CN1931085A - 基于像素的舌苔舌质颜色提取及分类方法 - Google Patents

Abstract

本发明提供一种科学严谨、准确率高，具有广泛应用价值的基于像素的舌苔舌质颜色提取及分类方法。首先从舌象数据库中选取典型舌象样本，对每一个舌象样本利用FCM算法进行颜色聚类，再对结果中的类别中心进行标定，根据标定结果将每一颜色类别中所有经过标定的聚类颜色值叠加形成样本集合，然后对每个颜色样本集合进行纯化处理和经样本筛选得到的颜色样本集合，最后使用改进的KNN分类器对每一个舌象进行苔色质色的分类和分析。本发明最大程度的降低了样本筛选过程中的主观因素，实现了对中医苔色质色的定量化、客观化和标准化，还将KNN算法应用于中医苔色质色的分类技术，实现了对多达14种苔色质色的计算机自动分类。

Description

基于像素的舌苔舌质颜色提取及分类方法

(一)技术领域

本发明涉及的是一种分析方法，具体地说是一种基于像素的舌苔舌质颜色提取及分类方法。

(二)背景技术

舌象特征在中医诊断病症等过程中具有较高的应用价值，尤其是舌苔舌质颜色是中医舌诊中最为重要的信息。但是目前对舌苔舌质颜色的分析、判别还停留在人工凭经验处理的水平，这不仅限制了舌苔舌质颜色这一有用的人体生理特征在判定人体病症等领域的应用，而且目前的人工分析判断的准确率较低，具有较大的随意性和不确定性。

(三)发明内容

本发明的目的在于提供一种科学严谨、准确率高，具有广泛应用价值的基于像素的舌苔、舌质颜色提取及分类方法。

本发明的目的设这样实现的：

1、舌苔舌质颜色提取：

1.1、从舌象数据库中选取苔色、质色的典型舌象样本，对每一个舌象样本利用模糊C-均值即FCM算法进行颜色聚类；

1.2、对颜色聚类结果中的类别中心进行标定，根据颜色标定结果将每一颜色类别中所有经过标定的聚类颜色值叠加起来形成代表每一种苔色质色的典型颜色分布的样本集合；

1.3、对每个颜色样本集合进行纯化处理；

1.4、对纯化结果进行样本筛选，最终得到颜色样本集合。

2、舌苔舌质颜色分类：使用改进的K-最近邻即KNN分类器对每一个舌象进行苔色质色的分类和分析。

本发明还有这样一些技术特征：

1、所述的从舌象数据库中选取的典型舌象样本有14种苔色质色，每种颜色选取20-50个样本；

2、所述的纯化处理为对每个颜色样本集合进行二次FCM聚类，并将每个集合聚类结果中的噪声点筛剔除；

3、所述的改进的KNN分类器包含改进的KNN分类算法：

(1)训练过程：

将每个训练样本<x，f(x))>加入到训练样本集中，其中，x是样本的特征向量，f(x)是样本的分类类别，f(x)∈V，V＝{v₁，v₂，…，v_n}是分类类别的集合。

(2)分类过程：

给定未知类别样本x_q，仅仅搜索颜色空间(如RGB颜色空间)中以x_q为中心、火小为m×m×m立方体中的所有颜色样本x₁，x₂，…，x_N；

计算：

$\hat{f}\left(x_q\right)\&LeftArrow;\underset{v\&Element;V}{\arg \max }\underset{i=1}{\overset{k}{\mathrm{\&Sigma;}}}\mathrm{\&delta;}\left(\mathrm{vf}\left(x_i\right)\right)$

其中，m＞1为搜索邻域直径，

δ函数的定义为：

$\mathrm{\&delta;}(a,b)=\left\{\begin{array}{c}1,\mathrm{if}(a=b)\\ 0,\mathrm{otherwise}\end{array}\right.$

而 就是未知类别样本x_q的分类的结果。

4、所述的使用改进的KNN分类器对待分类的舌象样本进行分类时加入定位信息。

本发明运用模糊C-均值算法对中医舌图像进行像素级的聚类，并结合中医专家对颜色类别的人工标定，最大程度的降低了样本筛选过程中的主观因素，实现了对中医苔色质色的定量化、客观化和标准化。此外，本发明还将KNN算法应用于中医苔色质色的分类技术，实现了对多达14种苔色质色的计算机自动分类。

本发明创建了基于像素的舌颜色分类系统结构，同时提出了二次FCM算法，解决了基于像素的舌色苔色颜色分类系统的舌色苔色分布模型的建立问题，提出了“动态局部KNN算法”并将其应用于舌色苔色分类中，解决了舌色苔色分类的速度问题。

(四)附图说明

图1是黄苔典型样本；

图2是标定为舌苔黄的类别图；

图3是舌苔黄的颜色集合；

图4-5是模糊C-均值算法聚类出的其他类别颜色；

图6-7是某个颜色样本集合进行二次FCM聚类后将要舍弃掉的颜色；

图8-9是某个颜色样本集合进行二次FCM聚类后将要保留的颜色；

图10是最后的聚类结果；

图11是原始舌象；

图12是预处理后图像；

图13-15是结果图。

(五)具体实施方式

下面结合附图对本发明的原理及过程作进一步的说明：

1、颜色模型训练

1.1、面向舌色的模糊C-均值聚类(FCM)

模糊C-均值算法(FCM)是对普通的C-均值算法的改进。它使用隶属度确定每个样本属于某个类别的程度，并通过反复迭代来最小化FCM目标函数，使得被划分到同一类别的对象之间相似度最大，而不同类别之间的相似度最小。

1.2、基于专家知识的舌色标定

结合图1-5，本发明从哈尔滨工业大学生物信息技术研究中心舌象数据库中选取14种苔色质色的典型舌象样本，每种颜色选取20-50个样本。使用FCM算法，对每一个精选舌象样本进行多次颜色聚类，并由中医专家对所得到的作为14种苔色质色的代表颜色(聚类结果中的类别中心)进行人工标定。然后根据专家知识的颜色标定结果，将每一颜色类别中所有经过标定的聚类颜色值叠加起来，便形成了代表每一种苔色/质色的典型颜色分布的样本集合。

1.3、二次FCM聚类和舌色遴选

结合图6-9，为了使每种典型舌色样本集合代表性更强，必须对其进行纯化处理，以进一步去除初始集合中的噪声(杂质或干扰颜色)，本发明对每个颜色样本集合进行二次FCM聚类，并将每个集合聚类结果中的噪声点筛剔除。

1.4、典型颜色样本集合

结合图10，经过二次FCM聚类和样本筛选，最终得到的14个颜色样本集合。

2、舌色分类算法

在中医专家的指导和配合下，本发明两次利用模糊C-均值(FCM)算法对舌体颜色进行了聚类，获得了14个典型的颜色样本集合。

分析这14个颜色样本集，可以发现以下这些特点：

1)颜色样本数巨大(上百万)；

2)很多颜色类别之间颜色值重叠严重(如紫色和淡紫色、红色和淡红色等)，造成许多颜色值无法精确判定其所属类别；

3)有些类别含有多个类别中心(如黄苔可以细分为焦黄苔、红黄苔等)。

这些特点的存在，极大影响了颜色样本的可分性和分类的时间复杂度，决定了我们无法使用诸如人工神经网络(ANN)、Fisher线性分类等方法。通过分析和比较，我们最终使用改进的K-最近邻(KNN)分类器对每一个舌象进行14种苔色质色的分类和分析。

Claims (5)

1、一种基于像素的舌苔舌质颜色提取及分类方法，其特征在于：

1.1、舌苔舌质颜色提取：

1.1.1、从舌象数据库中选取苔色、质色的典型舌象样本，对每一个舌象样本利用模糊C-均值即FCM算法进行颜色聚类；

1.1.2、对颜色聚类结果中的类别中心进行标定，根据颜色标定结果将每一颜色类别中所有经过标定的聚类颜色值叠加起来形成代表每一种苔色质色的典型颜色分布的样本集合；

1.1.3、对每个颜色样本集合进行纯化处理；

1.1.4、对纯化处理结果进行样本筛选，最终得到颜色样本集合。

1.2、舌苔舌质颜色分类：使用改进的K-最近邻即KNN分类器对每一个舌象进行苔色、质色的分类和分析。

2、根据权利要求1所述的一种基于像素的舌苔舌质颜色提取及分类方法，其特征在于：所述的从舌象数据库中选取的典型舌象样本有14种苔色、质色，每种颜色选取20-50个样本。

3、根据权利要求1所述的一种基于像素的舌苔舌质颜色提取及分类方法，其特征在于：

所述的纯化处理为对每个颜色样本集合进行二次FCM聚类，并将每个集合聚类结果中的噪声点筛剔除。

4、根据权利要求1所述的一种基于像素的舌苔舌质颜色提取及分类方法，其特征在于：

所述的改进的KNN分类器包含改进的KNN分类算法：

(1)训练过程：

将每个训练样本<x，f(x)>加入到训练样本集中，其中，x是样本的特征向量，f(x)是样本的分类类别，f(x)∈V，V＝{v₁，v₂，…，v_n}是分类类别的集合。

(2)分类过程：

给定未知类别样本x_q，仅仅搜索颜色空间(如RGB颜色空间)中以x_q为中心、大小为m×m×m立方体中的所有颜色样本x₁，x₂，…，x_N；

计算：

$\hat{f}\left(x_q\right)\&LeftArrow;\underset{v\&Element;V}{\arg \max }\underset{i=1}{\overset{k}{\mathrm{\&Sigma;}}}\mathrm{\&delta;}(v,f\left(x_i\right))$

其中，m＞1为搜索邻域直径，

δ函数的定义为：

$\mathrm{\&delta;}(a,b)=\left\{\begin{array}{c}1,\mathrm{if}(a=b)\\ 0,\mathrm{otherwise}\end{array}\right.$

而

就是未知类别样本x_q的分类的结果。

5、根据权利要求1所述的一种基于像素的舌苔舌质颜色提取及分类方法，其特征在于所述的使用改进的KNN分类器对待分类的舌象样本进行分类时加入定位信息。

Images