CN104572538B - 一种基于k‑pls回归模型的中医舌图像颜色校正方法 - Google Patents
一种基于k‑pls回归模型的中医舌图像颜色校正方法 Download PDFInfo
- Publication number
- CN104572538B CN104572538B CN201410853143.7A CN201410853143A CN104572538B CN 104572538 B CN104572538 B CN 104572538B CN 201410853143 A CN201410853143 A CN 201410853143A CN 104572538 B CN104572538 B CN 104572538B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtr
- mtd
- msup
- 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.)
- Active
Links
- 238000012937 correction Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000003814 drug Substances 0.000 title claims abstract description 21
- 238000010238 partial least squares regression Methods 0.000 title claims abstract description 20
- 238000012549 training Methods 0.000 claims abstract description 33
- 230000008859 change Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 239000011248 coating agent Substances 0.000 description 9
- 238000000576 coating method Methods 0.000 description 9
- 230000001419 dependent effect Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 102100040605 1,2-dihydroxy-3-keto-5-methylthiopentene dioxygenase Human genes 0.000 description 1
- MCSXGCZMEPXKIW-UHFFFAOYSA-N 3-hydroxy-4-[(4-methyl-2-nitrophenyl)diazenyl]-N-(3-nitrophenyl)naphthalene-2-carboxamide Chemical compound Cc1ccc(N=Nc2c(O)c(cc3ccccc23)C(=O)Nc2cccc(c2)[N+]([O-])=O)c(c1)[N+]([O-])=O MCSXGCZMEPXKIW-UHFFFAOYSA-N 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 101000966793 Homo sapiens 1,2-dihydroxy-3-keto-5-methylthiopentene dioxygenase Proteins 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 206010043946 Tongue conditions Diseases 0.000 description 1
- 238000003483 aging Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Abstract
本发明公开了一种基于K‑PLS回归模型的中医舌图像颜色校正方法,属于计算机图像处理和中医学交叉学科领域。本发明设计了一种基于核偏最小二乘回归模型的中医舌图像颜色校正方法,将不同光照环境下的舌图像校正到统一标准下,以克服舌象仪的光照差异导致的舌图像颜色呈现不一致问题,使得数字化中医舌象分析结果更加客观、准确。本发明利用舌象仪对标准色标卡进行拍摄采集,然后选取该图像中色标的色标样本,并以色标中各颜色的标准色度值为目标值,进行K‑PLS回归的模型训练,得到色标实际采集值与色标标准值之间的训练模型,使用此训练模型对该拍摄环境下所拍摄的实际舌图像进行颜色回归校正,最终得到颜色校正后的中医舌图像。
Description
技术领域
本发明属于计算机图像处理和中医学交叉学科领域,设计了一种基于核偏最小二乘(K-PLS,Kernel Partial Least Squares)回归模型的中医舌图像颜色校正方法,将不同光照环境下的舌图像校正到统一标准下,以克服舌象仪的光照差异导致的舌图像颜色呈现不一致问题,使得数字化中医舌象分析结果更加客观、准确。
背景技术
舌诊是中医“望闻问切,四诊合参”中望诊的重要内容。长期以来,舌诊主要是通过医生肉眼观察和经验来判断病证,缺乏定量化的度量和分析手段。近几十年来,中医客观化尤其是舌诊客观化的研究受到普遍的重视,也有了不少成果。
舌象的特征包括很多,如舌色(舌质的颜色)、苔色(舌苔的颜色)、舌苔厚度、湿度、质地以及舌形和舌态等。其中,舌色和苔色是舌诊中的重要依据。通常,舌色可分为淡、淡红、红、暗红、绛红、暗紫;苔色可分为薄白苔、白苔、白厚苔、薄黄苔、黄苔、黄厚苔、灰苔、褐苔、黑苔。人体正常的舌象颜色为淡红舌、薄白苔。
