CN107203776A - 基于支持向量机的甲象采集处理方法 - Google Patents

基于支持向量机的甲象采集处理方法 Download PDF

Info

Publication number
CN107203776A
CN107203776A CN201710227581.6A CN201710227581A CN107203776A CN 107203776 A CN107203776 A CN 107203776A CN 201710227581 A CN201710227581 A CN 201710227581A CN 107203776 A CN107203776 A CN 107203776A
Authority
CN
China
Prior art keywords
color
nail
acquiring
collecting device
processing method
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.)
Pending
Application number
CN201710227581.6A
Other languages
English (en)
Inventor
王学民
王瑞云
周鹏
郭丹
裴欣欣
邝丽娜
黄琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201710227581.6A priority Critical patent/CN107203776A/zh
Publication of CN107203776A publication Critical patent/CN107203776A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/56Extraction of image or video features relating to colour
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03Recognition of patterns in medical or anatomical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明提供基于支持向量机的甲象采集处理方法,包括以下步骤:a.调整光线与甲象采集设备角度,使被试者指甲面上无阴影,并将被试者指甲调整至采集设备正中位置;b.采集甲象图;c.调整甲象采集设备的位置,多次采集甲象图;d.对采集到的甲象图进行颜色校正;e.分别提取每个甲象图的甲体部分;f.分析甲象图中甲体部分的色彩信息,得出结论。本发明可避免主观原因造成的诊断误差;重复性好,确定了色彩信息指标;满足中医甲象观察要求的甲象采集系统的问题。

Description

基于支持向量机的甲象采集处理方法
技术领域
本发明属于图像处理与图像分析理解的领域,尤其是涉及基于支持向量机的甲象采集处理方法。该方法适用于中医甲象客观诊断、甲象资料保存留档,对中医学的发展、人类疾病预防有着重要的意义。
背景技术
中医学认为,人体是一个有机的整体,五脏六腑的功能活动盛衰可以通过人体外部的筋肉、皮毛、指甲等反映出来。五脏六腑功能活动昌盛,则指甲荣润正常;若其功能活动衰弱,则指甲发生不同的改变。甲诊是依据“视其外应,以知其内藏,则知所病矣”的原理,运用整体观念、脏腑理论原则来分析判断疾病的。在临床上能由视察指甲外观、形态、色泽探知疾病,即从甲诊以洞察体内脏腑气血、生理、病理的变化。
然而几千年来,中医一直依靠眼睛来观察体会甲象所反映的信息。该方法通常较为主观,医生的知识水平、从医经验、诊病技巧、心理因素,以及光线、温度等外界因素都可能造成诊断偏差;重复性较差,且辨证论治没有统一的标准。这些给中医教学、研究造成了诸多不便,影响了中医理论的推广和交流,阻碍了中医学的发展。
近年来,随着信息分析技术的发展,甲诊研究得到不断进步,例如邵泳红提出的指甲肌酐测定法、魏辉提出的微量元素分析法、董勤提出的红外光谱研究法、袁肇凯提出的甲襞微循环研究法等均将指甲客观指标与疾病相联系。这些方法多是利用现代物理、生化技术对不同观察对象指甲成份进行对比分析,实验结果客观,受影响因素相对较少,临床实用价值也较大。但是中医学中甲象特征众多,如甲色、甲态、半月痕、甲周软组织变化等等。现代研究方法只能测定有限的特征,无法为疾病诊断提供全面的信息。
发明内容
本发明要解决的问题是提供基于支持向量机的甲象采集处理方法,结合甲诊理论、计算机图像处理及信息分析技术,能够客观、无创、高效的诊断甲象,辅助医生诊断疾病。
为解决上述技术问题,本发明采用的技术方案是:基于支持向量机的甲象采集处理方法,包括以下步骤:
a.调整光线与甲象采集设备角度,使被试者指甲面上无阴影,并将被试者指甲调整至采集设备正中位置;
b.采集甲象图;
c.调整甲象采集设备的位置,多次采集甲象图;
d.对采集到的甲象图进行颜色校正;
e.分别提取每个甲象图的甲体部分;
f.分析甲象图中甲体部分的色彩信息,得出结论。
技术方案中,优选的,步骤b中采集甲象图使用Canon 700D单反相机。
技术方案中,优选的,步骤e包括矩形框截取感兴趣区域、色彩空间转换,H分量中值滤波、应用区域生长算法、二值化操作、腐蚀膨胀、找凸包等一系列过程得到甲体初始轮廓,应用Snakes算法自动分割甲体。
技术方案中,优选的,步骤f包括中医专家根据特征色信息将所采集的大量样本进行分类,统计得到特征色向量;将某颜色指标所有特征色向量输入支持向量机后形成该颜色指标分类模型;将图像的特征色向量输入至颜色指标分类模型,得到特征点所占整个图像的比率;比较计算得到的比率与各个区分面的标准比率的大小以区分出相应的甲色。
本发明具有的优点和积极效果是:该甲色自动分析方法,避免因医生的知识水平、从医经验、心理因素等主观原因造成的诊断误差;重复性好,且确定了基于新型的甲象采集系统的色彩信息指标;满足中医甲象观察要求的甲象采集系统的问题;实现了甲象自动分割;实现了甲色自动识别。
附图说明
图1是甲象采集系统内部结构示意图。
图2是俯视弧形散射板时光源分布示意图。
图3是甲象采集系统结构框图。
图4是本发明的总体流程图。
图5是基于Snakes和支持向量机的甲象分割与甲色识别算法流程图。
图中:
1、左面板 2、上面板 3、右面板
4、下面板 5、前面板 6、后面板
7、开口 8、凹槽 9、开口
10、弧形散射板 11、光源 12、开口
13、开口 14、正面相机 15、侧面相机
16、光源调节按钮
具体实施方式
下面结合附图对本发明实施例做进一步描述:
本实施例所述的甲象分析方法,借助中医甲象采集系统实现,中医甲象采集系统,由暗箱结构、弧形散射板10、相机、光源11、上位机等部件组成。暗箱结构包括左面板1、上面板2、右面板3、下面板4、前面板5和后面板6,左面板1、上面板2、右面板3、下面板4、前面板5和后面板6一体成型。上面板2为拱形,右面板3开有开口7,下面板4开有凹槽8,前面板5开有开口9。弧形散射板10在暗箱结构内,内部贴有散射膜。光源11为10个白色LED或白炽灯,均匀分布在弧形散射板10的前、上、后三侧,其中前侧3个,上侧2个,后侧5个,参数设置:显色指数是>80,色温是5500K,照度是4000Lx,波长是478nm。在暗箱的后面板6上设有光源调节按钮16,光源调节按钮16与多个光源电连接,可以根据实际情况的需求,通过调节光源所加载电压大小调节光源亮度。正面相机14采用Canon700D单反相机,通过支架固定在弧形散射板上侧开口12处,参数设置:快门速度是1/320s,感光度是ISO AUTO,光圈值是f/5.6;侧面相机15采用百脑通摄像头,通过支架固定在弧形散射板右侧开口13处,通过开口7手动调焦,参数设置:像素是800万,尺寸是1280*1024;正面相机14和侧面相机15均由数据线与外部上位机相连。上位机安装有控制软件,分别控制正面相机14拍摄甲象正面图和侧面相机15拍摄甲象侧面图。
本发明的总体流程具体过程如下:a.调整光线与甲象采集设备角度,使被试者指甲面上无阴影,并将被试者指甲调整至采集设备正中位置;
b.采集甲象图;
c.调整甲象采集设备的位置,多次采集甲象图;
d.对采集到的甲象图进行颜色校正;
e.分别提取每个甲象图的甲体部分;
f.分析甲象图中甲体部分的色彩信息,得出结论。
甲图像采集的过程具体如下:
被试者以舒适、端正、方便为原则坐于中医甲象采集系统前侧,手指自然放松,从前面板的开口9处伸入甲象采集系统并置于下面板凹槽8处;中医师操作上位机软件依次控制正面相机14拍摄甲象正面图、侧面相机15拍摄甲象侧面图。
甲图像颜色校正的过程具体如下:
采用国际通用的色彩管理方法,运用特性文件生成软件PULSE ColorElite和色标ColorChecker 24,创建数码相机ICC特性文件,运用创建的ICC特性文件对所采集的甲象正面图和甲象侧面图进行颜色校正。
甲象分割的过程具体如下:
矩形框截取感兴趣区域,将RGB图像转换到HSI空间,其中H分量表示色调。中值滤波H分量,保证边缘清晰度的同时消除噪声。对H分量应用区域生长算法将甲体与背景大致分割,其中初始种子位置定为图像正中心;阈值为非黑色背景区域二值化自动阈值;判别条件是相邻像素差值是否小于阈值,若小于则满足条件;遍历图像中的每一个像素点。对甲体初步分割结果实现二值化操作,并对其进行腐蚀、膨胀,消除二值化图像中的孤立点、填补甲体内部的间隙。进而寻找二值化图像的凸包,并以其轮廓作为初始轮廓运用Snakes算法分割甲体。对于自动分割有欠缺的图像可以采用人工交互的方式,手动点击修改初始轮廓并再次运用Snakes算法分割甲体。
甲色识别的过程具体如下:
采集大量样本,中医专家根据色彩信息将其分为甲红、甲淡红、甲鲜红、甲紫红、甲紫黑、甲黄、甲黑、甲白、甲灰、甲青和甲绿。将某类样本图像中的颜色值按照所占整幅图像比例的大小降序排序。合并小于最小可觉差的颜色值,取前80%的颜色值作为这幅图像的观察值,认为这一系列的颜色值可以代表该幅图像的颜色特征。在遍历一幅图像的所有像素后,可以获得该幅图像的特征色向量。将某颜色指标所有特征色向量输入支持向量机后,支持向量机就能够在三维空间中找到一系列最优的分类面,将不同特征色的样本尽可能的区分开来,每一个类球的独立区域代表一个特征色,形成颜色指标分类模型。其中参数σ选取区间为[40,60],惩罚因子C选取区间为[350,450]时,分类效果较佳。最后将所有颜色指标的分类模型存入对比数据库。
所述分析甲体正面图的色彩信息表明:中医甲象中有诊断意义的色彩信息包括红色、淡红色、鲜红色、紫红色、紫黑色、黄色、黑色、白色、灰色、青色和绿色。支持向量机是一种有监督的分类方法,颜色特征提取算法采用支持向量机作为分类引擎,先用样本训练后分类完成任务。利用颜色特征提取算法对甲体正面图的色彩信息进行分析,得出结论。各类颜色所采用的方法相同,但在具体参数上存在差异。该算法的具体过程如下:
颜色指标的取值被称作特征色,即甲红、甲淡红、甲鲜红、甲紫红、甲紫黑、甲黄、甲黑、甲白、甲灰、甲青和甲绿均为甲色的特征色。颜色指标判读的依据是图像的颜色。将样本图像中的颜色值按照所占整幅图像比例的大小降序排序。合并小于最小可觉差的颜色值,取前80%的颜色值作为这幅图像的观察值,认为这一系列的颜色值可以代表该幅图像的颜色特征。
根据大数定理可知,当样本数量不断增加,样本观察值的范围会渐渐趋向稳定,在三维RGB空间中是一块空间区域。当某一特征色的样本逐渐增多后,该特征色所表现出的颜色范围也渐渐趋于稳定,这个稳定范围就可以认为是该特征色的颜色范围,用一个闭合曲面来描述这一范围。给定一个颜色值,如果该颜色值的坐标在某曲面之内,那么这个颜色属于该特征色。
应用支持向量机(SVM)分类指甲颜色指标,其根据训练样本的分类和特征色向量,建立起两者之间的关系,获得一个根据特征色向量分类的颜色指标分类器。SVM中核函数选取径向基函数(RBF),形式为:
K(x,y)=exp(-||x-y||2/2σ2)
x、y是任意两点,参数σ大小会直接影响SVM的分类性能。设定惩罚因子C,其越大,对学习集的信任度越高。在遍历一幅图像的所有像素后,可以获得该幅图像的特征色向量。将某颜色指标所有特征色向量输入支持向量机后,支持向量机就能够在三维空间中找到一系列最优的分类面,将不同特征色的样本尽可能的区分开来,每一个类球的独立区域代表一个特征色。在确定分类面的过程中,支持向量机会自动忽视孤立点,因此不用事先去除训练样本中的噪声。最后将所有颜色指标的分类模型存入对比数据库。
在判读颜色指标时,遍历一幅图像的所有像素后获得该幅图像的特征色向量。将该幅图像的特征色向量输入至颜色指标分类模型,比照对比数据库计算其是否落在指定颜色区域范围内。计算落在每个颜色范围内的像素数量,得到特征点所占整个图像的比率。比较计算得到的比率与对比数据库内的样本统计得到的特征点比率(即各个区分面的标准比率)的大小。如果大于标准比率,则能区分出相应的甲色。
以上结合附图对本发明的一个最佳实施方式进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。

Claims (4)

1.基于支持向量机的甲象采集处理方法,其特征在于,包括以下步骤:
a.调整光线与甲象采集设备角度,使被试者指甲面上无阴影,并将被试者指甲调整至所述采集设备正中位置;
b.采集甲象图;
c.调整所述甲象采集设备的位置,多次采集甲象图;
d.对采集到的所述甲象图进行颜色校正;
e.分别提取每个所述甲象图的甲体部分;
f.分析所述甲象图中甲体部分的色彩信息,得出结论。
2.根据权利要求1所述的甲象采集处理方法,其特征在于:步骤b中采集甲象图使用Canon 700D单反相机。
3.根据权利要求1所述的甲象采集处理方法,其特征在于:所述步骤e包括矩形框截取感兴趣区域、色彩空间转换,H分量中值滤波、应用区域生长算法、二值化操作、腐蚀膨胀、找凸包等一系列过程得到甲体初始轮廓,应用Snakes算法自动分割甲体。
4.根据权利要求1所述的甲象采集处理方法,其特征在于:所述步骤f包括中医专家根据特征色信息将所采集的大量样本进行分类,统计得到特征色向量;将某颜色指标所有特征色向量输入支持向量机后形成该颜色指标分类模型;将图像的特征色向量输入至颜色指标分类模型,得到特征点所占整个图像的比率;比较计算得到的比率与各个区分面的标准比率的大小以区分出相应的甲色。
CN201710227581.6A 2017-04-07 2017-04-07 基于支持向量机的甲象采集处理方法 Pending CN107203776A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710227581.6A CN107203776A (zh) 2017-04-07 2017-04-07 基于支持向量机的甲象采集处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710227581.6A CN107203776A (zh) 2017-04-07 2017-04-07 基于支持向量机的甲象采集处理方法

Publications (1)

Publication Number Publication Date
CN107203776A true CN107203776A (zh) 2017-09-26

Family

ID=59906332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710227581.6A Pending CN107203776A (zh) 2017-04-07 2017-04-07 基于支持向量机的甲象采集处理方法

Country Status (1)

Country Link
CN (1) CN107203776A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1144644A (zh) * 1995-01-28 1997-03-12 陈成 全息诊断仪
CN1830380A (zh) * 2006-04-20 2006-09-13 上海交通大学 中医舌像分析与诊断系统
CN103473563A (zh) * 2013-09-23 2013-12-25 程涛 指甲图像处理方法及系统、指甲特征分析方法及系统
CN104572538A (zh) * 2014-12-31 2015-04-29 北京工业大学 一种基于k-pls回归模型的中医舌图像颜色校正方法
CN105877709A (zh) * 2016-04-07 2016-08-24 新绎健康科技有限公司 一种健康状态数据的采集装置、采集分析系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1144644A (zh) * 1995-01-28 1997-03-12 陈成 全息诊断仪
CN1830380A (zh) * 2006-04-20 2006-09-13 上海交通大学 中医舌像分析与诊断系统
CN103473563A (zh) * 2013-09-23 2013-12-25 程涛 指甲图像处理方法及系统、指甲特征分析方法及系统
CN104572538A (zh) * 2014-12-31 2015-04-29 北京工业大学 一种基于k-pls回归模型的中医舌图像颜色校正方法
CN105877709A (zh) * 2016-04-07 2016-08-24 新绎健康科技有限公司 一种健康状态数据的采集装置、采集分析系统及方法

Similar Documents

Publication Publication Date Title
CN103400146B (zh) 基于颜色建模的中医面色识别方法
CN112967285B (zh) 一种基于深度学习的黄褐斑图像识别方法、系统和装置
US20080139966A1 (en) Automatic tongue diagnosis based on chromatic and textural features classification using bayesian belief networks
CN103198467B (zh) 图像处理装置以及图像处理方法
CN104537373A (zh) 舌下络脉诊断用多光谱舌下图像特征提取方法
WO2018116321A2 (en) Retinal fundus image processing method
CN109431523A (zh) 基于非社会性声音刺激行为范式的孤独症初级筛查装置
CN110495888B (zh) 一种基于中医舌、面图像的标准色卡及其应用
CN104510447A (zh) 可见光与近红外光舌下图像采集系统
CN110335241A (zh) 肠镜检查后对肠道准备自动进行评分的方法
Su et al. Tear film break-up time measurement using deep convolutional neural networks for screening dry eye disease
CN115965607A (zh) 一种智能中医舌诊辅助分析系统
CN112102332A (zh) 基于局部分类神经网络的癌症wsi的分割方法
CN108451500A (zh) 一种用于中医望诊的面色检测和脸型识别设备
Wang et al. Accurate disease detection quantification of iris based retinal images using random implication image classifier technique
Nisar et al. A color space study for skin lesion segmentation
CN109241963A (zh) 基于Adaboost机器学习的胶囊胃镜图像中出血点智能识别方法
KR101063343B1 (ko) 혀 영상을 이용한 컬러 정보 분할 방법
Janani et al. Early detection of glaucoma using optic disc and optic cup segmentation: A survey
CN109711306B (zh) 一种基于深度卷积神经网络获取面部特征的方法及设备
CN114332910A (zh) 一种面向远红外图像的相似特征计算的人体部位分割方法
TWI430776B (zh) 智慧型影像膚質檢測系統及方法
CN106203525A (zh) 电子设备及其应用的图像处理方法及系统
CN112419246A (zh) 量化食管粘膜IPCLs血管形态分布的深度检测网络
CN112464871A (zh) 一种基于深度学习的中医舌部图像处理方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170926