（测试计量技术及仪器专业论文）基于语义网络表示的皮肤症状模糊推理系统研究.pdf

摘要在人们对皮肤美容与保健h 益关注的今天，迫切需要设计一种具有症状识别及护理的智能皮肤诊断系统。该系统能够将人工智能相关原理与图像处理相结合，实现山计算机对皮肤显微图像的理解。本人主要工作和研究成果包括以下几个方面：( 1 ) 提出一种采用逐步回归分析的皮肤症状特征选择方法。建立了反映处理特征量之间线性关系的数学模型，检测出它们之间的相关性，选取回归建模过程中不相关的特征重构特征向量，从而降低了特征空间维数。( 2 ) 提出了一种基于语义网络的皮肤症状知识表达方法。结合皮肤症状图像的特征描述特点和语义网络知识表示的优点，用语义网络表示皮肤症状图像知识。通过语义网络将复杂的知识进行分解，把皮肤症状各种参数间的语义联系显式地表示出来，从而使复杂知识的表示变得简单可行，更接近人的思维习惯。( 3 ) 提出了一种基于语义网络表示的皮肤症状模糊推理系统模型。根据皮肤症状参数的特点，分别构造了症状的几何特征、颜色特征和不变矩组合特征等参数的隶属度函数，确立了模糊匹配和冲突消解的原则，制定出不同皮肤症状的推理规则，总结出一套基于语义网络表示的皮肤症状图像模糊推理算法。本课题属于图像理解的应用基础研究。针对皮肤症状的特点，开创性地提出套基于语义网络对皮肤图像进行处理与识别的方法，具有创新性。经过理论分析与实验比较证实了所提方法的正确性及可行性，成功地将图像理解和人工智能的知识相结合。虽然本文的具体目标对象是皮肤症状的识别，但是这种方法和手段办可用于其它特定的目标和场合，如基因点阵序列的识别，染色体的识别等领域，因此本文的研究工作具有一定的科学意义及实用价值。关键词：皮肤症状，特征选择，语义网络，模糊推理，自动识别va b s t r a c tn o w a d a y s ，p e o p l ea r ei n c r e a s i n g l yc a r i n ga b o u tt h e i rs k i nb e a u t i f i c a t i o na n dh e a l t h y i ti si nu r g e n tn e e dt od e s i g nas k i ni n t e l l i g e n td i a g n o s t i cs u p p o r ts y s t e mt or e c o g n i z es k i ns y m p t o m s t h es y s t e mi sb a s e do na r t i f i c i a li n t e l l i g e n tt h e o r i e sa n dm o d e mi m a g ep r o c e s s i n gt e c h n i q u e s t h em a i nt a s k sa n dr e s b a r c hr e s u l t si n c l u d e ：( 1 ) ak i n do ff e a t u r es e l e c t i o nm e t h o du s i n gs t e p w i s er e g r e s s i o nw a sp r o v i d e d m a t h e m a t i cm o d e lt h a tr e f l e c t st h el i n e a rr e l a t i o n s h i pa m o n gp a r a m e t e r sw a sb u i l t c o r r e l a t i o no fp a r a m e t e r sw a sc o m p u t e dw i t ht h i sm o d e la n di r r e l e v a n tp a r a m e t e r sw e r es o r t e do u t r e c o n s t r u c t i n gf e a t u r ev e c t o ru s i n gt h es e l e c t e dp a r a m e t e r sa n dt h ed i m e n s i o no ff e a t u r ev e c t o rd e c r e a s e dg r e a t l y ( 2 ) as k i ns y m p t o mk n o w l e d g er e p r e s e n t a t i o nb a s e do ns e m a n t i cn e t w o r kw a sd e s c r i b e di nd e p t h t h i sm e t h o dc o m b i n e dc h a r a c t e r i s t i c so fs k i nm i c r o - i m a g es y m p t o m sa n da d v a n t a g e so fs e m a n t i cn e t w o r kt or e p r e s e n tt h ek n o w l e d g eo fc o m p l i c a t e ds k i ns