基于图像分割的舌象检测方法

传统的数字化舌诊研究系统多是建立标准的采集环境进行舌象采集,在密闭、光照稳定的环境下得到高质量的舌象图像.而在开放环境下,光照情况以及拍摄角度等往往较为复杂,因此,进行舌象分析时,首先需检测图像中是否存在合适的可供后续分析的舌象.针对这一特点,提出了一种基于图像分割的舌象检测算法.该算法首先对图像进行颜色校正的预处理,接着对图像进行分割得到多个连通域,通过判断连通域特征得到最终舌体区域后,再利用区域的纹理特征达到舌象检测的目的.实验结果表明,该方法具有较好的鲁棒性,且有较好的检测率,能够实现开放环境下的舌象检测.     

亮色分离的饱和图像校正方法

针对图像饱和产生的偏色和细节丢失问题,提出了一种在YCbCr色彩空间进行的饱和图像校正方法。在校正时不仅考虑用邻域颜色去校正饱和像素,同时参考了该像素的不饱和通道信息。在单通道饱和像素校正中,设定校正点位于原饱和通道方向的延长线上,且为该线与邻域加权平均颜色组成的直线的最短距离点。由于校正是在YCbCr三维空间进行的,因此校正像素的亮度值被同时固定。在双通道饱和像素校正中,校正点颜色用邻域颜色相关性恢复,亮度值通过参考不饱和通道原始数值计算恢复。在3通道饱和像素校正时,对校正点颜色使用邻域恢复,而对亮度采用了梯度保持的方法。实验结果表明,该方法能更有效地校正RAW格式图像和处理后图像的颜色和亮度,并尽量保持不饱和区域的图像信息。     

基于CS-BP神经网络的舌诊图像颜色校正算法

针对开放环境下舌诊图像采集过程中存在颜色偏差问题,文章提出基于CS(布谷鸟搜索)-BP的舌象颜色校正算法,利用布谷鸟的巢寄生性以及levy飞行机制优化BP神经网络。为了与其他颜色校正算法作对比,文章选择了多项式回归。为了研究不同拍摄环境对颜色校正结果的影响,分别在不同时刻下的室内、室外、白炽灯拍摄环境下,采集带有24色色卡的舌象并应用三种算法对其颜色校正得出结果进行对比分析,采用CIElab色差值指标对这三种算法进行评价,实验结果表明,与多项式回归和BP神经网络算法相比,CS-BP算法的校正效果得到明显提高。     

基于舌图像多特征融合与机器学习的裂纹舌识别算法

舌裂纹是中医舌诊辨证施治的重要信息源,能够客观、准确地反映某些典型疾病和中医证候的变化。针对传统的裂纹舌诊断易受医生经验、环境变化等因素的影响,提出了基于舌图像多特征融合与机器学习的裂纹舌识别算法。首先,采用Grabcut方法对原始舌图像进行舌体分割;然后,提取图像基于灰度共生矩阵的纹理特征,基于低阶颜色矩的颜色特征,以及基于方向梯度直方图的形状特征;最后,将三类特征及其不同的组合形式分别输入四个经典的机器学习模型,完成裂纹舌识别。实验结果表明：多特征融合往往有助于提高机器学习模型的识别能力,尤其是融合三类特征的自适应提升树(AdaBoost)取得了几乎能与深度学习模型相媲美的识别效果：AUC为0.97,准确率为0.91,精确率为0.91。可见,提出的裂纹舌识别算法有助于传统中医舌诊的客观化、定量化和标准化。     

基于颜色校正和明暗通道的沙尘降质图像增强算法

针对沙尘天气下拍摄的图片中存在的颜色偏移、对比度低等问题,提出了一种沙尘降质图像增强算法.该算法由基于高斯模型的偏色校正和基于暗通道和亮通道的对比度增强2个部分组成.首先根据沙尘降质图像的RGB 3个通道直方图的分布特点,使用高斯模型分别对各通道进行建模,从而进行颜色调整,解决沙尘图像的偏色问题,其次采用暗通道先验去雾的原理,结合亮通道,计算像素级的大气光值,然后对透射图和大气光值进行优化,从而恢复出清晰的无沙尘图像,最后实验结果表明本文算法可以较好地提高沙尘降质图像的重建主观质量,并保持良好的色彩保真度和亮度.     

基于PCA-AdaBoost的舌象颜色分类研究

舌诊是中医四诊的重要内容,为中医临床必察之项.古往今来,为名医者莫不精深于舌诊.颜色特征是诊断的重要特征,对其进行识别(分类)的好坏将直接影响舌诊诊断系统的准确性.利用主成分分析(PCA)的全局性,在HSV颜色空间中对舌象进行特征提取、降维,并通过AdaBoost把一系列弱分类器提升为强分类器,对舌象颜色进行了深入的分类研究.结果表明.此算法是有效的.     

基于直方图阈值和Snakes模型的舌象图像自动分割

在中医临床现代化研究中,提出采用计算机图像处理技术进行舌诊客观化研究.在Snakes模型下将目标舌体从原始图像中提取出来,实现舌诊客观化研究第一步.利用直方图阈值估计最初舌体轮廓线,通过Snakes模型能量最小化计算,对估计轮廓线进一步处理以达到最佳效果,提高了舌体提取的准确率.最后通过实验证明了算法的有效性及可行性.     

基于最优解的数字成像系统色彩校正方法

由于受图像传感器光谱响应灵敏度、镜头光谱透过率等因素影响,数字成像系统的成像过程可能会带来图像颜色的失真.而图像的颜色信息往往是进行图像分析的重要依据,对数码成像系统的彩色还原性评价、检测以及校正方法进行研究具有重要的意义.在CIELAB色度空间采用数学方法,求出校正矩阵最优解,进而对图像的色彩进行校正.通过对标准色块标板图像进行实验,发现最优解法校正后的图像各个色块色差值均有减小,实现了对标准色板全部色块颜色的综合校正.     

基于Retinex理论的JPEG压缩方法研究

现有JPEG压缩标准推荐的色度与亮度量化表,是通过对自然光照下图像色彩数据的统计和实验获得的,不具备偏色校正功能.为此以Retinex理论为基本计算框架,探究并提出一种新的具有色彩恒常性的JPEG压缩方法.该方法通过构建合适的DC系数矩阵来迭代计算DCT系数的局部空间均值,由此估计出照度分量;然后,对照度分量影响信息和边界方向信息进行综合计算来调整亮度量化表,以达到同时实现偏色校正和图像压缩的效果.实验结果表明,与现有的JPEG方法相比,该方法在保持同等压缩比的情况下,具有更好的偏色校正效果.     

面向视频侦查的偏色视频快速校正方法研究

视频侦查工作中常遇到视频偏色问题,出现目标物色彩特征的改变,不利于目标的定位和追踪。针对上述问题,依据视频侦查应用的现实基础,提出一种基于Single-Scale Retinex(SSR)算法的偏色视频快速校正方法,首先基于特定的实验样本为SSR算法选定合适的高斯函数标准差,随后对输入的偏色视频进行SSR算法实时校正,将校正后视频输出用于后续侦查工作。实验表明,针对现实场景监控摄像头获取的偏色视频,利用SSR算法得到的处理结果能较好的纠正视频偏色问题,恢复目标物原本颜色。