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。