y m p t o m s t h ec o m p l i c a t e dk n o w l e d g ew a sd e c o m p o s e db ys e m a n t i cn e t w o r k ，t h u st h er e p r e s e n t a t i o no f t h ek n o w l e d g ei ss i m p l i f i e d ( 3 ) am o d e lo fs k i ns y m p t o mf u z z yi n f e r e n t i a ls y s t e mb a s e do ns e m a n t i cn e t w o r kw a sc o n s t r u c t e d t h em e m b e r s h i pf u n c t i o n so fg e o m e t r yf e a t u r e ，c o l o rf e a t u r ea n dc o m b i n e di n v a r i a b l em o m e n tf e a t u r ea r eb u i l ta c c o r d i n gt op a r a m e t e r so fs k i ns y m p t o m s t h er u l e so ff u z z ym a t c h i n ga n dc o n f l i c te l i m i n a t i o na r ee s t a b l i s h e da n di n f e r e n t i a lr u l e so fd i f f e r e n ts k i ns y m p t o m sa r es e tu p t h ef u z z yi n f e r e n t i a la l g o r i t h mo fs k i ns y m p t o m sb a s e do ns e m a n t i cn e t w o r ki ss u m m a r i z e df i n a l l y t h ep r o j e c tb e l o n g st of u n d a m e n t a la p p l i e dr e s e a r c hi ni m a g eu n d e r s t a n d i n g as e to fp r o c e s s i n ga n dr e c o g n i t i o nm e t h o do fs k i nm i c r o i m a g eb a s e do ns e m a n t i cn e t w o r ka r eg i v eo u ti n v e n t i v e l y t h e s em e t h o d sw e r ev a l i d a t e db yt h e o r e t i c a la n a l y s i sa n de x p e r i m e n tr e s u l t s i m a g eu n d e r s t a n d i n ga n da r t i f i c i a li n t e l l i g e n ta r ec o m b i n e ds u c c e s s f u l l yt h r o u g ht h e s em e t h o d k e yw o r d s ：s k i ns y m p t o m ，f e a t u r es e l e c t i o n ，s e m a n t i cn e t w o r k ，f u z z yi n f e r e n c e ，a u t or e c o g n i z e原创性声明本人声明：所呈交的论文是本人在导师指导下进行的研究工作。除了文， j 特别加以标注和致谢的地方外，论文中不包含其他人已发表或撰写过的研究成果。参与同一工作的其他同志对本研究所做的任何贡献均己在论文中作j 7 明确的说明并表示了谢意。签名：到趋日期：2 翌! ：三：丝本论文使用授权说明本人完全了解上海大学有关保留、使用学位论文的规定，即：学校有权保留论文及送交论文复印件，允许论文被查阅和借阅；学校可以公布论文的伞部或部分内容。( 保密的论文在解密后应遵守此规定)签名：篁趾导师签名：期：夕印多孑吖第一章绪论在社会活动和科研生产工作中，人们每时每刻都要接触图像。图像信息是人类认识世界的重要知识来源，曾有学者作过统计，人类所得的信息有8 0 以上是图像信息。近年来，图像信息处理技术作为一门独立的新学科获得了深入、广泛和迅速的发展。现在，人们已充分认识到图像信息处理技术是认识世界、改造【比界的重要手段之。将人工智能中其它研究分支，如知识表示，专家系统等与图像信息处理技术相结合，力争使计算机的识别和理解能够按人的认识和思维方式工作，是图像信息处理技术未来发展的方向之一。1 1 课题研究的背景与意义随着社会的发展和人民物质生活水平的提高，皮肤保健和美容越来越受到人们r 的关注，人们渴望拥有美丽健康的皮肤。在美容院内以及各大商场的化妆品柜台前经常有一些基于p c 机的皮肤诊断系统。这类皮肤诊断系统主要是通过微机的外围摄像头将顾客的脸部皮肤图像采集下来，经放大后在屏幕上显示，然后由皮肤专家根据专业知识，指出皮肤上的症状，向顾客提出相应的护理方法。该系统能直观的显示症状所在位置，但其智能化程度不高，因此这类系统对操作员要求较高，他们必须具备有关皮肤症状的背景知识。并且由于对症状的判断往往是依赖人的主观认识，所以不同的人对同一症状可能会有不同的诊断结果。在实际生活中，人们通常以专家的判断作为评判依据，但个人能接触专家的机会是有限的，并且专家的知识并不是普通人能轻易掌握的。由此，笔者联想到是否能设计一套皮肤显微图像理解系统，将专家的知i ： j 预先输入到计算机的知识库中。对于新的症状图像，i _ = | 计算机提取特征与库中的内容比较，自动完成对所输入的皮肤症状的识别与理解。皮肤显微图像理解研究的目标是设计出一套皮肤诊断专家系统，用来模仿皮肤科专家的视觉诊断。它能对客户的皮肤显微图像数字化处理，提取特征，从而进行显微图像的处理；并运用人工智能的些理论与算法，将人i ：智能中其它领域的知识与图像处理相结合，实现由计算机对皮肤显微图像的理解，即通过输入的皮肤显微图像给出所输入图像的解释和描述，如图1 1 所示。湖一4 一| 学仳论，正皮置兰!：!竺竺叫二二三至三互互声削像的描述+解释叫凹像理解卜- +图1l 皮肤显微图像理解示意图虽然图像处理技术己发展了8 0 多个年头，期间也产生了许多经典的理论与算法，但根据笔者观察，许多理论与算法还处于试验性阶段。通过查阅了大量的相关文献，不少的新技术已被提出，但这些技术处理多运用在l e n a 、c a m e r a m a n等标准图像中，而对实际对象的图像应用得相对较少。同时由于数字图像处理没有一个通用的数学模型，所以各种图像的处理方式是不同的。例如，一种算法运用在遥感图像中可能效果十分显著，但运用在b 超中就可能毫无作用。对某种图像的处理，必须根据其本身的特征( 通常称为背景知识) ，选取最有效的解决方法。所以，应根据不同的对象和不同的应用背景进行不同的处理。通过我们收集的文献与资料来看，有关皮肤显微图像处理的内容不是很多。但无论对于医学事业，还是人们的日常生活，皮肤显微图像的分析与理解都是十分重要的所以本课题立足于皮肤显微图像的研究，同时试图将医学知识与工程技术联系在一起。它既需要研究者有着丰富的理论知识与熟练的编程技术，也要求研究者能了解一定的医学背景，因为以哪些参数作为特征值完全是根据症状部分在视觉上的特点，同时结合皮肤科专家的背景知识而确定的，因此本课题属于跨专业的研究。同时，若能设计出此类专家系统产品，将减少许多患者排队等待专家门诊的麻烦。本课题研究的对象虽然是具有识别皮肤症状功能的图像系统，但配置相应的知识库，其研究方法亦可用于其它领域，如基因点阵序列的识别、文物钱币的鉴别、细胞分析、染色体分类、指纹识别、智能机器人以及工业视觉等。因此本文的研究工作既具有科学意义又有广泛的应用前景。1 2 图像理解国内外研究现状针对具体的对象和应用场合，数字图像理解的应用很广。由美国军方研制的s c o r p i u s ( s t r a t e g i cc o m p u t i n go b j e c t - d i r e c t e dr e c o n n a i s s a n c ep a r a l l e l p r o c e s s i n gi m a g eu n d e r s t a n d i n gs y s t e m ) 系统旨在组合利用并行处理和图像理解系统研究成吁h 芦坝卜1 # 位论正果，监视! 书目标状态变化，检测和鉴别感兴趣的目标，提供有关军事动向的资料和情报。k b v i s j o n ( k n o w l e d g e b a s e dv i s i o n ) 是美国a m e r i n e x 人工智能公司的产品，采用c 语言作基本的数字和图像特征处理，而用l i s p 语言服务于对图像内容作推断等高级处理。此产品已较广泛地为图像理解领域的研究人员使用，为发展图像特征分割算法提供了一个有效的接口。在h 本，与图像处理关联的市场有数千亿日元的规模，图像处理本身是小市场，f 日足与之有密切关系的图像处理关跃的市场规模相当大。国内图像理解发展了几十年，保持着较好的发展势头，同时也反映了它的不成熟 “。然而图像理解的不成熟不仅仅在于技术上的问题，更多的在于人类对自身视觉机理还不十分了解。人类视觉系统具有惊人的分析和理解能力，但人类是如何通过视觉系统来获取、精选和分析理解视觉知识的，至今还未充分搞清楚。由于人们对相关领域的先验知识不足，而且人们对图像中蕴含的隐式模式的了解也很少，真i f 实现对图像这种信息载体的理解还需要更多更完备的知识。图像理解的应用在过去的十多年中以较快的速度在增长，越来越多的复杂图像解释需要自动完成，诸如病例图像的分析、法庭可视证据的识别、历史文字和图片档案的修复以及文字的自动识别、交通的管理和监控、信件和包裹的自动分检和归类、宇南探测中对星际照片进行分析和理解等，这些应用都需要特殊化的专业知识才能完成，因此建立一个基于知识的图像理解模式是十分必要的。图像理解的基本研究方法需要利用人在不同相关领域的先验知识，分析图像这一载体所蕴含的各种模式信息，研究其最合理的、全面的图像解释。人工智能理论与图像理解的结合将极大地促进整个图像理解的发展。一些相关的基于知识的方法在图像理解中的应用，更加带动了图像工程的智能化发展。例如建立一个图像模式的知识库可以用于动态图像理解。神经网络的自适应性、并行性等特点在图像理解中的应用，不仅提高了图像系统的智能化程度和适应性能，同时为系统的实时性提供了可能，使系统走向实用。图像理解的发展方向概括起来为：( 1 ) 向智能化方向发展：建立基于知识的、模型的和规则的分析和理解方法，使图像理解系统能根据已有的经验知以来“主动”理解本身不具有精确理解所需完备信息的图像。在此过程中，建立视觉模型中的知识表示架构是一个核心汕j | 、：- 卜产位盹叫题。在众多的知识表示方法中，语义网络知识表示法表达方法灵活，表达方式明确、简洁，便于理解，在人工智能和机器视觉中应用广泛【3 l 【4 。m i t 人工智能实验窀的s t e p h e np e t e r s 矛l j h o w a r de s h r o b e 对语义网络知识表示法在人工智能环境l 卜l 的应用进行了研究l ”，他们认为语义网络表示法在数据的获取和解释上将带给我们极大的灵活性。因为语义网络本身固有的特点，可以局部添加或改变信息，所以存此基础上进行的推理效率会更高。( 2 ) 4 i 断完善图像理解的理论：对图像模式本身及其蕴含的各种模式的深入理解，以及对人类视觉系统的机理的进一步深入了解，不断完善图像理解的理论皋础，提出更多地解决问题的策略和完备的算法。( 3 ) 提高图像理解系统的适应性：不断改善系统的适应性，以适应不同条件下的图像理解。( 4 ) 向实时化方向发展：图像理解系统的实时化为系统应用到现实世界提供可能。系统需处理大量的图像数据，然而复杂的算法必然增加计算的复杂度。实时化可能从两方面解决：一种方法是让成熟的算法运行在高性能的硬件平台上或者用硬件实现算法及并行化；另一方法就是提出合理简单的新方法，能很好地反映问题的本质，使系统成本大幅度降低。1 3 主要研究成果与创新点本文以皮肤显微图像为研究对象，通过对皮肤症状图像的分析，利用皮肤专家的知识、临床经验等内容构成皮肤诊断知识库。通过皮肤显微图像采集、预处理、图像分割、特征提取、特征选择、分类识别，构建皮肤症状推理系统模型。本文的主要工作和研究成果如下：( 1 ) 皮肤图像的特征选择提出。种采用回归分析的特征选择方法。通过建立反映处理特征量之间线性关系的数学模型，检测出它们之间的相关性，选取那些回归建模过程中不相关的特征堕构特征向量，找出线性独立的特征参数，从而降低了特征空间维数。( 2 ) 皮肤症状的语义网络表示结合皮肤症状图像的特征描述特点和语义网络知识表示的优点，用语义网络表示复杂的皮肤症状图像知识。通过语义网络将复杂的知识进行分解，把皮肤症4，衄 1 ，砷o z * 论艾状符种参数阳j 的语义联系显式地表示出来，从而使复杂知识的表示变得简单可行，史接近人的思维习惯。f3 ) 皮肤症状推理系统的构建提出一种基于语义网络表示的皮肤症状模糊推理系统。根据皮肤症状参数的特点，分别建立各自的隶属度函数：确定模糊匹配和冲突消解原则，制定不同症状的摊理规则；确定了一套基于语义网络表示的皮肤症状图像模糊推理算法，构建了皮肤症状推理系统模型。本课题将人【智能领域中有关语义网络的知识表示方法以及模糊理论的有关内容应用到图像理解中，探索图像理解向智能化方向发展的道路。在课题的研究过程中，笔者完成了上海大学图象处理系统2 0 版本的设计，作为皮肤症状推理模型的实验平台。1 4 论文结构本文介绍了皮肤症状图像推理系统的实现过程，主要结构如下：第章绪论部分，阐述了皮肤诊断的研究背景和意义，作者的主要工作以及全文安排。第一- 章介绍皮肤及其症状特征，给出了基于知识的图像理解系统框架，阐述了皮肤智能诊断支持系统s i - d s s ( s k i ni n t e l l i g e n td i a g n o s t i cs u p p o r ts y s t e m ) 的构成。第三章主要阐述皮肤图像的预处理、特征参数的提取和选择问题。从皮肤症状的视觉特征出发，结合专家的知识，运用图像处理和分析的基本方法，对皮肤图像进行一系列的处理。第四章介绍了人工智能中知识的表示方法，结合皮肤症状图像的特点，给出了皮肤症状图像知识的语义网络表示。第_ 士! l 章阐述了基于语义网络表示的皮肤症状模糊推理系统的建立方法。给出了推理规则，建立了推理系统的算法模型。第六章是全文的总结以及对今后研究的展望。南j 、学坝i 学位论业第二章皮肤症状图像识别系统2 1 皮肤及其症状特征皮肤不仅是一个包装的器官，还具有很多的功能，如保护、感觉、吸收、分泌与排泄、代谢、调节体温和免疫稳定作用，而且它还是一个审美器官，能传递人体美的各种信息”。健康皮肤不但能完成上述各种功能，还能使人容光焕发，富有青春魅力。随着生活水平的提高，皮肤保健和美容越来越受到人们的关心和重视。2 1 1 正常皮肤的标准f 常皮肤的标准主要是根据肤色、光泽、质地、细腻、滋润、活力和耐老等方面评判的。肤色皮肤的颜色，主要由皮肤内部的色素含量，透过皮肤见到的血液色泽和皮肤表面光线反射等因素决定，其中黑色素是最重要的。肤色因人种、个体、年龄及生活的地理环境不同有明显差异。光泽主要是面部及外露皮肤的光泽。