在现有的各种舌色、苔色客观化的研究工作中,都存在着一个前提,即待分析舌图像均在统一标准(光照环境和采集设备)下采集。其原因是,光照环境的变化和不同的采集设备都必然会使得采集到的舌图像产生颜色失真,如附图1所示,而颜色的失真不但会使得医生在观察舌象时产生错误的判断,更会严重影响舌色、苔色自动分析的准确性和客观性。然而,由于采集设备的光源老化等原因,颜色失真现象极易发生。所以,对于采集后的舌图像进行颜色校正是中医舌象自动化分析中的必要步骤。
偏最小二乘(PLS,Partial Least Squares)回归可以较好地解决用普通多元回归难以解决的一些线性问题,如自变量之间的多重相关性、样本数相对较少等问题。Rosipal和Trejo在2001年首次将核函数引入到PLS回归中,利用非线性变换核函数将自变量空间映射到高维特征空间中,在该高维特征空间中进行PLS回归,从而将PLS回归由线性扩展到非线性。K-PLS回归模型不仅具备了PLS回归的一些特点,还克服了PLS回归只能处理线性关系的局限性,从而极大地提高了拟合和预测的精度。
因此,本发明设计并实现了一种K-PLS回归模型的中医舌图像颜色校正方法。该方法采用K-PLS回归模型来拟合颜色实际采集值与颜色标准值之间的映射模型,然后利用这一模型进行校正。
发明内容
本发明的主要目的是将K-PLS非线性回归技术引入到中医舌图像的颜色校正中,设计了一种新的中医舌图像颜色校正方法,从而为数字化中医舌诊研究的客观化和标准化提供了保证。
本发明采用如下技术手段实现:
先利用舌象仪(或其它图像采集设备)对标准色标卡进行拍摄采集,然后选取该图像中色标的色标样本,并以色标中各颜色的标准色度值为目标值,进行K-PLS回归的模型训练,得到色标实际采集值与色标标准值之间的训练模型。利用此训练模型对该拍摄环境下所拍摄的实际舌图像进行颜色回归校正,最终得到颜色校正后的中医舌图像。本发明的流程图如附图2所示。
一种基于K-PLS回归模型的中医舌图像颜色校正方法,其特征在于包括如下步骤:
步骤1:色标图像采集;
在进行色标图像采集时,使用具有标准色度值的色标卡,即该色标卡的每个色块的D65标准光源下的标准R、G、B色度值都是有官方测量所给出,且拍摄时光照环境不可过暗或过亮,以致无法识别;
步骤2:训练样本点的选取;
步骤2.1:样本点的选取;
在每个色块内选取固定30*30的区域,并求取该区域内R、G、B三分量的平均值,作为该色块的样本点色度值;
步骤2.2:从RGB颜色空间转换到CIE L*a*b*颜色空间;
选择在CIELAB空间进行K-PLS回归模型的建模,将所有样本点色度值和标准色度值全部从RGB颜色空间转换到CIE L*a*b*颜色空间,并作为最终的训练样本值和目标值用于K-PLS回归模型的训练和测试,CIE L*a*b*颜色空间的平均色差公式如下:
其中,表示两颜色CIE L*a*b*颜色空间的平均色差值,ΔL*、Δa*和Δb*分别表示两颜色L*、a*、b*三分量的差值,N表示用于训练的色标卡中色块的数量;
步骤3:K-PLS回归模型的训练;
在训练时,选择非线性核函数,并对上述得到的CIE L*a*b*空间的N个训练样本和目标值进行回归训练建模,得到回归系数;
步骤4:基于训练模型对中医舌图像进行颜色校正;
在相同光照环境下,采集到中医舌图像后,利用训练模型进行回归校正,从而得到CIEL*a*b*颜色空间的校正结果,最后再将舌图像的所有像素值从CIE L*a*b*颜色空间转换回RGB颜色空间储存并输出。
本发明与现有技术相比,具有以下明显的优势和有益效果:
本发明将计算机图像处理技术引入到中医学领域,利用K-PLS回归技术对不同光照环境下的中医舌图像进行颜色校正,在一定程度上消除光照变化,尤其是由于光源老化等原因,所导致的中医舌图像颜色失真。这样,不但可以消除由于颜色失真所导致的医生在观察舌象时产生错误的判断,也会使得后续舌色、苔色的数字化自动分析更加准确和客观。
附图说明:
图1不同光照下的舌图像对比;
图2本发明的流程图;
图3孟塞尔色标卡的拍摄示例;
图4亮度通道L*训练结果;
图5色度通道a*-b*训练结果;
图6示例舌图像校正前后对比。
具体实施方式:
根据上述的描述,以下是一个具体的实施流程,但本专利所保护的范围并不限于该实施流程。
本发明的流程图如图2所示,具体的工作流程为:
用户首先利用舌象仪(或其它图像采集设备)对具有标准色度值的色标卡进行拍摄采集,然后选取该图像中色标的色标样本,并利用标准色度值进行K-PLS回归的模型训练,得到训练模型,利用此训练模型对该拍摄环境下所拍摄的实际舌图像进行颜色回归校正,最终得到颜色校正后的中医舌图像。
为了保证拍摄色标卡图像和拍摄舌图像时,要在同一光照环境下,即同一光源。在光源一次开启稳定时,短时间内光照不会有剧烈的改变,通常色差增大是由于光源长期使用导致灯丝等老化所致。本发明采用的是北京工业大学SIPL实验室设计的便携式舌象采集设备进行舌图像的采集。
第一步:在同一个光源下,拍摄孟塞尔(Munsell)24色的色标卡(当然也可以选用任何其它具有标准色度值的色标卡)和舌图像,并保存,孟塞尔色标卡的拍摄示例图如图3所示;
第二步:在每个色块内选取30*30的区域,并求取该区域内R、G、B三分量的平均值;
第三步:将训练样本点和标准色度值由RGB颜色空间转换到CIE L*a*b*颜色空间,转换过程及公式如下:
①利用反向伽马校正(inverse gamma correction)将RGB三通道的整型值从[0,255]转换到[0,1]的标准RGB颜色空间(standard RGB color space),公式如下:
其中,RS、GS和BS分别代表变换后的三通道值,RN、GN和BN分别代表原图像中RGB三通道值;
②将标准RGB颜色空间转换到CIE XYZ空间,公式如下:
X=0.412391×RS+0.357584×GS+0.180481×BS (5)
Y=0.212639×RS+0.715169×GS+0.072192×BS (6)
Z=0.019331×RS+0.119195×GS+0.950532×BS (7)
③将CIE XYZ空间转换到CIE L*a*b*空间,公式如下:
L*=116×f(Y/Yn)-16 (8)
a*=500×(f(X/Xn)-f(Y/Yn)) (9)
b*=200×(f(Y/Yn)-f(Z/Zn)) (10)
其中,Xn、Yn和Zn是CIE XYZ三通道的基准白点值,D65光源下分别为0.950456、1.0和1.089058;
第四步:利用CIE L*a*b*颜色空间的样本值和标准色度值进行K-PLS回归训练建模,本发明所使用的K-PLS回归建模方法是基于高斯RBF(径向基函数)核函数,即K(x1,x2)=exp(-||x1-x2||2/σ2)。
训练K-PLS回归模型的基本算法如下:
1)利用核函数将自变量空间X映射到φ(X)并将其中心化,同时,将因变量空间Y正则化;
2)随机初始化因变量空间潜变量u;
3)计算自变量空间潜变量t
t=φφTu; (12)
其中φ为训练数据映射到特征空间的矩阵;
4)正则化自变量空间潜变量
t←t/||t||; (13)
5)计算因变量空间潜变量的权重向量c
c=YTt; (14)
6)计算因变量空间潜变量u
u=Yc; (15)
7)正则化因变量空间潜变量
u←u/||u||; (16)
8)重复步骤3)~7),直到收敛为止;
9)计算特征空间和因变量空间的残差空间
K=(I-ttT)K(I-ttT) (17)
Y=Y-ttTY (18)
其中,I表示n维单位矩阵;
10)重复以上步骤,直至达到所需的潜变量数;
11)计算回归系数为
β=φTU(TTKU)-1TTY (19)
其中,B为回归系数矩阵,T为自变量空间潜变量矩阵,U为因变量空间潜变量矩阵。
12)记φt为测试数据映射到特征空间的矩阵,则其KPLS回归的估计形式为:
经过上述步骤利用K-PLS对CIE L*a*b*空间的24个训练样本和目标值进行回归训练。并计算出平均色差即得到平均色差为亮度通道L*及色度通道a*-b*回归前后如图4、5所示,其回归效果较好;
第五步:利用该回归模型对步骤(1)中拍摄的同光照环境下的舌图像进行回归校正,并再次从CIE L*a*b*颜色空间转换到RGB颜色空间进行存储和显示,转换过程及公式如下:
① 将CIE L*a*b*空间转换到CIE XYZ空间,公式如下:
其中,δ=6/29,vy=(L*+16)/116,vx=vy+a*/500,vz=vy-b*/200;
② 将CIE XYZ空间转换到标准RGB空间,公式如下:
RS=3.240966×X-1.537379×Y-0.498612×Z (24)
GS=-0.969242×X+1.875965×Y+0.041556×Z (25)
BS=0.055630×X-0.203977×Y+1.056972×Z (26)
③将标准RGB空间转换到RGB空间,公式如下:
其中,fix()表示取整运算;
转换后得到RGB空间的颜色校正后的舌图像,颜色校正效果较好,示例舌图像校正前后对比如图6所示。
以上对本发明所提供的基于K-PLS回归模型的中医舌图像颜色校正方法进行了详细介绍。本发明中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (1)
1.一种基于K-PLS回归模型的中医舌图像颜色校正方法,其特征在于包括如下步骤:
步骤1:色标图像采集;
在进行色标图像采集时,使用具有标准色度值的色标卡,即该色标卡的每个色块的D65标准光源下的标准R、G、B色度值都是有官方测量所给出,且拍摄时光照环境不可过暗或过亮,以致无法识别;
步骤2:训练样本点的选取;
步骤2.1:样本点的选取;
在每个色块内选取固定30*30的区域,并求取该区域内R、G、B三分量的平均值,作为该色块的样本点色度值;
步骤2.2:从RGB颜色空间转换到CIE L*a*b*颜色空间,转换过程及公式如下:
①利用反向伽马校正(inverse gamma correction)将RGB三通道的整型值从转换到的标准RGB颜色空间(standard RGB color space),公式如下:
<mrow>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>R</mi>
<mi>N</mi>
</msub>
<mo>/</mo>
<mn>1147.5</mn>
<mo>,</mo>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>R</mi>
<mi>N</mi>
</msub>
<mo>&le;</mo>
<mn>21</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mo>(</mo>
<mrow>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>R</mi>
<mi>N</mi>
</msub>
<mo>/</mo>
<mn>255</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mn>0.099</mn>
</mrow>
<mo>)</mo>
<mo>/</mo>
<mn>1.099</mn>
<mo>)</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mn>0.45</mn>
</mrow>
</msup>
<mo>,</mo>
<mn>21</mn>
<mo>&le;</mo>
<msub>
<mi>R</mi>
<mi>N</mi>
</msub>
<mo>&le;</mo>
<mn>255</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>G</mi>
<mi>S</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>G</mi>
<mi>N</mi>
</msub>
<mo>/</mo>
<mn>1147.5</mn>
<mo>,</mo>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>G</mi>
<mi>N</mi>
</msub>
<mo>&le;</mo>
<mn>21</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mo>(</mo>
<mrow>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>G</mi>
<mi>N</mi>
</msub>
<mo>/</mo>
<mn>255</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mn>0.099</mn>
</mrow>
<mo>)</mo>
<mo>/</mo>
<mn>1.099</mn>
<mo>)</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mn>0.45</mn>
</mrow>
</msup>
<mo>,</mo>
<mn>21</mn>
<mo>&le;</mo>
<msub>
<mi>G</mi>
<mi>N</mi>
</msub>
<mo>&le;</mo>
<mn>255</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>B</mi>
<mi>S</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>B</mi>
<mi>N</mi>
</msub>
<mo>/</mo>
<mn>1147.5</mn>
<mo>,</mo>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>G</mi>
<mi>N</mi>
</msub>
<mo>&le;</mo>
<mn>21</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mo>(</mo>
<mrow>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>B</mi>
<mi>N</mi>
</msub>
<mo>/</mo>
<mn>255</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mn>0.099</mn>
</mrow>
<mo>)</mo>
<mo>/</mo>
<mn>1.099</mn>
<mo>)</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mn>0.45</mn>
</mrow>
</msup>
<mo>,</mo>
<mn>21</mn>
<mo>&le;</mo>
<msub>
<mi>B</mi>
<mi>N</mi>
</msub>
<mo>&le;</mo>
<mn>255</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,RS、GS和BS分别代表变换后的三通道值,RN、GN和BN分别代表原图像中RGB三通道值;
②将标准RGB颜色空间转换到CIE XYZ空间,公式如下:
X=0.412391×RS+0.357584×GS+0.180481×BS (5)
Y=0.212639×RS+0.715169×GS+0.072192×BS (6)
Z=0.019331×RS+0.119195×GS+0.950532×BS (7)
③将CIE XYZ空间转换到CIE L*a*b*空间,公式如下:
L*=116×f(Y/Yn)-16 (8)
a*=500×(f(X/Xn)-f(Y/Yn)) (9)
b*=200×(f(Y/Yn)-f(Z/Zn)) (10)
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<mi>u</mi>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mn>3</mn>
</mrow>
</msup>
<mo>,</mo>
<mn>0.008856</mn>
<mo><</mo>
<mi>u</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>7.787</mn>
<mo>&times;</mo>
<mi>u</mi>
<mo>+</mo>
<mn>16</mn>
<mo>/</mo>
<mn>116</mn>
<mo>,</mo>
<mi>u</mi>
<mo>&GreaterEqual;</mo>
<mn>0.008856</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>11</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Xn、Yn和Zn是CIE XYZ三通道的基准白点值,D65光源下分别为0.950456、1.0和1.089058;选择在CIELAB空间进行K-PLS回归模型的建模,将所有样本点色度值和标准色度值全部从RGB颜色空间转换到CIE L*a*b*颜色空间,并作为最终的训练样本值和目标值用于K-PLS回归模型的训练和测试,CIE L*a*b*颜色空间的平均色差公式如下:
<mrow>
<mover>
<mrow>
<msub>
<mi>&Delta;E</mi>
<mrow>
<mi>C</mi>
<mi>I</mi>
<mi>E</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msup>
<mi>L</mi>
<mo>*</mo>
</msup>
<mo>,</mo>
<msup>
<mi>a</mi>
<mo>*</mo>
</msup>
<mo>,</mo>
<msup>
<mi>b</mi>
<mo>*</mo>
</msup>
<mo>)</mo>
</mrow>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>&Delta;L</mi>
<mo>*</mo>
</msup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>&Delta;a</mi>
<mo>*</mo>
</msup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>&Delta;b</mi>
<mo>*</mo>
</msup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
<mo>/</mo>
<mi>N</mi>
</mrow>
1
其中,表示两颜色CIE L*a*b*颜色空间的平均色差值,ΔL*、Δa*和Δb*分别表示两颜色L*、a*、b*三分量的差值,N表示用于训练的色标卡中色块的数量;
步骤3:K-PLS回归模型的训练;
在训练时,选择非线性核函数,并对上述得到的CIE L*a*b*空间的N个训练样本和目标值进行回归训练建模,得到回归系数;
步骤4:基于训练模型对中医舌图像进行颜色校正;
在相同光照环境下,采集到中医舌图像后,使用训练模型进行回归校正,从而得到CIEL*a*b*颜色空间的校正结果,最后再将舌图像的所有像素值从CIE L*a*b*颜色空间转换回RGB颜色空间储存并输出,其中,所述转换过程及公式如下:
①将CIE L*a*b*空间转换到CIE XYZ空间,公式如下:
<mrow>
<mi>X</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>X</mi>
<mi>n</mi>
</msub>
<mo>&times;</mo>
<msubsup>
<mi>v</mi>
<mi>x</mi>
<mn>3</mn>
</msubsup>
<mo>,</mo>
<msub>
<mi>v</mi>
<mi>x</mi>
</msub>
<mo>></mo>
<mi>&delta;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>3</mn>
<msup>
<mi>&delta;</mi>
<mn>2</mn>
</msup>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>v</mi>
<mi>x</mi>
</msub>
<mo>-</mo>
<mn>16</mn>
<mo>/</mo>
<mn>116</mn>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<msub>
<mi>X</mi>
<mi>n</mi>
</msub>
<mo>,</mo>
<msub>
<mi>v</mi>
<mi>x</mi>
</msub>
<mo>&le;</mo>
<mi>&delta;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>21</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>Y</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>Y</mi>
<mi>n</mi>
</msub>
<mo>&times;</mo>
<msubsup>
<mi>v</mi>
<mi>y</mi>
<mn>3</mn>
</msubsup>
<mo>,</mo>
<msub>
<mi>v</mi>
<mi>y</mi>
</msub>
<mo>></mo>
<mi>&delta;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>3</mn>
<msup>
<mi>&delta;</mi>
<mn>2</mn>
</msup>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>v</mi>
<mi>y</mi>
</msub>
<mo>-</mo>
<mn>16</mn>
<mo>/</mo>
<mn>116</mn>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<msub>
<mi>Y</mi>
<mi>n</mi>
</msub>
<mo>,</mo>
<msub>
<mi>v</mi>
<mi>y</mi>
</msub>
<mo>&le;</mo>
<mi>&delta;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>22</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>Z</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>Z</mi>
<mi>n</mi>
</msub>
<mo>&times;</mo>
<msubsup>
<mi>v</mi>
<mi>z</mi>
<mn>3</mn>
</msubsup>
<mo>,</mo>
<msub>
<mi>v</mi>
<mi>z</mi>
</msub>
<mo>></mo>
<mi>&delta;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>3</mn>
<msup>
<mi>&delta;</mi>
<mn>2</mn>
</msup>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>v</mi>
<mi>z</mi>
</msub>
<mo>-</mo>
<mn>16</mn>
<mo>/</mo>
<mn>116</mn>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<msub>
<mi>Z</mi>
<mi>n</mi>
</msub>
<mo>,</mo>
<msub>
<mi>v</mi>
<mi>z</mi>
</msub>
<mo>&le;</mo>
<mi>&delta;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>23</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,δ=6/29,vy=(L*+16)/116,vx=vy+a*/500,vz=vy-b*/200;
②将CIE XYZ空间转换到标准RGB空间,公式如下:
RS=3.240966×X-1.537379×Y-0.498612×Z (24)
GS=-0.969242×X+1.875965×Y+0.041556×Z (25)
BS=0.055630×X-0.203977×Y+1.056972×Z (26)
③将标准RGB空间转换到RGB空间,公式如下:
<mrow>
<msub>
<mi>R</mi>
<mi>N</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>f</mi>
<mi>i</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mn>1147.5</mn>
<mo>&times;</mo>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>&le;</mo>
<mn>0.01830</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>f</mi>
<mi>i</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mn>255</mn>
<mo>&times;</mo>
<mo>(</mo>
<mrow>
<mn>1.099</mn>
<mo>&times;</mo>
<msubsup>
<mi>R</mi>
<mi>S</mi>
<mn>0.45</mn>
</msubsup>
<mo>-</mo>
<mn>0.099</mn>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>></mo>
<mn>0.01830</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>27</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>G</mi>
<mi>N</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>f</mi>
<mi>i</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mn>1147.5</mn>
<mo>&times;</mo>
<msub>
<mi>G</mi>
<mi>S</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>G</mi>
<mi>S</mi>
</msub>
<mo>&le;</mo>
<mn>0.01830</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>f</mi>
<mi>i</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mn>255</mn>
<mo>&times;</mo>
<mo>(</mo>
<mrow>
<mn>1.099</mn>
<mo>&times;</mo>
<msubsup>
<mi>G</mi>
<mi>S</mi>
<mn>0.45</mn>
</msubsup>
<mo>-</mo>
<mn>0.099</mn>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>G</mi>
<mi>S</mi>
</msub>
<mo>></mo>
<mn>0.01830</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>28</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>B</mi>
<mi>N</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>f</mi>
<mi>i</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mn>1147.5</mn>
<mo>&times;</mo>
<msub>
<mi>B</mi>
<mi>S</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>B</mi>
<mi>S</mi>
</msub>
<mo>&le;</mo>
<mn>0.01830</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>f</mi>
<mi>i</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mn>255</mn>
<mo>&times;</mo>
<mo>(</mo>
<mrow>
<mn>1.099</mn>
<mo>&times;</mo>
<msubsup>
<mi>B</mi>
<mi>S</mi>
<mn>0.45</mn>
</msubsup>
<mo>-</mo>
<mn>0.099</mn>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>B</mi>
<mi>S</mi>
</msub>
<mo>></mo>
<mn>0.01830</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>29</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,fix()表示取整运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410853143.7A CN104572538B (zh) | 2014-12-31 | 2014-12-31 | 一种基于k‑pls回归模型的中医舌图像颜色校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410853143.7A CN104572538B (zh) | 2014-12-31 | 2014-12-31 | 一种基于k‑pls回归模型的中医舌图像颜色校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104572538A CN104572538A (zh) | 2015-04-29 |
CN104572538B true CN104572538B (zh) | 2017-08-25 |
Family
ID=53088652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410853143.7A Active CN104572538B (zh) | 2014-12-31 | 2014-12-31 | 一种基于k‑pls回归模型的中医舌图像颜色校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104572538B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023238A (zh) * | 2016-06-30 | 2016-10-12 | 北京大学 | 一种相机模组颜色数据标定方法 |
CN107689031B (zh) * | 2016-08-03 | 2021-05-28 | 天津慧医谷科技有限公司 | 舌象分析中基于光照补偿的色彩还原方法 |
CN106530361A (zh) * | 2016-11-16 | 2017-03-22 | 上海市东方医院 | 彩色人脸图像的颜色校正方法 |
CN107203776A (zh) * | 2017-04-07 | 2017-09-26 | 天津大学 | 基于支持向量机的甲象采集处理方法 |
CN108451500B (zh) * | 2017-12-27 | 2021-01-12 | 浙江大学台州研究院 | 一种用于中医望诊的面色检测和脸型识别设备 |
CN108185993A (zh) * | 2018-01-31 | 2018-06-22 | 潘映含 | 一种舌像采集方法 |
CN108451501A (zh) * | 2018-02-01 | 2018-08-28 | 福建师范大学 | 一种基于像素分析的鲜红斑痣颜色和面积评估方法 |
CN109118549A (zh) * | 2018-07-20 | 2019-01-01 | 上海电力学院 | 一种用白色打印纸作参照物恢复目标物颜色的方法 |
CN111062876B (zh) * | 2018-10-17 | 2023-08-08 | 北京地平线机器人技术研发有限公司 | 用于校正模型训练和图像校正的方法和装置及电子设备 |
CN109636864A (zh) * | 2018-12-19 | 2019-04-16 | 新绎健康科技有限公司 | 一种基于颜色校正与深度卷积神经网络的舌分割方法及系统 |
CN109712716B (zh) * | 2018-12-25 | 2021-08-31 | 广州医科大学附属第一医院 | 疾病影响因素确定方法、系统和计算机设备 |
US10610161B1 (en) | 2019-01-03 | 2020-04-07 | International Business Machines Corporation | Diagnosis using a digital oral device |
CN109805891A (zh) * | 2019-01-08 | 2019-05-28 | 中南大学湘雅医院 | 术后恢复状态监测方法、装置、系统、可读介质及色卡 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1945627A (zh) * | 2006-10-20 | 2007-04-11 | 清华大学 | 数字舌象色偏校正方法 |
KR20090055172A (ko) * | 2007-11-28 | 2009-06-02 | 한국 한의학 연구원 | 혀 영상을 이용한 후태 박태 판별 방법 |
CN102419861A (zh) * | 2010-09-27 | 2012-04-18 | 上海中医药大学 | 基于均匀色空间拓扑剖分的彩色图像校正方法 |
CN102509318A (zh) * | 2011-09-20 | 2012-06-20 | 哈尔滨工业大学 | 人体数字舌图像专用颜色校正色卡及其制作方法 |
CN103106669A (zh) * | 2013-01-02 | 2013-05-15 | 北京工业大学 | 中医舌图像环境适应性颜色复现方法 |
-
2014
- 2014-12-31 CN CN201410853143.7A patent/CN104572538B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1945627A (zh) * | 2006-10-20 | 2007-04-11 | 清华大学 | 数字舌象色偏校正方法 |
KR20090055172A (ko) * | 2007-11-28 | 2009-06-02 | 한국 한의학 연구원 | 혀 영상을 이용한 후태 박태 판별 방법 |
CN102419861A (zh) * | 2010-09-27 | 2012-04-18 | 上海中医药大学 | 基于均匀色空间拓扑剖分的彩色图像校正方法 |
CN102509318A (zh) * | 2011-09-20 | 2012-06-20 | 哈尔滨工业大学 | 人体数字舌图像专用颜色校正色卡及其制作方法 |
CN103106669A (zh) * | 2013-01-02 | 2013-05-15 | 北京工业大学 | 中医舌图像环境适应性颜色复现方法 |
Non-Patent Citations (2)
Title |
---|
基于CIELAB空间的中医舌色分析方法;李博聪等;《世界科学技术-中医药现代化》;20071231;全文 * |
基于提升核偏最小二乘回归的色彩校正;丁二锐等;《仪器仪表学报》;20080131;第80页左列倒数第三段至82页左列第7段 * |
Also Published As
Publication number | Publication date |
---|---|
CN104572538A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104572538B (zh) | 一种基于k‑pls回归模型的中医舌图像颜色校正方法 | |
CN110046673A (zh) | 基于多特征融合的无参考色调映射图像质量评价方法 | |
CN109871735A (zh) | 图像解析方法、装置、程序及学习完了深层学习算法的制造方法 | |
CN107105223B (zh) | 一种基于全局特征的色调映射图像质量客观评价方法 | |
CN103974053B (zh) | 一种基于灰点提取的自动白平衡矫正方法 | |
CN104021545A (zh) | 一种基于视觉显著性的全参考彩色图像质量评价方法 | |
CN106132266A (zh) | 图像处理装置、图像处理方法以及图像处理程序 | |
CN105427306B (zh) | 皮肤光泽度的图像分析方法和装置 | |
CN102547063A (zh) | 基于颜色对比度增强的自然感彩色融合方法 | |
CN107144353A (zh) | 一种基于数码相机的纺织品色差测量方法 | |
CN106503679A (zh) | 基于云端大数据精准匹配分析的皮肤检测方法 | |
CN103106669B (zh) | 中医舌图像环境适应性颜色复现方法 | |
CN105303511A (zh) | 图像处理装置及光源识别方法 | |
US20090110273A1 (en) | Image Processing Device and Image Processing Program | |
CN105466921A (zh) | 一种多样品同时检测的方法 | |
CN103324952A (zh) | 基于特征提取的痤疮分类方法 | |
CN107146229A (zh) | 基于元胞自动机模型的结肠息肉图像分割方法 | |
CN103745231B (zh) | 小麦矮腥黑穗病tck及其近似种tct的冬孢子图像鉴定方法 | |
CN110495888B (zh) | 一种基于中医舌、面图像的标准色卡及其应用 | |
CN110044485B (zh) | 一种图像式织物颜色测量方法 | |
CN109741285A (zh) | 一种水下图像数据集的构建方法及系统 | |
CN109191386A (zh) | 一种基于BPNN的快速Gamma校正方法及装置 | |
CN106023238A (zh) | 一种相机模组颜色数据标定方法 | |
TW398134B (en) | Multiple purpose composite target for digital imaging test and calibration | |
CN104657987B (zh) | 基于pet/ct图像质量客观算法的评价方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |