论文研究-基于Python与OpenCV的舌象分割 .pdf

所需积分/C币:49 2019-08-19 01:36:22 568KB .PDF
90
收藏 收藏
举报

基于Python与OpenCV的舌象分割 ,杨露,钱旭,舌象诊断是中医最具临床应用价值的方法之一,随着计算机技术的迅速发展,舌诊克服以往主观性、非量化等缺点,形成自动化与客观化
图武获记义在线 消除光线影响 在实际图像采集过程中,由于亮度的交化导致采集的舌象往往不尽如人意。为了使一些 没有色彩层次的图片质量有所提高,本文采用基于直方图统计的方法,对图像进行直方图均 衡化,消除光线影响。如下图所示,左图为原图,右图为均衡化后效果图 D. I histogram [auaizetion 图1图像均衡化效果对比图 消除噪声影响 在实际采集图像中尝尝会包含各种各样的噪声,为了使其对图像清晰度评价函数值的影 响减小,需要先去掉图像中的噪声。夲文采用中值滤波方法去噪,它是一种既能消除噪声又 能保持图像细节的经典非线性滤波方式,其主婓功能主要是让周圉像素灰度值査比较大像素 改取与周围像素值接近的值,对独立的噪声像素的消除能力很强,如下图所示,左图为原 图,右图为去噪后的效果图 a' Median 图2中值滤波效果对比图 图像分割 算法原理 算法基本思想是把整幅图像映射为网终图(如下图所示),其中源点 表示前景终点,汇点表示肯景终点。由图可知,边集包含两部分:源点汇点和所有其 它节点的连接边、图中相邻节点之间的边。相应的,边的权值需反映出像素点与前景、背景 图武获记义在线 的相似程度,相邻像素间的颜色差异,分别反映了图像的区域属性和边界属性,不妨分别称 之为区域能量与边界能量。记图像分割的总能量、区域能量和边界能量分别为、() 及 )则有 e,)(a 0) 域能量项为 () 边界能量项为 「a≠a 其中,为图像数据,α为像素的属性,a 表示前景 表 小背景。为像素点所属 标号日Ⅱa,,卩a,, 为 的参数模型 提供的接口是通过用户指定的矩形框来区分选择目标集合和背景集合。矩形框 内的为目标像素集合,而矩形框外的为背景像素集合。由此得到了两个像素集合和 其中是矩形框外的所有像素,表示的是背景像素集合,并且对每个像素赋予背景标记α 是矩形框内的所有像素,表示的是用未知分类的像素集合,赋予前景标记α ,而目前代表前景的像素集合Φ。然后通过前景和背景标记的像素分别初始化两个 ,个为前景模型,·个为背景模型。至此, 将按如下步骤进行达代运算: ()为中的每个像素做的标记, a日 ()根据标记后的像素集合重新确定两个 的各个高斯分量的参数。 ()使用最小割算法对能量函数进行最小化,改变集合中每个像素的标记 a,更新和 ()重复步骤()()至收敛 算法的分割过程是通过迭代不断更新、修正 参数,使算法趋于收敛 因为迭代过程中优化了组参数,θ,α,使得分割能量 逐渐减少,最终能够俣证 收敛于最小值,实现图像分割。 图武获记义在线 切分 图3s-t网络 分割算法的改进 能量函数的优化 假设整幅舌像一共有个像素点,n三… ,维数为d,使用 模 型描述背景和前景像素之间的分冇情况。像素点都是由个 的混合模型表示,且 为像素点的 其中α=1表小前景,a 表小背景。 T ∑ 其中,表示第k个高斯模型下的密度函数 Pk(zi /an, 0)=Tckpk(zi, 0) (6) 其中,θ=T ∑为参数,T为比例系数,为平均值∑为协方差。 似然估计公式为 og TT log[t 6 的能量函数形式如下: E(,k,6,x)=U(a,k,6,z)+V(a,2) D(an, kn, 0, zn)+ve 其中αθ为区域项,α为平滑项。由上面两式得到 e =log TT OgTT lgTk+log∑ T∑ , 通过更新 模型的参数得到下面两个公式: k, e az=¥a≠a1 ‖2) 其中,C为相邻像素点对的数量,Y=,a≠a]为或的二值函数。当且 仅当m≠a时,[am≠a]=;当且仅当am=a时,[am≠a]=。β 图武获记义在线 )-1为数学期望 熵在信息论的定义为:T Tt lOg (TT 其中,丌为信息量的大小。能量函数进过优化后如下: k e a,k,0,z)+(a,z)+p TT]=(a ,θ,)+α,z)+ p T k log(Tk) 其中,p表示惩罚因子。分割能量函数进过优化后不仅图像的细节信息可以最人限度 地保留,而且可以消除掉多余的高斯分量,最终提高图像的分割精度 改进的 算法 具体步骤如下 预处珥。首先对输入舌像使用二次分水岭算法,求出分割后得到的小区域颜色平 均值,并把它作为像素节点,以便进行后续处理 初始化。初始化过程如下: )用户初始化,令Φ,Tu=,通过设定位置区域T和背景区域 把三元图T转换为二元图的标号问题,以此对图像进行非完全编号。 将背景像素透明度α置;对未知的区域TU,将α改置为。 对于α=与a=这两个集合,使用 聚类方法对背景和前景的 进行 初始化以获取 的参数(丌n,un,Σk)初值。 最小化迭代。过程如下 )计算出的 参数 a, k )所有像素α执行标记并优化,αn= a, ke )从目标图像的节点求出 的参数日 a, ke, ,以此求出 参数(Ⅱ,u,Σk)的估计值。 这个过程不仅可以得到节点到背景和前景之间的距离,同时还可以计算出基」混合比 例熵的惩罚(T) )各个像素的 模型的数据项(α,,θ,)经过算法估计得到,再通 过熵惩罚获取索引号,最后对其约東平滑项部分,最终得到能量项(α,,θ, )对构造的网络图,采用 算法初始化分割图像。 )重复执行 中的步骤 ,直到收敛 )执行边界的优化 输出目标。分别获取α一与α一像素点,把α一的像素输出,即得到前景 目标。 国武蔹论义在线 实验结果与分析 本文实验平台 为测试算法以及与 的性能,本文选取不同的舌体图像进行试验,部分实验结果如下图所示,实验结果表明,基 采用 算法对舌象进行分割,图像质量越晑,分割效果越好 且对比之前的阈值分割算法提取舌体不完整、 算法遇到舌体門陷部位就不能很好 提取等缺陷,采用此方法不仅能够识别伪边缘,对髙体凹陷区域也能取得较好的分割效果, 而且无论图像大小,均能取得良好的分割效果。 a Final 回8 图图像分割前后对比 画 Final 图图像分割前后对比 1 Fnal 回 图图像分割前后对比 图武获记义在线 结论 可以看出,基于 技术采用 算法对舌象进行分割,首先利用 与 的强大图像处理能力对舌象进行预处理,结合 算法以其高精度的 分割能力和方便快捷的人机交互,综合多种舌象的测试,通过对比阈值分割算法、算 法提取舌体,本文取得更好的分割效果,克服了嘴唇、脸部的影响,对舌伓凹陷区域也取得 较好的分割效果。但是算法冇在的问题是,随着海量效据的増加,算法分割效率降低,所以 下一步考虑对该算法进行相应的改进 參考文献 杨大生陈晖邹丰美周昌乐一种有效的舌体自动化分割算法计算机应用研究 刘安博文基于动态阈值介割的目标提取技术红外技术 柷建巾基于中心估计的椭圆检测计算机工稈与应用 张志顺.改进的小波变换在中医舌象边缘检测中的研究[].计算机工程与应用,, 干明莫,张新峰,卓力.一和基于 嫫型的中医舌象分割改进算法,测控技术, 陈善超,符红光,工穎.改进的一种图论分割方法在舌像分割中的应用.计算机程与应用 王钧铭高立鑫赵力基于 的图像分割算法研究电视技术 吴佳,张永红,白浄,等.基丁分水岭变换和主动轮序模型的舌体轮廓图像分割[].清华大学学 报

...展开详情
试读 8P 论文研究-基于Python与OpenCV的舌象分割  .pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
关注 私信
上传资源赚钱or赚积分
最新推荐
论文研究-基于Python与OpenCV的舌象分割 .pdf 49积分/C币 立即下载
1/8
论文研究-基于Python与OpenCV的舌象分割  .pdf第1页
论文研究-基于Python与OpenCV的舌象分割  .pdf第2页

试读结束, 可继续读1页

49积分/C币 立即下载 >