质地皮肤的含水量及皮下脂肪含量适中、良好的血液循环、营养充足和新陈代谢旺盛，使皮肤表现为柔软而富有弹性。细腻由于真皮中纤维束的排列和牵拉形成皮肤表面许多浅细的皮肤沟纹，皮肤表面4 i 粗糙，无皱缩，触摸细腻。滋润皮肤代谢及分泌排泄功能正常，可在皮肤表面形成适度的皮脂膜，既不干燥，又不油腻，对皮肤起到滋润作用。耐老皮肤的老化有明显的个体差异，与年龄、遗传、营养、内分泌、嗜好、身心健康和环境因素有关。2 1 2 皮肤的视觉诊断部分皮肤症状仅通过视诊就可明确诊断，有经验的专家之所以能通过观察迅速确定症状类型，就是抓住了各种典型特征。通常视诊时要注意皮疹的大小和数、颜也、边缘及界限、形状、表面和基底等i 。大小和数目皮疹的大小通常用直径表示( c m 或r a m ) ，或用事物比喻，如芝麻、小米、黄豆、鸽卵、鸡蛋或手掌大等。皮损数目少应以具体数字表示；皮损数目多时，可用较多来说明。颜色用f 常肤色或红、黄、紫、黑、褐、蓝或白等：色调如何，如淡红、鲜红、暗红或紫红等。一边缘及界限清楚、比较清楚或模糊；整齐或不整齐等。形状圆形、椭圆形、多边形或不规则形等。表面可为光滑、粗糙、扁平等；有无糜烂、溃疡、渗出、出血、脓液、鳞屑或结痂等。基底是较宽、较窄或呈蒂状等。提取症状特征是通过模仿专家视觉诊断，提取皮疹的大小( 用直径或面积表示，亦可用针尖、针头、米粒、绿豆、豌豆、花生米、龙眼、荔枝、核桃、鸡蛋、拳头、手掌等实物比拟) ；形状( 椭圆形、半球形、尖顶形、扁平形、多角形、弧形、环形、不规则形) ；颜色( 红、黄、褐、黑、白、正常肤色等) ；色泽( 鲜红、淡红、暗红等) ：表面( 光滑或粗糙、乳头状或菜花状、尖顶、中心有无脐窝) ：边缘( 清楚或模糊、整齐或呈现浸润状、隆起或凹陷等) ；质地( 坚实或柔软、囊性、波动感) ；排列( 系多发性损害形成的不同图性，有线状、多环状、群集性、散在性、带状或伞状) 。2 1 3 症状的视觉特征皮肤的症状可分为主观症状和客观症状两类。前者是患者的主观感觉，如瘙痒、疼痛和感觉异常等；后者是可以通过视觉观察到的各种皮肤损害。文献【1 0 1 总结了部分皮肤症状的视觉特征：斑疹( m a c u l a l 局限性皮肤颜色的改变，既不隆起，也不凹陷，直径一般小于1 c l t i ，超出此大小的称之为斑片( p a t c h ) ，可有不同的形状和颜色。丘疹( p a p u l e ) 高出皮肤表面的局限性实体性隆起，直径一般小于l e m ，超山此大小的称之为斑块，可有不同形状( 扁平、圆或椭圆、半球形、锥形、多角形等) ，色泽( 正常肤色、红色、褐色、黑色等) 。幻j 、。拍卜 位论义结 f ，( n o d u l e ) 发生于真皮或皮下组织内的实质性块状物，呵高出皮肤表两或隐减r 皮f ，仅可触及，圆形、椭圆形或不规则形，大小不一，直径一般在0 51c m 。黄褐斑主要表现是面部皮肤出现大小不等、形状不一的色素斑。颜色多为淡褐色、黄褐色，也有咖啡色或淡黑色。形状为片状、不规则。雀斑发生在颜面、颈部、手背等日晒部位皮肤上的黄褐色斑点。因其形状如雀卵上的斑点，故名。颜色多为淡褐色、深褐色、咖啡色。形状为圆形、椭圆形、不规则形、针尖到绿豆大小且边缘明显。粉刺、痤疮有黑头、白头粉刺。形状为针尖大4 , n 黄豆大小。2 2 基于知识的皮肤图像理解系统基于知识进行图像理解的一个主要目标是如何获取、使用、组织和编写图像处理算法中有关描述的知识，从而帮助那些不具有专家知识的人员进行有效的图像处理1 。为有助于保存、整理和传播经过多年临床实践才积累的宝贵经验知识，构建皮肤图像理解系统作为图像解释的辅助工具和医务人员的智能助手，是必要的和现实的。2 2 1 基本目标作为皮肤图像理解系统，应能对输入的皮肤图像进行处理，给出适当的解释，从而完成对皮肤症状的自动识别，实现机器诊断。在皮肤图像理解系统中，计算机要表示、存储有关的知识，并在理解或解释的过程中智能地使用这些知识。2 2 2 系统结构在图像理解系统巾，两项基本的任务是：i 从输入图像中提出与模型相适应的图像结构或线索( 如区域、线、形状等) ；i i 完成输入图像中图像结构与模型中同标的i r 确映射。图像理解过程涉及到不同处理层次实体间的相互作用，信息在它们中问传递，箨种知识在它们之1 白j 相互作用。为此，采用多层次图像理解的信息反馈与融合，其实现框图如图2 1 所示。i 酱呼罩怔巫 _ 赢司国广_ 坚。划匝互 臣p 盎l图像理解、插述( 主控模块) q 吣窗2 2 3 工作流程图2 1 图像理解系统上图中虚线框和部分属于任务i ，它包含了图像的底层和中层处理：任务i i 包含了图像的高层、顶层处理，为图中虚线框和部分。该图像理解系统以知识驱动为主体。包括以知识为导引的图像预处理、知识参与的特征提取和识别等。知识始终参与、指导图像理解的各个层次，各层的处理信息相互传递，主控模块( 顶层) 始终跟踪各子模块的处理，根据反馈的信息调整各子模块的运行参数，因此整个系统就是一个自适应的多层次图像信息反馈与融合的图像理解系统。该系统具备了自学习功能，知识库可扩充、升级和更新。2 3 皮肤智能诊断支持系统s i d s s 构成图2 2 给出了皮肤智能诊断支持系统s i d s s ( s k i ni n t e l l i g e n td i a g n o s t i cs u p p o r ts y s t e m ) 1 1 9 构成。系统各部分的功能是：( 1 ) 图像预处理对采集到的原始r g b 彩色皮肤显微图像进行颜色空间变换，转换到h s i 空阳j ，再进行基于s 域的动态阈值分割，并采用数学形念学方法对所得到的图像进行处理，从而能较好地把症状和背景分离出来。( 2 ) 特征提取i 茎】像经过预处理后转化为二值图像，其背景部分为黑色，症状部分为白色。f 【 捌皮肤牛理学垌i 皮肤专家的指导，提取症状的面积、最大直径、最小直径、圆形度以及仲长度作为症状部分的7 个几何特征参数；提取症状内部与背景皮肤平均颜色量之差、症状边缘与背景皮肤平均颜色量之差、症状边缘与症状内部平均颜色量之羞，共1 2 个颜色特征参数；提取7 个不变矩参数作为症状的重要形状特征。f 3 ) 特征选择对提取出的特征参数利用逐步回归法进行特征选择，选择出具有可区别性、可靠性、独立性较好的特征参数，使选择出的参数对识别最有影响。( 4 ) 分类识别利用基于语义网络表示的皮肤症状图像模糊推理系统，对皮肤症状进行分类识别，得到最终的诊断结果。2 4 小结皮肤症状图像采集i i图像预处理j ll 颜色空间转换11 s 域闽值分割i 形态学处理l【形状、几何、颜色特征提取儿i特征选择l1 分分类识别 ： 模糊推理儿li诊断结果l幽2 2s i d s s 系统构成小章介绍了皮肤及其症状特征，给出了一种基于知识的皮肤图像理解系统的设计思想，提出了种皮肤智能诊断支持系统，并给出了该系统的组成结构。坷 1 # i | i ：ll 学位论文第三章皮肤图像预处理及其特征提取和选择构建皮肤症状数学模型是实现皮肤症状推理系统的关键。图像的预处理( 包含图像的色域变换、图像的分割、数学形态学后处理) 、图像特征提取和选择是此模型巾一个重要的组成部分。图像分割效果的好坏、所提取和选择出特征的优劣都人人影响着皮h 火症状推理系统的准确性。3 1 皮肤图像预处理在对图像的研究和应用中，人们往往仅对图像的某些部分感兴趣( 背景或目标) 。图像预处理的主要目的是把皮肤图像的症状部分( 目标) 和背景部分较好地区分开，它是由图像处理转到图像分析的关键。3 1 1 图像的色域变换颜色模型化的目的是按某种标准利用基色表示颜色。通常r g b 模型用于彩色监示器和彩色摄像机；g m y 模型用于彩色打印机；y c b c r 模型用于彩色电视，、播，其中y u v 模型常用于彩色电视广播中的p a l 制式，而y i q 模型通常用于彩色电视广播中的n t s c 制式；h s i 和h s v 模型常用于彩色图像处理中，具有灵活实用的优点。这里主要介绍r g b 模型和h s i 模型以及r g b 与h s i 间的相互转换。( 1 ) r g b 表色模型以红、绿、蓝为三原色的加色系统是使用最广泛的颜色模式。根据人眼的结构，几乎所有颜色都可看作是三个基本颜色红( r ) 、绿( g ) 和蓝( b ) 的不同组合。为r 建立标准，c i e 早在1 9 3 1 年就规定三种基本色的波长。c i e 规定 = 7 0 0 0 n m的红光( r ) ， = 5 4 6 1 n m 的绿光( g ) ， = 4 3 5 8 n m 的蓝光( b ) 作为三基色。实验表明，自光( w ) 可由红光( r ) 、绿光( g ) 、蓝光( b ) - - 基色按光通量以下述比例混合而成妒 + 妒g + 妒口= l ：4 5 9 0 7 ：o 0 6 0 1( 3 - 1 )( 2 ) h s i 表色模型，灯 1 产坝| 学位论迁h s i 模型是常用的表色模型。h 表示色调( h u e ) ，是指从物体反射或可以透过物体反映到人眼中的颜色，色调可以通过在色轮中指定从0 。到3 6 0 。的角度来确定红、橙、黄、绿、青、蓝、紫。色调是彩色的最重要的属性，是决定颜色本质的基本特性。s 表示饱和度( s a t u r a t i o n ) ，是指颜色的强度或纯度，表示色调中灰色成分所占的比例，用o ( 门色) 1 0 0 ( 纯色) 来表示。在标准色轮上，饱和度从中心向边缘是递增的，饱和度越小，颜色越浅。饱和度也可反映某种色光被白光冲淡的程度。i 表示强度( i n t e n s i t y ) ，是指颜色的相对明暗程度，通常用o ( 黑色) 1 0 0 ( 白色) 柬表示。h s i 模型有两个特点：1 分量与图像的颜色信息无关；h 和s 分量与人感受颜色的方式一致。这些特点使得h s i 模型非常适于人机交互情况下的图像处理算法的研发，其处理结果也便于观察和分析。( 3 ) r g b 与h s i 颜色空问的转换从r g b 模型到h s i 模型的转换公式如下：其中s = 1 一i ：昙j 百 m i n ( r ，g ，口) 3 - 2 0 ，b gh = 1 2 丌一0 b gr c c 删茫喾拦r 群斋，s ，。 ( r g ) 2 + ( 一占) ( g 一日) 】“2 式中r 、g 、b 和h 、s 、1 分别为r g b 模型和h s i 模型中的三个分量。若设s 、i 的值在 o ，1 z l i j ，r 、g 、b 的值也在【o ，1 之问，则由h s i 模型向r g b 模型的变换公式如下：1 ) 当h 在0 。1 2 0 。之间，则b = ，( 1 一s )r ：m + 苎竺丝1( 3 4 )。c o s ( 6 0 。一爿1g = 3 i 一( b + r 12 ) 当h 在1 2 0 。2 4 0 。之间，则hj 、学i 一? ：m 论r = ，九一g = ， 1 +b = 3 1 s )s c o s ( c o s ( 18 0 。f r + g 11 2 0 。)_ 一h 13 ) 当h 在2 4 0 。3 6 0 。之间，则g = 圳一s 1”篙黔等，r = 3 1 一( g + b )3 1 2 基于s 域的皮肤图像分割( 3 - 5 )( 3 6 )研究表明，人类皮肤若表面出现症状( 如色斑、粉刺或黑头) ，必然会引起色素的沉积，表现在图像e 就是颜色饱和度的变深。所以，将皮肤显微图像的r g b 空间转换为与之对应的h s i 空叫，在s 域进行分割可以很明显地把症状部分与j f 常部分区分丌来。图3 1 为皮肤图像的分割流程图，关于此部分的详细说明参见文献 1 2 。 ，雨读入图像( r o b 颜色空间)二转换到h s i 空问得n s 域图像计算图像s 值均方差on最人类叫玎差法li 修j 】三均值法数。、形态学后处理(竺：!)酬3 1 皮肤幽像的分割流科幽由j 、j 。f 碰学化隆上3 1 3 数学形态学后处理数学形态学是分析几何彤状和结构的数学方法，是建立在集合代数基础上，用集合沦方法定量描述集合结构的科学。数学形态学是由一组形态学的代数运算- f - g j l 成的，其基本的形态学运算- f - 4 ：腐蚀、膨胀、丌和闭。基于这些基本运算还可推导和组合成各种数学形态学实用算法。形态学的理论基础是集合论。在图像处理中形态学的集合代表着黑自和厌度图像的形状，如黑白二值图像巾所有黑色像素点的集合组成了此图像的完全描述。在一个集合中，将进行形态学变换的像素点是被选择的集合x ，而此集合的补x 。是没有被选择的集合。通常被选择的集合是图像的前景，而未被选择的集合是图像的背景。( a ) 原始图像( b ) s 域图像( c ) 闽值分割图像( d ) 形态学处理后的酗像幽3 2 黄褐斑皮肤的s 域图像分割及形态学后处理圈3 , 2 为黄褐斑皮肤的s 域图像分割及形态学后处理的图像。图32 ( c ) i n 值分割图巾存在着部分的孤立白点，在症状区域内部也有黑色小区域，可以采用形态学的方法对分割图像进行后处理来消除这些小1 2 t 标。去除孤立白点的方法是：分析图像中的各个像素，若像素的8 邻域中有大于或等于5 个( 这里判据设为5 )像素为1 ，则像素值为1 ，否则为0 。其过程如图3 3 所示：衄一 似一i 学位论z幽3 3 去除孤立白点去除黑色小区域的方法是：分析图像中的各个像素，若存在整个边界都是白色( 即s = i ) ，则将在边界区域内所有的黑色像素( 即s = o ) 设置为白色。图3 4表示其处理过程。0ll1o10ool1o0olo1oo1oo111剽00图3 4 症状内黑色小区域的消除从图3 ，2 f d l 可以看出，经过数学形态学处理症状部分已经真实、准确地从背景图像中分离出来，可作为提取特征的依据。3 2 图像特征提取图像特征是指图像的原始特性或属性。为了能让计算机系统认识图像，人们必须首先寻找算法，分析图像的特征，然后用数学的办法表示出来并教会计算机也能懂得这些特征。图像特征提取的结果给出了某一具体的图像中与其他图像相区别的特征。3 2 1 几何特征提取以面积、最人直径、最小直径、分散度以及伸长度来表示症状部分的几何特征，这些特征定义如下：1 ) 症状的而积提取统计各类症状的分割图中像素值为l 的数目，此数目就是症状的面积，用s q u a r e 代表。2 ) 症状的最火直径、最小直径提取川、学 - 羔他论义将癌状的分割图以。j 水平方向成0 角的方向投影，得到一个投影方向向量，统训在此向量内元素为1 的个数。0 从0 。到1 7 9 。每次递增1 。，将其中的最大值作为症状的最大直径，最小值作为症状的最小直径。以d m a x 代表最大直径，d m i n 代表最小直径。3 ) 症状的分散度提取分散度定义为症状的面积除以症状的周长平方2 ：】，即分散度= 4n 面积( 周氏) 2 ，用c i r c u l a r i t y 代表症状的分散度。4 ) 症状的伸k 度提取伸长度定义为症状的面积除以症状的宽度平方，即伸长度= 面积( 宽度) 2 。采用不同的症状宽度的定义相应有不同伸长度的表示，用t e n d m a x 代表以最大直径作为宽度计算的伸长度，用t e n d m i n 代表以最小直径作为宽度计算的伸长度，用t e n d m e a n 代表以最大直径与最小直径平均值作为宽度计算的伸长度。表3 1 列出了根据上述定义确定的四种典型皮肤症状的几何特征参数值。表3 1 四种症状的基本几何特征参数黄褐斑粉刺雀斑黑头s q u a r e2 4 4 6 66 9 0 71 7 0 0 21 9 8d m a x2 2 71 1 01 7 32 2d m i n1 4 76 41 3 41 1c i r c u l a r i t yo 1 3 4 8 8o 1 6 7 2 30 1 9 4 5 90 5 5 0 2 4t e n d m a x0 4 3 5 1 7o 3 7 9 8 2o 5 3 8 2 30 4 1 5 4 2t e n d m i n10 0 711 1 5 208 9 2 8 61 - 3 3 1 5t b n d m e a n06 2 5 7 306 0 2 4 90 6 7 9 7 30 6 5 5 5 93 2 2 颜色特征提取颜色是表征图像特征的重要参数。如果使不同人之间的皮肤显微图像具有可比性，用皮肽症状部分的绝对颜色作为颜色特征参数显然是不合理的，因为不同人其皮肤底色是不同的。所以笔者提取了症状内部平均颜色量与背景皮肤的平均颜色量之筹、症状边缘平均颜色量与症状背景平均颜色量之差、症状边缘平均颜色量与症状内部平均颜色量之差共1 2 个颜色参数，具体定义及表示见表3 4 。表3 2 为四种典型皮肤症状的颜色特征参数。表3 2 四种症状的颜色特征参数黄褐斑粉刺雀斑黑头h c h a一9 2 8 0 1一1 2 67 61 8 0 4 22 9 5 4 ls c h ao 1 9 1 8 6o 1 5 8 5 6o 1 5 0 6 6o 1 1 4 6 2l c h a1 4 5 8 91 64 0 73 4 0 1 9_ 4 3 5 6 9g c h a一2 24 3 12 2 9 4 33 84 1 1_ 4 1 0 4 3e b h c h a一9 50 3 58 8 7 8 31 8 14 13 05 4e b s c h a0 1 0 9 0 900 9 6 2 6 5 0 0 8 9 1 7 90 1 0 0 7 le b l c h a1 0 2 6 61 3 4 5 12 0 3 9 94 4 8 5 5e b g c h a1 54 1 21 7 7 1 32 4 2 1_ 4 1 4 6 9e z h c h a22 3 3 83 7 9 7 9o9 8 7 4 90 9 9 9 0 1e z s c h a一0 0 8 2 7 6 30 0 6 2 2 9 800 6 1 4 8o 0 1 3 9 1e z i c h a43 2 3 42 9 5 5 61 3 6 2一1 2 8 6 3e z g c h a70 1 8 95 2 2 9 91 4 2 0 l一0 4 2 6 2 23 2 3 形状不变矩特征提取可以利用目标区域的扶度分布构造各阶矩来描述目标的灰度分布特性及边界形状，即用所谓的区域矩来表征目标，各阶矩定义参见文献 2 3 1 。由各阶矩构造的一些函数式具有平移、旋转、尺度缩放不变性，因此不变矩是用来描述图像形状的。种依掘，它不会因为图像的放大倍数不同，或者摄像时位置没有对齐等因素而造成数值上的差异，能增加这个系统的自适应性。表33 为四种典型皮肤症状的不变矩特征参数。表3 3 四种症状的不变矩特征参数黄褐斑粉刺雀斑黑头m 106 9 0 0 206 0 7 7 30 7 6 0 3 8o6 3 8 3 3【m 225 8 0 72 1 3 1 33 5 5 8 81 9 2 6 8m 329 2 2 52 5 4 8 93 6 1 9 62 6 4 2 4m 440 7 1 638 4 6 75 2 3 9 336 3 9 2m 5。7 8 6 6 67 1 8 299 3 9 669 8 7 3m 656 8 3 450 7 9 572 8 8 848 1 8 9m 780 3 6 57 4 6 5 19 8 4 0 37 2 3 8 2综上二所述，本文所提取的皮肤症状特征参数共计2 6 个。这些参数构成皮肽显微矧像的特觚向量，作为进步研究皮肤显微幽像特性的依据。表3 4 皮肤症状特征参数特征参数定义而 最人直径最小直径症状山部的平均色调值一背景皮肤的平均色调值症状内部的平均饱和度值一背景皮肤的平均饱荆l 度值症状内部的平均强度值一背景皮肤的平均强度值症状| i 部的平均灰度值一背景皮肤的平均灰度值症状边缘的平均色调值一背景皮肤的平均色调值症状边缘的平均饱和度值一背景皮肤的平均饱和度值症状边缘的平均强度值一背景皮肤的平均强度值症状边缘的平均灰度值一背景皮肤的平均灰度值症状边缘的平均色调值一症状内部的平均色调值症状边缘的平均饱和度值一症状内部的平均饱和度值症状边缘的平均强度值一症状内部的平均强度值症状边缘的平均灰度值一症状内部的平均灰度值一阶矩二阶矩二阶矩四阶矩五阶矩六阶矩七阶矩分散度( 或圆形度)伸长度( 以最人直径作为宽度计算)伸长度( 以最小直径作为宽度计算)伸长度( 以最人直径与最小直径平均值作为宽度计算)3 3 特征参数的选择从一组特征中挑选出一些最有效的特征以达到降低特征空间维数的目的，这个过程叫特征选择。目前，几乎还没有解析的方法能够完全指导特征的选择。很多情况f ，常常根据应用领域的特点选择合适的特征选择算法，达到降低特征空间维数的目的。良好的特征应具有以下4 个特点可区分性：对于属于不同类的图像求晚，它们的特征应具有明显的差异；可靠性：对于同类的图像特征值应该比较接近；独立性好：所选的特征之蚓彼此不相关：数量少：图像识别系统的复杂程度随着系统维数迅速增长。本文把逐步正1 4 i 归分析用于1 i 变矩特征的选择，挑选出独立性较好的不变矩特沁一一一一一一一mm mm一一一一征参数。根据皮肤图像系统的推理构成，把主观分析和数学方法相结合，进行皮肤图像特a f 的选择。3 3 1 逐步回归分析逐步回归分析是目前被广泛使用的一种回归分析方法。