待测图像可能所属的显微特征品种,缩小下一步图像匹配类型的范围。假设图像数据库原有N种类型,此环节将可能的类型缩小为M种,M<<N。
参见图3,在本发明的第五实施例中,中药品种确认模块30还包括:
模板构造子模块35,用于以每一个所述显微特征数据库中属于所述待识别中药归属的显微特征种类范围内的中药显微特征图像为基础,以尺度变换、角度变化和形状差异分别构造不同的参数模板图像;
记录子模块36,用于以每个所述参数模板图像为模板,在所述待识别中药显微特征图像中逐像素移动,计算ZNCC(归一化零均值互相关系数)值,记录最大ZNCC值;
距离计算子模块37,用于构造旋转不变、尺度不变的LBP(Local Binary Patterns,局部二值模式)算子,分别计算每个所述参数模板图像与所述待识别中药显微特征图像的LBP值,计算两者之间的距离。
第二相似度计算子模块38,用于综合ZNCC值和LBP距离值,以特定的相似度δ为判定指标,分别计算所述待识别中药显微特征图像与所述待识别中药归属的显微特征种类范围内所有种类的中药显微特征图像的δ值;
识别子模块34还用于将所述δ值最大所对应的中药品种判定所述待识别中药的品种。
在该实施例中,采用模板匹配用于图像校准和匹配。其基本思想为选取一图像作为模板,从待测图像左上角逐像素移动,计算覆盖图像区域与模板图像的相关系数。采用的相关系数计算公式为:
其中,I(x,y)为待测图像,T(i,j)为模板图像,N,M为待测图像的宽高尺寸,符号μ表示计算图像均值,ZNCC(x,y)表示移动到位置(x,y)时,覆盖推向区域与模板图像的归一化的零交叉相关系数。ZNCC(x,y)最大位置即为匹配的图像位置。
在该实施例中,引入局部二值模式(LBP)结合ZNCC,用以识别,因LBP具有识别局部图像细节的优势,方法如下:
1)以图像数据库中属于所述待识别中药归属的显微特征种类范围内某种类型的中药显微图像为基础,以尺度变换、角度变化和形状差异,构造参数模板图像;
2)以参数模板图像为模板,在待测中药显微图像中逐像素移动,计算ZNCC值,记录最大ZNCC值;
3)构造旋转不变、尺度不变的LBP算子,分别计算模板图像与待测图像的LBP值,计算两者之间的距离。
4)综合ZNCC值和LBP距离值,以特定的相似度δ为判定指标。原则为ZNCC越大,LBP距离越小,δ越大。
5)重复1)~4),分别计算待测图像与所有所述待识别中药归属的显微特征种类范围内种类的中药显微特征图像的δ值。
6)根据δ最大值判定待测显微特征的种类。
在该实施例中,采取层次化检索的思想,先仅根据中药显微特征轮廓的外形特征和颜色等全局特征,从图像数据库中检索出和输入图像相似的图像,缩小图像可能所属的类别范围;再将范围内所有类型所有显微特征图像,与输入图像,进行基于像素的结构特征(局部特征)比对,融合模板匹配的思想,根据相似度的大小,确定该显微特征的类别。
参见图5,在本发明的第六实施例中,提供了一种中药识别的方法,所述方法包括如下步骤:
步骤S501中,显微图像获取模块10获取待识别中药的显微图像;该步骤为显微图像获取步骤:
步骤S502中,显微特征图像获取模块20对所述显微图像进行去噪处理以及图像分割处理,获取所述待识别中药的显微特征图像;该步骤为显微特征图像获取步骤:
步骤S503中,中药品种确认模块30将所述显微特征图像在预设的中药显微特征图像库中进行搜索及匹配,根据所述搜索及匹配结果确定所述待识别中药的品种;该步骤为中药品种确认步骤。
在该实施例中,针对现有技术中,中药显微特征识别速度慢、受鉴定者主观影响大等不足,提供一种借助于计算机视觉技术对中药显微图像中所包含的生物学特征采用图像匹配比对进行显微特征自动识别的方法。具体的,所述步骤S501中给出了一种稳定得到中药标准显微图像的方法,显微图像获取模块10获取待识别中药的显微图像,由于显微设备加入遮罩,克服了外界光照对标准显微图像获取的影响。步骤S503中给出了一种基于内容的中药显微特征图像检索技术,通过中药品种确认模块30可快速检索待测图像可能所属的大致显微特征,缩小下一步图像匹配类型的范围。假设图像数据库原有N种显微特征类型,此环节将可能的类型缩小为M种,M<<N。
在本发明的第七实施例中,所述步骤S501包括:
滴液处理子模块11将需要待识别中药的切片进行显微成像前的滴液处理;
拍摄显微图像子模块12将通过滴液处理的待识别中药的切片在显微成像系统中拍摄显微图像。
在本发明的第八实施例中,所述步骤S502包括:
第一建立子模块21建立双正则项各向异性扩散的反应扩散方程将所述显微图像进行去噪处理;
第二建立子模块22建立活动轮廓模型将进行去噪处理后的所述显微图像进行图像分割处理,获取所述显微特征图像。
在该实施例中,第一建立子模块21构建了一种采用双正则项各向异性扩散的反应扩散方程,原理如下:
具体实现过程为将目标函数定义以波原子、曲波变换后邻域内梯度值为参数的扩散控制函数,使扩散在图像信息丰富的纹理和边缘区域减弱,并通过反应项对扩散进行调节,可实现自适应去噪的效果。第二建立子模块22采用的ACM(Active Contour Model,活动轮廓模型)具有自适应收敛到物体边缘的功能,而且可得到封闭的物体边缘。活动轮廓模型先在图像中生成一初始轮廓,轮廓线上各点可向邻域移动,通过寻找使轮廓能量最小的方式迭代,能量平衡后轮廓线即为目标的轮廓。能量方程如下:
模型最显著的优点是将图像数据、初始轮廓的选取、目标轮廓特征以及知识的约束条件都集成在一个特征提取过程中。
在本发明的第九实施例中,在所述显微特征图像包括所述待识别中药的外形轮廓特征、颜色特征和/或形状纹理特征;
所述中药品种确认步骤包括:
计算子模块31将所述待识别中药的外形轮廓特征、颜色特征和/或形状纹理特征与预设的显微特征数据库中不同类别的显微特征进行距离计算;
检索子模块32根据计算的距离大小在所述显微特征数据库中检索出所述待识别中药归属的显微特征种类范围;
第一相似度计算子模块33将所述待识别中药的显微特征图像分别与以所述中药归属的显微特征种类范围内的每一种中药为模板的显微特征图像进行比对,获取所述待识别中药与所述每一种中药相似度值;
识别子模块34以在所述中药归属的显微特征种类范围内相似度值最高的中药的品种识别为所述待识别中药。
由于中医药是中华名族灿烂文化的重要组成部分,显微鉴定太过依赖于鉴定者经验,其经验传承保护受行业、社会关注。在该实施例中,基于机器视觉实现中药显微特征识别客观化,为经验传承提供了新的技术方法。
在本发明的第十实施例中,所述步骤S503具体包括:
模板构造子模块35以每一个所述显微特征数据库中属于所述待识别中药归属的显微特征种类范围内的中药显微特征图像为基础,以尺度变换、角度变化和形状差异分别构造不同的参数模板图像;
记录子模块36以每个所述参数模板图像为模板,在所述待识别中药显微特征图像中逐像素移动,计算ZNCC值,记录最大ZNCC值;
距离计算子模块37构造旋转不变、尺度不变的LBP算子,分别计算每个所述参数模板图像与所述待识别中药显微特征图像的LBP值,计算两者之间的距离。
第二相似度计算子模块38综合ZNCC值和LBP距离值,以特定的相似度δ为判定指标,分别计算所述待识别中药显微特征图像与所述待识别中药归属的显微特征种类范围内所有种类的中药显微特征图像的δ值;
识别子模块34将所述δ值最大所对应的中药品种判定所述待识别中药的品种。
在该实施例中,给出了基于模板匹配的中药显微特征识别技术,上述图像检索方法通过第九实施例中的检索,缩小了比对的类型范围,可在一定程度上解决时间效率问题。最后,采用第九实施例以及本实施例提供的方法通过逐一比对图像的像素局部特征,并不针对每种中药显微特征建立不同的特征模型,可根据相似度确定识别该显微特征,最后确定待识别中药的品种。
参见图6~图8,在本发明的一个实例中,提供了中药识别的方法,描述如下:现以草酸钙簇晶为例,首先以显微图像获取模块10获取待识别中药的显微图像,如图6所示。然后通过显微特征图像获取模块20对所述显微图像进行去噪处理以及图像分割处理,获得如图7所示的经去噪、分割后的显微特征图像。中药品种确认模块30则将显微特征图像获取模块20输出的所述显微特征图像在预设的中药显微特征图像库中进行搜索及匹配,根据所述搜索及匹配结果确定所述待识别中药的品种,如图8所示的系统输出界面。
综上所述,本发明通过获取待识别中药的显微图像;然后对所述显微图像进行去噪处理以及图像分割处理,获取所述待识别中药的显微特征图像;最后将所述显微特征图像在预设的中药显微特征图像库中进行搜索及匹配,根据所述搜索及匹配结果确定所述待识别中药的品种。实现了基于中药的显微特征识别中药的品种,提高中药的识别的准确性及效率。使中药显微特征鉴定的客观化,利于传承中药鉴定经验。
当然,本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.一种中药识别的方法,其特征在于,所述方法包括如下步骤:
显微图像获取步骤:获取待识别中药的显微图像;
显微特征图像获取步骤:对所述显微图像进行去噪处理以及图像分割处理,获取所述待识别中药的显微特征图像;
中药品种确认步骤:将所述显微特征图像在预设的中药显微特征图像库中进行搜索及匹配,根据所述搜索及匹配结果确定所述待识别中药的品种。
2.根据权利要求1所述的中药识别的方法,其特征在于,所述显微图像获取步骤包括:
将需要待识别中药的切片进行显微成像前的滴液处理;
将通过滴液处理的待识别中药的切片在显微成像系统中拍摄显微图像。
3.根据权利要求2所述的中药识别的方法,其特征在于,所述显微特征图像获取步骤包括:
建立双正则项各向异性扩散的反应扩散方程将所述显微图像进行去噪处理;
建立活动轮廓模型将进行去噪处理后的所述显微图像进行图像分割处理,获取所述显微特征图像。
4.根据权利要求3所述的中药识别的方法,其特征在于,所述显微特征图像包括所述待识别中药的外形轮廓特征、颜色特征和/或形状纹理特征;
所述中药品种确认步骤包括:
将所述待识别中药的外形轮廓特征、颜色特征和/或形状纹理特征与预设的显微特征数据库中不同类别的显微特征进行距离计算;
根据计算的距离大小在所述显微特征数据库中检索出所述待识别中药归属的显微特征种类范围;
将所述待识别中药的显微特征图像分别与以所述中药归属的显微特征种类范围内的每一种中药为模板的显微特征图像进行比对,获取所述待识别中药与所述每一种中药相似度值;
以在所述中药归属的显微特征种类范围内相似度值最高的中药的品种识别为所述待识别中药。
5.根据权利要求4所述的中药识别的方法,其特征在于,所述中药品种确认步骤具体包括:
以每一个所述显微特征数据库中属于所述待识别中药归属的显微特征种类范围内的中药显微特征图像为基础,以尺度变换、角度变化和形状差异分别构造不同的参数模板图像;
以每个所述参数模板图像为模板,在所述待识别中药显微特征图像中逐像素移动,计算归一化零均值互相关系数值,记录最大归一化零均值互相关系数值;
构造旋转不变、尺度不变的局部二值模式局部二值模式算子,分别计算每个所述参数模板图像与所述待识别中药显微特征图像的局部二值模式值,计算两者之间的距离。
综合ZNCC值和局部二值模式距离值,以特定的相似度δ为判定指标,分别计算所述待识别中药显微特征图像与所述待识别中药归属的显微特征种类范围内所有种类的中药显微特征图像的δ值;
将所述δ值最大所对应的中药品种判定所述待识别中药的品种。
6.一种中药识别的系统,其特征在于,包括:
显微图像获取模块,用于获取待识别中药的显微图像;
显微特征图像获取模块,用于对所述显微图像进行去噪处理以及图像分割处理,获取所述待识别中药的显微特征图像;
中药品种确认模块,用于将所述显微特征图像在预设的中药显微特征图像库中进行搜索及匹配,根据所述搜索及匹配结果确定所述待识别中药的品种。
7.根据权利要求6所述的中药识别的系统,其特征在于,所述显微图像获取模块包括:
滴液处理子模块,用于将需要待识别中药的切片进行显微成像前的滴液处理;
拍摄显微图像子模块,用于将通过滴液处理的待识别中药的切片在显微成像系统中拍摄显微图像。
8.根据权利要求8所述的中药识别的系统,其特征在于,所述显微特征图像获取模块包括:
第一建立子模块,用于建立双正则项各向异性扩散的反应扩散方程将所述显微图像进行去噪处理;
第二建立子模块,用于建立活动轮廓模型将进行去噪处理后的所述显微图像进行图像分割处理,获取所述显微特征图像。
9.根据权利要求8所述的中药识别的系统,其特征在于,在所述显微特征图像包括所述待识别中药的外形轮廓特征、颜色特征和/或形状纹理特征;
所述中药品种确认模块包括:
计算子模块,用于将所述待识别中药的外形轮廓特征、颜色特征和/或形状纹理特征与预设的显微特征数据库中不同类别的显微特征进行距离计算;
检索子模块,用于根据计算的距离大小在所述显微特征数据库中检索出所述待识别中药归属的显微特征种类范围;
第一相似度计算子模块,用于将所述待识别中药的显微特征图像分别与以所述中药归属的显微特征种类范围内的每一种中药为模板的显微特征图像进行比对,获取所述待识别中药与所述每一种中药相似度值;
识别子模块,用于以在所述中药归属的显微特征种类范围内相似度值最高的中药的品种识别为所述待识别中药。
10.根据权利要求9所述的中药识别的系统,其特征在于,所述中药品种确认模块还包括:
模板构造子模块,用于以每一个所述显微特征数据库中属于所述待识别中药归属的显微特征种类范围内的中药显微特征图像为基础,以尺度变换、角度变化和形状差异分别构造不同的参数模板图像;
记录子模块,用于以每个所述参数模板图像为模板,在所述待识别中药显微特征图像中逐像素移动,计算归一化零均值互相关系数值,记录最大归一化零均值互相关系数值;
距离计算子模块,用于构造旋转不变、尺度不变的局部二值模式局部二值模式算子,分别计算每个所述参数模板图像与所述待识别中药显微特征图像的局部二值模式值,计算两者之间的距离。
第二相似度计算子模块,用于综合归一化零均值互相关系数值和局部二值模式距离值,以特定的相似度δ为判定指标,分别计算所述待识别中药显微特征图像与所述待识别中药归属的显微特征种类范围内所有种类的中药显微特征图像的δ值;
所述识别子模块还用于将所述δ值最大所对应的中药品种判定所述待识别中药的品种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310244538.2A CN103345617B (zh) | 2013-06-19 | 2013-06-19 | 中药识别的方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310244538.2A CN103345617B (zh) | 2013-06-19 | 2013-06-19 | 中药识别的方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103345617A true CN103345617A (zh) | 2013-10-09 |
CN103345617B CN103345617B (zh) | 2016-09-07 |
Family
ID=49280412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310244538.2A Active CN103345617B (zh) | 2013-06-19 | 2013-06-19 | 中药识别的方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103345617B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105203362A (zh) * | 2015-10-20 | 2015-12-30 | 安徽中医药大学 | 一种快速鉴别霍山石斛的方法 |
CN106778666A (zh) * | 2016-12-29 | 2017-05-31 | 北京奇虎科技有限公司 | 图像处理方法及装置 |
CN107092906A (zh) * | 2017-05-01 | 2017-08-25 | 刘至键 | 一种基于深度学习的中药材识别装置 |
CN108243678A (zh) * | 2018-01-29 | 2018-07-06 | 深圳春沐源控股有限公司 | 一种智能机器播种系统及其控制方法和装置 |
CN108564099A (zh) * | 2017-12-11 | 2018-09-21 | 徐飞 | 基于标识纤维随机分布的图像识别区分药用植物的方法 |
CN111666837A (zh) * | 2020-05-24 | 2020-09-15 | 哈尔滨理工大学 | 一种流浪动物信息获取方法、终端、上位机和系统 |
CN111709389A (zh) * | 2020-06-24 | 2020-09-25 | 山东省食品药品检验研究院 | 基于显微图像的中药粉末智能鉴别方法和系统 |
CN111709390A (zh) * | 2020-08-11 | 2020-09-25 | 山东省食品药品检验研究院 | 基于显微图像的草酸钙晶体智能鉴别方法和系统 |
CN111783667A (zh) * | 2020-07-02 | 2020-10-16 | 南阳理工学院 | 一种中医药识别系统及其使用方法 |
CN112069890A (zh) * | 2020-07-31 | 2020-12-11 | 飞诺门阵(北京)科技有限公司 | 一种药剂标签的识别方法、装置和存储介质 |
CN112102318A (zh) * | 2019-11-21 | 2020-12-18 | 北京健康有益科技有限公司 | 一种基于多模态图像识别的中草药识别方法及装置 |
WO2021093354A1 (zh) * | 2019-11-11 | 2021-05-20 | 中国药科大学 | 一种基于人工智能的中药识别方法 |
CN113509387A (zh) * | 2021-09-10 | 2021-10-19 | 江西中医药大学 | 一种中药固体制剂工艺参数的决策方法、制剂方法及系统 |
CN113740463A (zh) * | 2021-09-16 | 2021-12-03 | 山东省食品药品检验研究院 | 中药鉴别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1806501A (zh) * | 2005-01-17 | 2006-07-26 | 厦门市汇阳科技有限公司 | 海洋浮游植物自动识别方法及装置 |
US20120120269A1 (en) * | 2010-11-11 | 2012-05-17 | Tessera Technologies Ireland Limited | Rapid auto-focus using classifier chains, mems and/or multiple object focusing |
-
2013
- 2013-06-19 CN CN201310244538.2A patent/CN103345617B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1806501A (zh) * | 2005-01-17 | 2006-07-26 | 厦门市汇阳科技有限公司 | 海洋浮游植物自动识别方法及装置 |
US20120120269A1 (en) * | 2010-11-11 | 2012-05-17 | Tessera Technologies Ireland Limited | Rapid auto-focus using classifier chains, mems and/or multiple object focusing |
Non-Patent Citations (2)
Title |
---|
张树恒等: "基于形状与纹理特征的显微图像识别", 《计算机工程与设计》, vol. 32, no. 4, 16 April 2011 (2011-04-16) * |
罗微: "基于数字图像相似性匹配的木材树种检索实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 07, 15 July 2010 (2010-07-15) * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105203362A (zh) * | 2015-10-20 | 2015-12-30 | 安徽中医药大学 | 一种快速鉴别霍山石斛的方法 |
CN105203362B (zh) * | 2015-10-20 | 2018-07-06 | 安徽中医药大学 | 一种快速鉴别霍山石斛的方法 |
CN106778666A (zh) * | 2016-12-29 | 2017-05-31 | 北京奇虎科技有限公司 | 图像处理方法及装置 |
CN107092906A (zh) * | 2017-05-01 | 2017-08-25 | 刘至键 | 一种基于深度学习的中药材识别装置 |
CN108564099A (zh) * | 2017-12-11 | 2018-09-21 | 徐飞 | 基于标识纤维随机分布的图像识别区分药用植物的方法 |
CN108243678A (zh) * | 2018-01-29 | 2018-07-06 | 深圳春沐源控股有限公司 | 一种智能机器播种系统及其控制方法和装置 |
WO2021093354A1 (zh) * | 2019-11-11 | 2021-05-20 | 中国药科大学 | 一种基于人工智能的中药识别方法 |
CN112102318A (zh) * | 2019-11-21 | 2020-12-18 | 北京健康有益科技有限公司 | 一种基于多模态图像识别的中草药识别方法及装置 |
CN111666837A (zh) * | 2020-05-24 | 2020-09-15 | 哈尔滨理工大学 | 一种流浪动物信息获取方法、终端、上位机和系统 |
CN111709389A (zh) * | 2020-06-24 | 2020-09-25 | 山东省食品药品检验研究院 | 基于显微图像的中药粉末智能鉴别方法和系统 |
CN111783667A (zh) * | 2020-07-02 | 2020-10-16 | 南阳理工学院 | 一种中医药识别系统及其使用方法 |
CN112069890A (zh) * | 2020-07-31 | 2020-12-11 | 飞诺门阵(北京)科技有限公司 | 一种药剂标签的识别方法、装置和存储介质 |
CN111709390A (zh) * | 2020-08-11 | 2020-09-25 | 山东省食品药品检验研究院 | 基于显微图像的草酸钙晶体智能鉴别方法和系统 |
CN113509387A (zh) * | 2021-09-10 | 2021-10-19 | 江西中医药大学 | 一种中药固体制剂工艺参数的决策方法、制剂方法及系统 |
CN113509387B (zh) * | 2021-09-10 | 2021-12-07 | 江西中医药大学 | 一种中药固体制剂工艺参数的决策方法、制剂方法及系统 |
CN113740463A (zh) * | 2021-09-16 | 2021-12-03 | 山东省食品药品检验研究院 | 中药鉴别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103345617B (zh) | 2016-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103345617A (zh) | 中药识别的方法及其系统 | |
CN105005765B (zh) | 一种基于Gabor小波和灰度共生矩阵的人脸表情识别方法 | |
CN103164692B (zh) | 一种基于计算机视觉的特种车辆仪表自动识别系统及方法 | |
CN110837768B (zh) | 一种面向珍稀动物保护的在线检测与识别方法 | |
CN105574527B (zh) | 一种基于局部特征学习的快速物体检测方法 | |
CN108765412A (zh) | 一种带钢表面缺陷分类方法 | |
CN104198324B (zh) | 基于计算机视觉的烟丝中叶丝比例测定方法 | |
Harish et al. | Classification of plant leaves using Morphological features and Zernike moments | |
CN104392240A (zh) | 一种基于多特征融合的寄生虫虫卵识别方法 | |
CN105160346B (zh) | 一种基于纹理和分布特征的舌苔腐腻识别方法 | |
CN101673340A (zh) | 综合多方向多尺度与bp神经网络的人耳识别方法 | |
CN106067026A (zh) | 一种中药材显微图像的特征提取与识别检索方法 | |
CN103020639A (zh) | 一种白细胞自动识别计数方法 | |
CN106951905A (zh) | 一种基于tof相机的树上苹果识别与定位方法 | |
CN107230203A (zh) | 基于人眼视觉注意机制的铸件缺陷识别方法 | |
CN104318051B (zh) | 基于规则的大范围水体信息遥感自动提取系统及方法 | |
CN102760228B (zh) | 基于标本图像的鳞翅目昆虫种类自动鉴别方法 | |
Hussin et al. | Plant species identification by using scale invariant feature transform (sift) and grid based colour moment (gbcm) | |
CN105678341B (zh) | 一种基于Gabor小波分析的羊毛羊绒识别算法 | |
CN107992783A (zh) | 人脸图像处理方法及装置 | |
CN108257124A (zh) | 一种基于图像的白细胞计数方法和系统 | |
CN101833658A (zh) | 一种复杂光照人脸识别的光照不变量提取方法 | |
CN110866547B (zh) | 基于多特征和随机森林的中药饮片自动分类系统及方法 | |
CN106326914B (zh) | 一种基于svm的珍珠多分类方法 | |
CN110648312A (zh) | 一种基于鳞片形态特征分析的羊毛与羊绒纤维识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |