CN104766068A - 一种多规则融合的随机游走舌像提取方法 - Google Patents

Abstract

一种多规则融合的随机游走舌像提取方法，包括以下步骤，利用带有压缩规则的滑降算法对原图像进行初始分割，从而获取初始区域集，利用一种新的复合权函数，建立加权图，并进行简约，利用一种多规则融合的随机游走算法来进行最终的聚类分割，生成舌体区域图像，最后，利用数学形态学算子修整目标区域，消除舌像区域上的小孔，得到目标舌像。本发明的随机游走舌像提取方法，智能化程度高，整个提取过程全自动完成，极大的提高了随机游走算法的效率，减少了舌像提取所需要的时间，能够从带有舌苔的图像中成功准确提取出舌像。

Description

一种多规则融合的随机游走舌像提取方法

技术领域

本发明涉及一种能够全自动地将舌头图像从脸部、嘴唇和牙齿等背景区域提取出来的多规则融合的随机游走舌像提取方法。

背景技术

舌诊是中医四诊中望诊的主要内容，是中医传统医学中的一项特色诊断方法。传统的舌诊主要依靠中医大夫对病人舌像的舌质、舌苔的颜色、纹理、形状、厚薄等特征进行主观辨识，从而对病人的病情病况做出合理的推断。传统的舌诊主要依赖于中医大夫的诊断经验，并且舌诊的结果容易受到人为主观和客观环境的影响。因而，目前一些研究者利用暗箱或数字成像设备拍摄舌体图像，然后利用计算机对舌像特征进行定量的检测和分析，即舌诊客观化。为了实现对舌像的定量化检测和分析，首先一个重要的工作就是将舌体图像从背景区域（如：牙齿、嘴唇和脸部）提取出来，即舌像提取。舌像提取的自动化程度是舌诊客观化智能化程度的重要标志之一，同时舌像提取的准确程度直接影响到后续定量化检测的结果。因此，准确快速的舌像提取方法研究具有重要的意义和作用。目前，由于舌像具有多样性，一些舌像提取方法自身存在着局限性，不能将有苔舌像正确的提取出来。

发明内容

本发明的目的就是提供一种准确度高、可靠性好、实用性强、成本低的多规则融合的随机游走舌像提取方法。

本发明中的多规则融合的随机游走舌像提取方法，是一种采用彩色图像处理技术，利用带有压缩规则的滑降算法和多规则融合的随机游走算法，在舌像中搜索目标舌像区域的舌像提取算法，其包括以下四个步骤：

1、利用带有压缩规则的滑降算法对原图像进行初始分割，从而获取初始区域集，该滑降算法的具体步骤如下：

（1.1）扫描原图像，找到图像中的一个非零像素作为种子点；

（1.2）将种子像素添加到目标区域，并将种子像素压入栈中，最后从原图像中取出种子像素；

（1.3）从栈中弹出一个种子像素；

（1.4）对于种子像素的每个邻域像素，若种子像素与邻域像素的色调和亮度差异小于阈值，则将邻域像素加入到目标区域，并将邻域像素压入栈中，并从原图像中删除该邻域像素；

（1.5）重复（1.3）和（1.4），直到栈为空为止；

（1.6）计算（1.3）、（1.4）和（1.5）所生成的目标区域面积，若面积小于阈值，则舍弃当前目标区域；

（1.7）重复（1.1）到（1.6），直到原图像中不包含任何非零像素。

2、利用一种新的复合权函数，建立加权图，并进行简约（即将加权图化简为邻近区域网络，也就是只有那些邻近区域间才可能连通的网络），该复合权函数如下所示：

其中，和是权系数，，，，I_i和I_j为像素i和像素j的亮度，H_i 和 H_j为像素i和像素j的色调，代表像素i和像素j的亮度差异，代表像素i和像素j的色调差异；

该建立加权图并简约的算法具体步骤如下：

（2.1）创建邻接表表头数组，其中的每个元素代表一个初始区域；

（2.2）若区域A与区域B是相邻的，则执行（2.3）到（2.7）；

（2.3）创建一个从区域A到区域B的边结点；

（2.4）将新的边结点的标志设置为B；

（2.5）根据复合权函数的计算公式计算区域A和区域B的权值，设置新边结点的权值，并设置新边结点的后继为空；

（2.6）将新的边结点连接到区域A的链表末尾；

（2.7）采取如（2.3）到（2.6）同样的方法，创建从区域B到区域A的边结点。

   3、利用一种多规则融合的随机游走算法来进行最终的聚类分割，生成舌体区域图像。传统的随机游走算法的初始种子是人工选取的。本申请将与原图像中心位置的平均距离最近的最大区域作为初始种子；

该多规则融合的随机游走算法的具体步骤如下：

（3.1）利用前面第三点描述的自动选取种子的方法，找到原图像中的初始种子；

   （3.2）初始化访问标记数组为false；

   （3.3）若当前种子未被访问，则继续以下步骤；

   （3.4）设置当前种子的访问标记为true；

   （3.5）记录下当前的种子区域，并将当前种子区域添加到目标区域；

   （3.6）对于所有当前种子区域的邻接区域，当种子区域与邻接区域间的权值大于阈值,或者当前种子区域被带有舌质像素的邻接区域上下或左右闭包，则以邻接区域作为新的种子区域，递归执行（3.3）到（3.6）。不同于传统随机游走算法的是，此步充分利用了舌像的颜色和空间信息，应用了两个规则实现种子的随机游走，而传统的随机游走算法仅利用灰度一项指标进行游走。

4、最后，利用数学形态学算子修整目标区域，消除舌像区域上的小孔，得到目标舌像。该过程的步骤如下：

（4.1）将第三步处理得到的结果图像转换成黑白模板图像；

（4.2）对该黑白模板图像利用形态学算子膨胀和腐蚀进行处理，得到处理后的黑白模板图像；

（4.3）将原始舌像和处理后的黑白模板图像进行与运算，从而得到最终的目标舌像。

本发明的随机游走舌像提取方法，采用的硬件设备包括：暗箱或数码相机、数据线和PC机。首先，病人伸出完整舌头，利用暗箱或数码相机正对病人的张口区域（包括脸部、牙齿、嘴唇和舌体）进行拍摄；然后，利用数据线将拍摄出来的舌头图像传输的电脑上，对原始舌像进行处理。

本发明的随机游走舌像提取方法与现有技术相比有如下优点：

1、本方法综合运用了滑降算法、随机游走算法和数学形态学算子等方法实现了从背景图像（嘴唇、牙齿和脸部）中全自动提取舌像，提高了方法的智能化程度，克服了传统随机游走算法采用半自动分割的弊端；

2、利用带有压缩的滑降算法和利用复合权函数构建简约网络，极大的提高了随机游走算法的效率，减少了舌像提取所需要的时间开销；

3、本方法将多个规则进行融合，充分利用了舌像的颜色和舌体的空间位置信息，从而实现舌像的准确提取，克服了传统随机游走算法仅利用一项灰度信息进行分割，从而导致提取不够准确的问题，其准确程度优于传统的随机游走算法和以往的不少方法；

4、本方法能够从带有舌苔的图像中成功提取出舌像，克服了不少舌像提取方法不能提取有苔舌的缺点；

5、本方法提取舌像的过程，无需人工干预，整个提取过程全自动完成，优于以往手动或半自动方法；

6、本方法采用的软硬件简单可靠，具有成本优势。

附图说明

图1为本发明的系统结构组成框图；

图2 为本发明步骤1的执行流程图；

图3 为本发明步骤2的执行流程图；

图4 为本发明步骤3的执行流程图；

图5 为本发明步骤4的执行流程图；

图6 为为四种舌像提取方法效果图。

具体实施方式

本发明中的随机游走舌像提取方法所采用的系统包括暗箱或数码相机1、数据线2、PC机3、随机游走舌像提取软件4和用户5。用数码相机正对病人伸出的舌体进行拍摄，后将原始舌像通过数据线传输至PC机，接着通过随机游走舌像提取软件对原始舌像文件进行调用，并进行处理即可提取出舌体区域，即目标舌像，最终提取出的舌像通过软件界面呈现在用户面前。

系统中硬件要求如下：数码相机采用500万像素以上的数码相机，保证具有一定的清晰度；PC机采用Intel Core 2 1.66GHz处理器，内存2G以上，至少2G以上剩余硬盘空间。系统中的软件要求如下：操作系统为Windows XP、Windows 7或Windows 8，软件开发平台为Visual C++。在上述最低配置的情况下，建议软件中调用的原始图像尺寸不超过800×600。

将本发明中的随机游走舌像提取方法与3种以往的方法,包括基于数学形态学和HSI的方法（方法一）、基于贯序算法和HSI的方法（方法二）以及传统的随机游走方法，从准确性和效率两方面进行了对比实验。在实验中，我们选取了具有代表性的五种典型舌色的无苔、薄苔舌像（包括：淡红舌、淡白舌、红舌、绛舌和紫舌）以及两种厚苔舌像（包括：白厚苔舌像和黄厚苔舌像）。四种舌像提取方法的效果图请见图1。四种舌像提取方法的效率对比请见表1。

从图1可知，除了传统的随机游走算法对红舌和紫舌的提取效果不够理想外，四种舌像提取算法对典型的淡红舌、淡白舌、红舌、绛舌和紫舌的提取效果都较好。而对于具有重要临床医学意义的白厚苔舌和黄厚苔舌来说，除了基于贯序算法和HSI的方法对白厚苔舌像的提取效果较好外，仅有本发明中的方法取得了较为理想的提取效果。因此，总体上来说，本发明中的方法的舌像提取准确性优于前三种方法。

从表1可知，基于数学形态学和HSI的方法和基于贯序算法和HSI的方法效率较高，所有处理时间均在0.5秒以内；传统的随机游走舌像提取方法的执行时间相当长，从十几秒到几百秒不等；本发明中的随机游走舌像提取方法执行效率相对于传统的随机游走方法执行效率有较大的提升，从三秒到十几秒不等，基本上能够满足舌诊客观化应用对时效性的需求。

表1 四种舌像提取方法的效率对比

图1 中，(a) 淡红舌像 (b)方法一的淡红舌像提取结果 (c) 方法二的淡红舌像提取结果 (d) 传统随机游走方法的淡红舌像提取结果 (e) 本方法的淡红舌像提取结果 (f) 淡白舌像 (g) 方法一的淡白舌像提取结果 (h) 方法二的淡白舌像提取结果 (i) 传统随机游走方法的淡白舌像提取结果 (j) 本方法的淡白舌像提取结果 (k) 红舌像 (l) 方法一的红舌像提取结果 (m) 方法二的红舌像提取结果 (n) 传统随机游走方法的红舌像提取结果 (o) 本方法的红舌像提取结果 (p) 绛舌像 (q) 方法一的绛舌像提取结果 (r) 方法二的绛舌像提取结果 (s) 传统随机游走方法的绛舌像提取结果 (t) 本方法的绛舌像提取结果 (u) 紫舌像 (v) 方法一的紫舌像提取结果 (w) 方法二的紫舌像提取结果 (x)传统的随机游走方法的紫舌像提取结果 (y) 本方法的紫舌像提取结果 (z) 白厚苔舌像 (aa) 方法一的白厚苔舌像提取结果 (bb) 方法二的白厚苔舌像提取结果 (cc) 传统随机游走方法的白厚苔舌像提取结果 (dd) 本方法的白厚苔舌像提取结果 (ee)黄厚苔舌像 (ff) 方法一的黄厚苔舌像提取结果 (gg) 方法二的黄厚苔舌像提取结果 (hh) 传统随机游走方法的黄厚苔舌像提取结果 (ii) 本方法的黄厚苔舌像提取结果。

Claims (1)

1.一种多规则融合的随机游走舌像提取方法，其特征在于：它其包括以下四个步骤：

（1）、利用带有压缩规则的滑降算法对原图像进行初始分割，从而获取初始区域集，该滑降算法的具体步骤如下：

（1.1）扫描原图像，找到图像中的一个非零像素作为种子点；

（1.2）将种子像素添加到目标区域，并将种子像素压入栈中，最后从原图像中取出种子像素；

（1.3）从栈中弹出一个种子像素；

（1.4）对于种子像素的每个邻域像素，若种子像素与邻域像素的色调和亮度差异小于阈值，则将邻域像素加入到目标区域，并将邻域像素压入栈中，并从原图像中删除该邻域像素；

（1.5）重复（1.3）和（1.4），直到栈为空为止；

（1.6）计算（1.3）、（1.4）和（1.5）所生成的目标区域面积，若面积小于阈值，则舍弃当前目标区域；

（1.7）重复（1.1）到（1.6），直到原图像中不包含任何非零像素；

（2）、利用下述的复合权函数，建立加权图，并进行简约，该复合权函数如下所示：

其中，和是权系数，，，，I_i和I_j为像素i和像素j的亮度，H_i 和 H_j为像素i和像素j的色调，代表像素i和像素j的亮度差异，代表像素i和像素j的色调差异；

该建立加权图并简约的算法具体步骤如下：

（2.1）创建邻接表表头数组，其中的每个元素代表一个初始区域；

（2.2）若区域A与区域B是相邻的，则执行（2.3）到（2.7）；

（2.3）创建一个从区域A到区域B的边结点；

（2.4）将新的边结点的标志设置为B；

（2.5）根据复合权函数的计算公式计算区域A和区域B的权值，设置新边结点的权值，并设置新边结点的后继为空；

（2.6）将新的边结点连接到区域A的链表末尾；

（2.7）采取如（2.3）到（2.6）同样的方法，创建从区域B到区域A的边结点；

    （3）、利用一种多规则融合的随机游走算法来进行最终的聚类分割，生成舌体区域图像，将与原图像中心位置的平均距离最近的最大区域作为初始种子，

上述多规则融合的随机游走算法的具体步骤如下：

（3.1）利用前述的自动选取种子的方法，找到原图像中的初始种子；

    （3.2）初始化访问标记数组为false；

    （3.3）若当前种子未被访问，则继续以下步骤；

    （3.4）设置当前种子的访问标记为true；

    （3.5）记录下当前的种子区域，并将当前种子区域添加到目标区域；

    （3.6）对于所有当前种子区域的邻接区域，当种子区域与邻接区域间的权值大于阈值,或者当前种子区域被带有舌质像素的邻接区域上下或左右闭包，则以邻接区域作为新的种子区域，递归执行（3.3）到（3.6）；

（4）、利用数学形态学算子修整目标区域，消除舌像区域上的小孔，得到目标舌像，该过程的步骤如下：

（4.1）将步骤（3）处理得到的结果图像转换成黑白模板图像；

（4.2）对该黑白模板图像利用形态学算子膨胀和腐蚀进行处理，得到处理后的黑白模板图像；

（4.3）将原始舌像和处理后的黑白模板图像进行与运算，从而得到最终的目标舌像。