（计算机应用技术专业论文）图像处理与分析技术在中医舌诊中的应用研究.pdf

7 本人郑重声明： 用研究，是本人 取得的研究成果。据本人所知，除了文中特别加以标注和致谢之处外，论文中不包含 他人已经发表或撰写过的研究成果，也不包含为获得华北电力大学或其他教育机构的 位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文 作了明确的说明并表示了谢意。 学位论文作者签名： 囊鲜塞 日 期：盈坦：i ：1 2 关于学位论文使用授权的说明 本人完全了解华北电力大学有关保留、使用学位论文的规定，即：学校有权保管、 并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩印或其它复制手 段复制并保存学位论文；学校可允许学位论文被查阅或借阅；学校可以学术交流为 目的，复制赠送和交换学位论文；同意学校可以用不同方式在不同媒体上发表、传播学 位论文的全部或部分内容。 ( 涉密的学位论文在解密后遵守此规定) 作者签名：粼 日 期：竺f ! ：3 ：! 导师签名： 日期： j i 和研究。文中采用了矢量中值滤波算法对舌图像进行滤波去噪处理，在舌体分割过 程中提出了基于模糊集理论的s n a k e 模型分割方法。实验表明，改进后的分割方法 能够较准确的分割舌体，为后续工作做好准备。在舌色苔色分类中，提出了基于类 间相似度的多类分类算法，在对舌面不同分区的舌色苔色进行分类实验后可知，利 用改进后的分类算法进行分类，在分类精准度上较改进前有明显的提高。 关键词：舌诊客观化，舌图像，图像处理，s n a k e 模型，支持向量机 a b s t r a c t w i t ht h er a p i dd e v e l o p m e n to fc o m p u t e rs c i e n c ea n dt e c h n o l o g y ，t h ec o m b i n a t i o no ft h e i m a g ep r o c e s s i n ga n da n a l y s i st e c h n o l o g ya n dt h et r a d i t i o n a lt o n g u ed i a g n o s i s ，m a k i n g c h i n e s et o n g u ec h a r a c t e r i z a t i o ne n t e r e dan e wp h a s e i nt h i sp a p e r , i tw a sc a r r i e do u t e x p l o r a t o r ya n a l y s i sa n dr e s e a r c hi nt h et o n g u ei m a g ef i l t e r i n gd e n o i s i n g ，t o n g u ei m a g e s e g m e n t a t i o n ，t o n g u ec o l o ra n dm o s sc o l o rc l a s s i f i c a t i o na p p l i c a t i o no fi m a g ep r o c e s s i n ga n d a n a l y s i st e c h n i q u e s t h i sp a p e ru s e sv e c t o rm e d i a nf i l t e r i n ga l g o r i t h mt od e a lw i t ht h et o n g u e i m a g ed e - n o i s i n gf i l t e r i tw a sp r o p o s e ds n a k em o d e ls e g m e n t a t i o nm e t h o db a s e do nf u z z ys e t t h e o r y e x p e r i m e n t ss h o wt h a tt h ei m p r o v e ds e g m e n t a t i o nm e t h o dc a nb em o r ea c c u r a t e s e g m e n t a t i o no ft o n g u e ，i no r d e rt op r e p a r ef o l l o w u pw o r k i tw a sp r o p o s e di n t e r - c l a s s s i m i l a r i t yb a s e do nt h em u l t i c l a s sc l a s s i f i c a t i o na l g o r i t h mi nt h et o n g u ec o l o ra n d m o s sc o l o r c l a s s i f i c a t i o n b yt h ee x p e r i m e n to fd i f f e r e n td i s t r i c t s i nt h el i n g u a ls u r f a c eo ft h et o n g u e c o l o ra n dm o s sc o l o rc l a s s i f i c a t i o n ，w ec a ns e et h a tt h eu s eo ft h ei m p r o v e dc l a s s i f i c a t i o n a l g o r i t h mt oc l a s s i f yh a si m p r o v e ds h a r p l yi nt h ec l a s s i f i c a t i o na c c u r a c y l uh a n g d o n g ( c o m p u t e ra p p l i c a t i o nt e c h n o l o g y ) d i r e c t e db yp r o f z h a ix u e m i n g k e yw o r d s ：t o n g u eo b j e c t i f i c a t i o n ，t o n g u ei m a g e ，i m a g ep r o c e s s i n g ，s n a k e m o d e l ，s v m 第二章图像处理技术在中医舌诊应用中的理论研究5 2 1 图像滤波去噪技术5 2 1 1 中值滤波原理“5 2 1 2 矢量中值滤波算法”7 2 2 图像分割技术一7 2 2 1 阈值分割方法”8 2 2 2 区域生长分割方法一8 2 2 3 边缘检测方法1 0 2 2 4s n a k e 模型_ “l o 2 2 4 1 传统的s n a k e 模型概述1 0 2 2 4 2 使用s n a k e 模型进行分割的过程：1 1 2 2 4 3s n a k e 模型的特点1 2 2 2 4 4 基于s n a k e 模型的经典改进算法1 2 2 3 用于舌色苔色分类的s v m 技术1 7 2 3 1v c 维1 7 2 3 2 最优超平面1 8 2 3 3 线性支持向量机1 9 2 3 3 1 线性可分支持向量机”1 9 2 3 3 2 线性不可分支持向量机一2 1 华北电力大学硕士学位目录 2 3 4 非线性支持向量机2 2 2 4 j 、结2 4 第三章舌图像预处理2 5 3 1 舌图像的滤波去噪处理2 5 3 2 基于模糊理论的s n a k e 模型舌图像分割”2 5 3 2 1 模糊集理论介绍2 5 3 2 2 颜色特征向量的提取- 2 6 3 2 3 基于模糊理论的s n a k e 模型2 8 3 2 4 实验与讨论2 9 3 3 小结3 0 第四章基于支持向量机的舌色苔色分类3 1 4 1 多类分类问题3 1 4 2 多类支持向量机的改进算法3 1 4 2 1 类间相似性度量3 2 4 2 2 基于类间相似性度量的多类分类器算法设计3 3 4 3 基于多类s v m 改进算法的舌色苔色分类”3 5 4 3 1 舌面区域划分”3 5 4 3 2 样本的选取3 5 4 3 2 实验过程与分析3 6 4 4 j 、结4 4 第五章结论4 5 参考文献4 6 致谢5 0 在学期间发表的学术论文和参加科研情况5 1 i i l 、 l d 0，i1月；o_ij 华北电力大学硕士学位论文 1 1 选题背景及研究意义 第一章引言 中国是有着悠久历史的文明古国，我们的祖先用自己的聪明才智为后人留下了 宝贵的文化遗产。中国传统医药学就是其中的重要部分，经过数千年的实践和发展， 创造了“望闻问切等独特有效的诊断方法，中医舌诊【1 ，2 l 就是望诊中的一种。也是 最重要、最常用和最有临床应用价值的诊法之一。早在黄帝内经和伤寒论 等古典医籍中，就有关于望舌诊断的记载。它通过观察舌象了解人体生理功能和病 理变化，据此辨证论治。中医认为，人体五脏六腑均与胃气相通，并通过胃气上蒸 于舌，表现为苔，故苔为胃气所生，舌即为外候器官。现代临床实践也表明，在某 些情况下，舌诊能够发现现代医疗设备所不能检查出的病变【4 1 。舌诊的优点在于其 简单性和直接性，同时，舌诊也是符合联合国教科文组织关于现代先进诊断技术标 准的定义：“无痛苦、无创伤、简单易行 的诊断技术之一，代表了今后医学诊断 发展的一个方向。 舌诊在疾病的诊断和治疗中有着显著的作用，但舌诊也有其局限性，这些局限 性阻碍了舌诊的应用与发展。第一，舌诊的临床诊断能力取决于医生的知识和经验 1 5 j ，诊断结果依赖医生的主观分析，因此，诊断结果往往因人而异；第二，舌诊以 详细的视觉判断为基础，容易受到环境影响，如不同光源或光线强弱等都会对诊断 结果产生影响【6 l ，因此，诊断结果往往因时因地而异；第三，许多中医的宝贵经验 和资料并没有被科学和量化的保存下来，这为以后的研究带来了不便。因此，实现 舌诊的客观化、定量化、标准化极为迫切。 计算机视觉是用各种成象系统代替视觉器官作为输入敏感手段，由计算机来代 替大脑完成处理和解释。计算机视觉理论是多学科的交叉和结合，涉及到数学、光 学、生物学、计算机和信号处理等诸多学科的理论知识。计算机视觉主要是对输入 的原始图像进行处理，这一过程借用了大量的图像处理技术和算法，如图像滤波、 图像增强、边缘检测等，以便从图像中抽取诸如角点、边缘、线条、边界以及色彩 等关于场景的基本特征。 本文将计算机视觉技术、图像处理与分析技术、模式识别和智能计算技术引入 到中医舌诊中，可以弥补传统诊断方法的不足，具有一定的优势。应用计算机进行 临床辅助诊疗具有一定的可行性，除了具有客观化和标准化外，在实际操作上也有 一定的优势，对于提高整体诊疗水平、远程诊疗、资源优势共享等方面均具有积极 作用。因此，应用计算机视觉、图像技术，建立望诊信息的客观、量化识别方法， 华北电力大学硕士学位论文 实现传统诊法的客观化和定量化，对中医现代化具有重要意义。 1 2 本课题的研究现状 1 2 1 图像处理与分析技术的研究现状 随着计算机科学的发展，图像处理与分析在理论研究和实际应用中都取得了飞 速的发展，目前已进入全面应用的新时代，形成了一门综合性学科。随着计算机视 觉理论和模式识别研究的不断发展，图像识别技术已广泛的应用于遥感图像分析， 文字识别，医学图像处理，多媒体技术，图像数据库，视觉监控，智能交通，工业 检测和军事方面等等，日益影响着我们的生产和生活【7 l 。 目前，公路交通中广泛使用的汽车牌照自动识别系统，显示出了强大的优势， 节省了很多人力、物力，并显著的提高了交通秩序给人们的生活和工作带来了极大 的方便和安全。工业生产中，很多自动化程度高的企业单位都应用了一些自动识别 监测系统，保证生产线更好的运行，在线监测设备的运行状况和检测设备的状况， 比如钢厂的炉膛火焰监测系统、基于图像处理的设备本身断裂的检测系统等等l 肌。 而且还可利用卫星遥感技术，掌握国土资源情况，如土壤的类型，多种地貌的细节 分析，多种自然条件，如土、水、林、草的分布和它们的关系，对于农业生产方面 的规划、开发、利用发挥了很重要的作用。图像处理分析技术在医学上的应用也非 常广泛，如b 超、x 光片、c t 与核磁共振图片( m r i ) 、各种内窥镜图片等。长期以来 图像处理与分析技术已成为医疗诊断中的又一重要手段。 1 2 2 图像处理与分析技术在中医舌诊中的研究现状 近年来，随着生物医学工程、人工神经网络以及各种优化算法等的逐步发展与 成熟，人工智能技术也开始应用于中医领域，并已涉及到舌诊。将图像处理和模式 识别等计算机技术与传统中医舌诊相结合，使中医舌诊的发展进入到一个全新的阶 段，避免了传统舌诊的非量化、主观性等缺陷，促进了中医舌诊的客观化、规范化， 对中医舌诊的继承与创新有举足轻重的作用。在过去的几年中，国内外的一些学者 已经运用图像处理和模式识别等方法对舌图像的纹理、色泽和形态进行了初步的研 究1 9 7 1 ，并开发出了计算机辅助医疗的实验性平台，取得了一定的进展。该研究对 加速中医在现代化和中医药走向世界起到重要作用，对中医药诊疗标准的客观化、 现代化具有重要意义。 1 9 8 5 年，中国科技大学和安徽中医学院率先进行了舌色的量化分析的实验i l 引。 在他们的实验中，利用c c d 相机获取图像，并用r g b 模型来记录和表示图像中的 颜色。实验结果表明，不同类别舌图像的r g b 统计值各不相同，同时也表明，计 算机图像处理技术用于舌诊客观化分析是可行性的。 2 华北电力大学硕士学位论文 其后，研究人员开展了大量的研究工作，主要是对色彩空间的转换，图像的分 割，舌质、舌苔的颜色、纹理等性质进行定量分析识别。1 9 8 9 年赵荣莱等对舌质和 舌苔的典型舌象的r g b 值数字特征进行了分析，根据舌图像中r g b 值的统计值进 行人工分类【1 9 1 ；t a k e i c h i 和s a t o 利用计算机辅助图像分析方法对9 5 名学生的舌色 进行了研究，用以增强通过舌图像诊断血瘀症的精度和客观性1 2 0 1 。 随着计算机技术的发展及图像识别技术的成熟，临床以自动识别舌象来指导辨 证论治的呼声越来越高，基于此，翁维良【2 1 2 2 】等将舌色分为7 种进行观察，运用r g b 色彩模型与数码技术相结合的技术研制出对舌质、舌苔的颜色、性质进行定量分析 识别的舌诊仪。赵忠旭等【2 3 。2 5 l 运用数学形态学、h i s 模型的彩色图像分割、舌象彩 色校正、舌色苔色分类方法等内容。台湾的c c c h i u 等f 2 6 , 2 7 】提出了舌诊的一种结构 识别方法，把舌像分成根部、中间、舌尖三个区域，应用r g b 模型通过比较颜色 属性把各舌像归为某已知类之后，再用传统的纹理算法进行纹理分析，但是在分析 纹理时没有考虑色彩信息。香港张大鹏等【2 8 l 利用支撑向量机回归( s v r ，s u p p o r t v e c t o rr e g r e s s i o n ) 的技术，对舌图像进行聚类分析。首先将每幅舌图分割成3 2 3 2 的区域，计算每个区域的颜色平均值，然后对计算得出的数据进行聚类分析，并将 得到的2 4 种颜色值作为校正舌质和舌苔颜色的色标。郭振华f 2 9 j 采用人工截取的方 法，将获得的典型舌质和舌苔的图像块作为训练样本，然后通过模式识别技术分析 舌苔的厚薄和润燥。 尽管研究人员在舌诊的客观化和标准化等方面已经进行了大量的研究工作并 取得了较大的进展，但是由于理论研究所限定的条件与实际应用的情况相差甚远， 特别是忽略了舌图像试验数据的不完备性，使得在数据预处理方面和信息分类等方 面还存在诸多问题。本文在借鉴了图像处理和分析技术在其他领域的成功经验，将 图像处理和模式识别的改进算法运用到舌图像的识别上，进而促进了中医舌诊客观 化的发展与完善。 1 3 论文的主要研究工作及组织结构 本论文主要利用图像处理与分析技术对舌图像进行滤波、分割等一系列预处 理，进行了基于支持向量机的理论和技术实现对舌色苔色自动分类的研究工作。其 中重点对舌图像的分割和基于支持向量机的分类器设计做了改进性的研究。论文的 主要内容及章节安排如下： 第一章介绍课题研究的背景和研究现状，及本文的主要研究内容。 第二章在图像滤波去噪过程中，介绍了既能抑制噪声又能较好的保持舌图像边 缘轮廓的中值滤波算法，并讨论了针对彩色图像的滤波的矢量中值滤波算法。在对 3 华北电力大学硕士学位论文 图像分割的相关理论研究中，分析比较了阈值分割、区域生长法、基于边缘检测的 分割算法、s n a k e 模型等几种常见的分割方法。重点讨论了s n a k e 模型分割算法， 对传统的s n a k e 模型以及几种经典的s n a k e 模型改进算法进行了研究。对用于舌色 苔色分类的支持向量机理论进行了论述，为舌色苔色的分类奠定了理论基础。 第三章首先应用矢量中值滤波算法对舌图像进行滤波去噪处理，在对舌图像分 割中提出了基于模糊集理论的s n a k e 模型分割方法。实验证明，该方法对解决具有 复杂舌图像颜色情况下的舌体分割具有很好的效果。 第四章对支持向量机的多类分类问题进行了分析和讨论，进而在一对- - ( 0 a 的多类分类方法的基础上提出了改进算法，即在原有的算法中加入类间相似度的判 断，来实现对某些易混类进行再分类，从而达到提高舌色苔色的分类精度的目的。实验 结果证明，利用改进后的算法对舌色苔色的分类精度较改进前有明显的提高。 第五章对本文做了一个总结，指出了本文研究的成果以及展望。 华北电力大学硕士学位论文 第二章图像处理技术在中医舌诊应用中的理论研究 在中医舌诊客观化的实现过程中，图像处理与分析技术使得计算机能够有效的对舌 像进行描述、分析和识别，并且随着计算机图像处理技术和智能识别技术的不断发展与 完善，使得中医舌诊的客观化及标准化进入了一个崭新的阶段。本章主要对舌像诊断过 程中的图像滤波去噪技术、图像分割技术以及用于舌色苔色分类的支持向量机技术等重 要过程的理论基础进行分析和研究。 2 1 图像滤波去噪技术 由于硬件设备本身的缺陷和外界环境因素的干扰，舌图像在采集、传输、接收 的过程中，不可避免地存在着外部干扰和内部干扰，如敏感元件灵敏度的不均匀性。 传输信道的干扰噪声以及传输过程中的误差以及人为因素等。这些噪声使舌图像质 量变差，降低了图像的质量而使图像模糊，甚至失去重要特征。这些噪声直接影响 着后续特征分类的准确性和精度，给舌图像的客观化分析带来困难。为了减小舌图 像的降质对后期工作的影响，这就要求在进一步处理之前，对舌图像进行必要的预 处理，尽可能的消除这些不良影响。常用的图像去噪方法包括中值滤波、邻域平均 法、加权平均法等。考虑到非线性滤波技术中的中值滤波不仅对噪声有良好的抑制 作用，并能较好保持图像边缘，因此本文根据中值滤波原理，采用矢量中值滤波算 法对彩色舌图像进行滤波去噪处理。 。 2 1 1 中值滤波原理 中值滤波1 3 3 j 是一种常用的去除噪声的非线性平滑滤波处理方法。中值滤波器是 在1 9 7 1 年由j w j u k e y 首先提出并应用在一维信号处理技术中，后来被二维图像信 号处理技术所引用。它在一定条件下，可以克服线性滤波器所带来的图像细节模糊。 中值滤波就是用一个有奇数点的滑动窗口，将窗口中心点的值用窗口内各点的 中值代替。设有一个一维序列厂l ，厶， 。取窗1 2 1 长度( 点数) 为m ( m 为奇数) ，对此 一维序列进行中值滤波，就是从输入序列中相继抽出m 个数五州，五书元，五“，厶， 其中五为敞开中心点的值，y = 伽一1 ) 2 ，再将这m 个点值按其数值的大小排序， 取其序列号为中心点那个数作为滤波输出。用数学公式表示为 y i = m e d f ；州，五，无+ ，) i e z ，v ；( 肌一1 ) 2( 2 1 ) 如有一个序列为 0 ，3 4 ，0 7 ) ，重新排序后为 o ，o a 4 ，7 ) ，则该序列中值滤波后的结果为 5 华北电力大学硕士学位论文 3 。该序列如果用邻域滤波，窗口也取5 ，则邻域平滑滤波的结果为 ( o + 3 + 4 + 0 + 7 ) 5i n 2 8 。图3 - 1 就是几种典型信号的中值滤波。 l ( a ) 阶跃信号 ll l l i il ( b ) 单脉冲信号 if ( c ) 三脉冲信号( d ) 三角波信号 图2 1 典型信号的中值滤波 一般来说，二维中值滤波比一维中值滤波更能抑制噪声。二维中值滤波的窗口 形状和尺寸对滤波效果影响较大，不同的图像内容和不同的应用要求，往往采用不 同的窗口形状和尺寸不同形状的窗口产生不同的滤波效果，从以往的经验来看， 对于有缓变的较长轮廓线物体的窗口，采用方形或者圆形窗口；对于有尖顶角物体 的图像，则适宜采用十字形窗口。由于在舌图像中，舌体轮廓有缓变较长的形状特 征，所以适宜采用方形或圆形窗口。 图2 2 中值滤波几种常用的窗口 6 华北电力大学硕士学位论文 2 1 2 矢量中值滤波算法 对于彩色图像，图像中每个点的值v 由r g b = 个分量组成，可将其看成一矢量 v 一 ，g ，6 ，矢量中值滤波【矧是先将待滤波的矢量经过某种变换，得到新的空间域上的 矢量或标量，然后再用简单的中值滤波的方法进行滤波。矢量中值滤波器的输出值为滑 动窗口中矢量集合的中值。该算法要求对矢量进行排序，其计算量与矢量个数的平方成 正比。 对于具有n 个矢量的集合v = 乜，v ：，v ，求其中值矢量的算法可定义如下： ( 1 ) 对于每个矢量计算它到其余矢量的距离之和s ；。 s t 一薹i p e y ，u z l 2 ， ( 2 - 2 ) ( 2 ) 从s 。s 中求出最小值s 曲，记录其下标。 ( 3 ) 该下标所对应的v 谪即为这组矢量的中值，也就是矢量中值滤波器的输出 v v m f 。它受以下定义的约束，v i , m fe v ，且 眇眦- v , i i 肛，叫8 j ；1 ，2 ，n ( 2 3 ) 可以看出，在矢量中值滤波器中，算法企图在滑动窗口中寻找一个距离其他像 素最近的像素，并以此像素替代原中心像素。 2 2 图像分割技术 在对图像的研究和应用中，人们往往仅对各幅图像中的某些部分感兴趣【3 5 1 。这 些部分常被称为目标，它们与图像中特定的、具有独特性质的区域相对应。为了便 于分析和识别目标，需要将这些目标区域分离提取出来，并在此基础上对目标进一 步利用，如进行特征提取和度量。所谓图像分割就是指根据灰度、色彩、纹理、形 状等特征把图像分成若干个互不相交的区域，使得这些特征在同一区域内，表现出 一致性或相似性，而在不同区域间表现出明显的不同。舌体分割是舌象识别诊断系 统中重要的一步，分割的好坏直接关系着后续工作的成败。目前，己提出的舌体分 割方法很多，如阈值分割、区域生长法、基于边缘检测的分割算法、可变形模型法 ( 如s n a k e ) 等。 7 华北电力大学硕士学位论文 2 2 1 阈值分割方法 阈值分割方法f 3 6 】是区域分割算法中具有代表性的一类非常重要的分割算法。其 基本的处理方式是：首先在图像的灰度取值范围中选择一灰度阈值，然后将图像中 各个像素的灰度值与这个阈值相比较，并根据比较的结果将图像中的像素划分到两 个类中。像素灰度大于阈值的为一类，像素灰度值小于阈值的为另一类，灰度值等 于阈值的像素可以归入这两类之一。经由此阈值分割的两部分像素点集分别属于图 像中的不同区域，这种仅使用一个阈值分割的方法称为单阈值分割方法。经阈值处 理后的图像g ( f f ) 定义为： 她小茹 f ( i ，歹) z f ( i ，j ) s t ( 2 4 ) 因此标记为1 的像素对于于目标，而标记为o 的像素对应于背景，由此产生的图像则 为二值图像。如果图像中有多个灰度值不同的区域，那么可以选择一系列的阈值以 将每个像素分到合适的类别中去，对于数字图像f ( i ，_ ) ，其取k 个阙值后，图像可 用下式表示： g ( i ，) 一kk o 工ok ；t k 。 由于模型固有的连通性及能量极小值模式，它可以极大地扩展捕获区域和 降低计算复杂性，并且适于处理含有噪声的图像。 得到的轮廓线封闭连续，省去了对边缘轮廓的繁琐处理。 但同时，s n a k e 模型自身也存在一些缺陷，例如： s n a k e 模型对轮廓的初始位置非常敏感。由于外部力吸引的范围较小，在初 始轮廓离目标的边缘较远时，很难收敛到正确的位置。 很难处理曲线的拓朴变化，拓朴自适应能力差。 对于深度凹陷的区域，轮廓线很难收敛到边界上。 2 2 4 4 基于s n a k e 模型的经典改进算法 1 、气球模型 1 9 9 1 年，c o h e n 提出了气球( b a l l 0 0 n s ) 理论模型【3 引，其主要思想是，外力使得s n a k e 华北电力大学硕士学位论文 向外膨胀，这样就避免了在图像力较小的情况下收缩为一点的不足。气球力的数学表达 为 f 一七l 壳o )( 2 1 6 ) 式中，壳是曲线c o ) 的单位法向量，k l 是其大小。这样，当初始轮廓线在目标内部时， 由于k ，壳的作用，s n a k e 轮廓能够较稳定地收敛到目标的边缘。从而在一定程度上改善了 s n a k e 对初始位置的敏感，而且还能较好地克服假边界的影响，也能使s n a k e 轮廓部分 地进入目标的深度凹陷区。但是气球力的大小不好确定，若该力过大，则s n a k e 轮廓会 透过目标边界，若该力过小，则s n a k e 轮廓会在假边界h 停止；而且，力的方向在s n a k e 轮廓形变过程中不能改变，在该力的作用下，s n a k e 轮廓要么单调地扩张，要么单调地 收缩【3 l j 。 在图像分割问题中，s n a k e 模型对初始轮廓线的位置要求很严格。c o h e n 等在模型 中增加了气球力，大小为常数，方向沿轮廓点的外法线方向。在气球力的作用下，轮廓 线作为一个整体膨胀或收缩。当轮廓线进入到图像能量场的作用范围后，被吸引到r o i 的边界。 将轮廓线离散成由托个点组成的有序点集，定义s n a k e 模型在x ；= 0 ；，y ；) 点处受到 的外力为 f 嘣一k b h k 了p( 2 1 7 ) 式中，n 为x 。= 以，y 。) 处的单位法向量：k 。为气球力的大小，取常数。若k 。 0 时，轮 廓线向外膨胀；当k 。 0 ， 。在鞍点上，口。必须满足以下条件： 巫丛趔；0 巫掣。o(243)ob 。 却 、。 面有以下特性： 口；o 必须满足约束 口，y ，- o , 口? 0 ，i 一1 2 ，l ( 2 4 4 ) 2 ) 最优超平面( 向量w o ) 是训练集中的向量的线性组合： 。善y t 口k ，口，o ，2 ，f ( 2 4 5 ) 3 ) 根据k u h n t u c k e r 条件，只有支持向量才在的展开中具有非零的系数 q o ，支持向量为使得不等式( 5 1 0 ) 成立的向量，有 w o - y ；口， 口? 芝o ，i l 2 , ，l( 2 4 6 ) 支j 镉量 又根据k u h n - t u c k e r 条件，最优超平面的充分必要条件是分类超平面满足条件： q ( 口) 一酗t 一主i 弘t 叩以b ，) ( 2 - 4 9 ) 其解是原最优化问题的整体最优解。解出口后利用w 一q y ，t 确定最优超平 面，基于最优超平面的分类规则就是下面的判别函数： 刷= 跏 支黯如，叫一叫 ( 2 5 0 ) 2 3 3 2 线性不可分支持向量机 如果数据为线性不可分的情况，构造最优超平面，只需要增加一个松弛项袅o ， 将约束条件变为 将目标函数改为最小化 y i ( w x ；) 一b z l 一受，i ；l 2 ，z 咖纠= 互1 ( ) + c 砉或 ( 2 5 1 ) ( 2 5 2 ) 即折中考虑最少错分样本和最大分类间隔，其中c 0 是一个常数，它控制对错分样 本的惩罚程度。求解这个二次规划问题，最终所得结果和线性可分类似，唯一的区 别在于对q 加了一个上限。即： o 跑妃f t 协一 酗y r 2 o ( 2 - 5 3 ) 华北电力大学硕士学位论文 纰) - 扣一三静吖g ；一) ( 2 搿) 2 3 4 非线性支持向量机 在实际应用中很多分类的样本是不能够线性分开的，对于非线性问题可以用核 函数替换内积的方法来解决上述问题，即通过把数据转化为高维特征空间，在变换 空间求最优分类面。从而使线性算法演变成非线性算法，这就是非线性的支持向量 机的方法。 非线性支持向量机的基本解决思想可以概括为：首先通过非线性变换将输入空 间转化到一个高维特征空间，然后通过定义适当的核函数( k e r n e lf u n c t i o n ) 在这 个新空间中求取最优线性分类面，这是一个解决线性约束的二次规划问题，最终得 到全局最优解。 h i l b e r t 空间中内积的一个一般表达为： ( 乞z ) 一k g ，毛) ( 2 - 5 5 ) 其中z 是输入空间中的向量x 在特征空间中的像。k o ，t ) 可以是满足m e r c e r 定理的 任意对称函数 这样，支持向量机的决策函数可表示为 州i 跏【支潞唯班6 】 ( 2 - 5 6 ) 它等价于在高维特征空间妒。b ) ，妒o ) 中的线性决策函数。上式要求得系数， 只要寻找泛函 的最大值，约束条件仍然为 酢) 一善l 口；一吾缸叩k b ，) 0 为常数，卢为正偶数常数。选择用特征向量减方差作为定义隶属函数的变量主 要考虑到g o ，l ，) 反映图像的高频性质，方差能较好的反映颜色性质。式( 3 8 ) s n a k e 模型中的隶属函数由式( 3 9 ) 和( 3 1 0 ) 确定。 3 2 。4 实验与讨论 首先对实验的舌图像进行颜色空间的转换，即从r g b 空间转换蛰 h s v 空间，利用 式( 3 - 9 ) _ ；9 1 ( 3 1 0 ) 计算对有封闭曲线围成的内外区域的隶属度。利用式( 3 8 ) 实现曲线 演化。 华北电力人学硕十学位论文 ( a ) 原始舌图和衲始曲线 ( b ) 迭代3 0 次的结果( c ) 迭代6 0 次的结果 图3 4 改进后s n a k e 舌体分割过程 图3 4 ( a ) 为原始舌图像和初始曲线，图3 - 4 ( b ) 和图3 - 4 ( c ) 是根据参数口：l ， p = 0 8 ，五= 0 7 ，p = 0 4 ，仃= 2 0 ，分别迭代3 0 次和6 0 次的结果。6 0 次以后，活 动轮廓曲线较好地提取了目标区域的舌体轮廓，而且轮廓曲线不再随迭代次数的增 加而变化。实验结果表明，利用颜色空间变换后，提取颜色特征集成到基于模糊集 理论的s n a k e 模型中是有效的，取得了令人满意的结果。 3 3 小结 为了消除舌图像中的噪声，改善舌图像的质量，本文采用了矢量中值滤波算法对舌 图像进行了滤波处理。实验表明，经过滤波处理后的舌图像能够满足后续工作的要求。 在舌图像分割过程中，本文提出了一种基于模糊理论的s n a k e 模型分割算法。本算法利 用隶属度来解决舌图像中由于信息不完整、含糊等造成的不确定性的问题，使舌图像中 的舌体能够更加精确完整的分割出来。实验结果表明，此算法用于舌像分割是非常有效 的，能够更好的满足后续工作的要求。 华北电力大学硕士学位论文 第四章基于支持向量机的舌色苔色分类 4 1 多类分类问题 前面所介绍的支持向量机理论，均限于二类分类问题，但舌色、苔色的分类属 于多类分类问题。支持向量机的多类分类问题常用的方法有：一对多、一对一、多 对多。目前在以上算法的基础上出现了很多改进算法1 5 2 制】。目前应用最多的是前两 种方法。 1 ) 一对多方法( o n e a g a i n s t t h e r e s t ) 一对多的分类方法是解决多类分类问题的最早的方法，它的主要思想是对 于以( _ ，l 2 ) 类s v m 分类问题，首先构造n 个决策函数，每个决策函数将其中的 一类从其他类中分离出来作为正的一类，其余的类作为负的一类，待分类样本 通过所有的分类器分类后，最终属于正类就是分类结果。 这种方法的优点在于，对分类器数目较少，结构比较简单，分类速度较快。 其缺点在于，每个分类器的训练均采用全部样本作为训练样本，因此训练效率 较低。此外，存在混分和漏分样本的问题。 2 ) 一对一方法( o n e a g a i n s t o n e ) 一对一的方法是在所有的忍类中，每次选取两个不同的类构成一个s v m 分类器，这样共构成c ：个两类s v m 分类器。在训练阶段可以采用不同的方式 训练样本属于哪一类，最常用的是“最大投票法乃，即每个分类器都要对样本的 类别进行判断，采用投票的方式为其对应的类别投票，最后得票最多的类别就 是该样本的所属类。虽然这种分类方式需要构造的分类器数目要远大于一对多 算法，但成对算法训练时每个分类问题的规模却小了许多，要学习的问题也比 较简单。本文在此算法基础上，提出了一种改进的多类支持向量机的分类方法。 4 2 多类支持向量机的改进算法 多类支持向量机在用于舌色和苔色的判断时，由于部分类别的舌体和舌苔的颜 色差别不大，例如舌质红与舌质绛红之间差别就很小，所以很容易造成混分、错分 的情况，这种情况将直接导致分类结果的精确度降低。基于这种情况，本文提出了 一种改进的多类支持向量机分类算法。此算法是在一对一方法的基础上，。对最相似 类进行再分类，从而达到准确分类的目的。 3 1 ， 华北电力大学硕士学位论文 4 2 1 类间相似性度量 在改进算法中，类问的相似性度量1 4 9 】是对相似类进行再分类的依据，能否有效 的对子类之间进行相似性度量直接关系到改进算法性能的优劣。 在样本空间中，每个类别都有自己的类域，类别间类域相距越远，则类别之间 的差别越大；如果两个类域存在交叠，则交叠部分包含的训练样本数越多则相似度 越高。某一类别训练集的类域用凸包来表示，训练集凸包是包含训练集所有样本的 最小凸集，通过训练集凸包的最近距离来度量类间的相似性。以下是凸包间最近距 离的定理： 定理1 设类别c l 和c ：的训练集分别为4 - k ，毛：，h ， a ：一仁2 。，工恐，z 弘j ，在以4 为正例，a 2 为反例的训练样本集上训练所得到的线性 厶 ， s v m 的法向量为w 一寰口二魂一窆口三黾。s v m 的边界支持向量数目为k ，则两类训练 符胃 集凸包不相交的充分必要条件是k 一0 。并且，当b 。一0 时，训练集4 和彳：的凸包 之间的最近距离为： 一峪字一凳刮卜缸一五 ， 由定理l 可知，根据支持向量的数目可以判断出训练集凸包之间是否存在交叠。 不存在交叠时，由线性s v m 的解直接计算出训练集凸包的最近距离；存在交叠时， 凸包的交叠区域可近似为超平面，g ) 一，b 乙) 和f ( x ) - ，) 之间的区域。其中， ，b 二j m i n 杪b 矗鼻，k 玉_ 】l ，b ：) j ，x 矗，x 玉，x 毒为正例边界支持向量； ，b 二) 一m a x k ( x 品l 厂k 】l ；，k 臻工矗，x 孟，z 二为反例边界支持向量。这样根据训练 样本的决策函数值就可以判断出在交叠区域中的样本。 1 因此，当训练集凸包之间无交叠时，令c | 和c 。的相似性测度为 s 1 2 = d m l 2 + 1 ； 有交叠时，则令q 和c 2 的相似性测度为 铲警南，： ( 4 2 ) ( 4 - 3 ) 其中以：为凸包交叠部分所包含的训练样本数，n 为类别数，为第i 类的训练样 华北电力大学硕士学位论文 由此可知，相似性测度s 。：的值越大，类i - j 的相似性越小。 所述，s v m 的类间相似性的度量算法如下： 训练类别c l 和c ：，边界s v 数目为k 。 若k = 0 ，则c 1 和c z 的相似性测度值为= 8 妻一薹挚z 翘“。 若虬0 ， 则计算 ，k ) ；m i n ，g 矗l 厂k l ，厂g 矗皓 和 ，k ) ；m a x f ( x 矗l ，g 五l ，k ) ，统计出包含在交叠区域中的训练样 杏数以z 及相似性测度2 1 l ii + 1 2 i 再- i 百。 干类间相似性度量的多类分类器算法设计 在获取了类间相似性度量值后，构造算法的过程是：首先采用一对一方法进行 分类，在所有的托类中，每次选取两个不同的类构成一个s v m 分类器，这样共构成 个两类s v m 分类器。在训练阶段采用最常用的“最大投票法 ，即每个分类器都要对样 本的类别进行判断，采用投票的方式为其对应的类别投票，最后得票最多的类别就是该 样本的所属类。具体来说，对第i 类与第，类的分类器是通过解下面的最优化问题得n - 约束条件为： ，器i 凳。丢# ) r w f + c ；彰 ( 4 4 ) ( 4 - 5 ) 判断m a x l ( w 盯庐b ) + 6 盯) j ，若属于i 类，则i 类的票数j n - ，若属j 类，则的票数加一， 最终得票最多的类即为样本点x 所属的类。在对每个子分类器进行分类后，要通过 类间相似性度量，统计边界支持向量数目6 。，如果6 。= 0 ， 则 毛z = 8 套名一薹老8 “，如果k o ，则统计出包含在交叠区域中的训练样本数 及相似性测度。詈i i 南。由于嘞和曲是成反比的! 所以只要计 算m i n ( s 甜) 就可以找出最相似的两个类。对这两个类经过反复测试，找出最佳的惩罚 因子，然后再重新进行分类，最终得到调整后的决策函数。假设类i 与类f 是最相似 的两类，其相应的对偶i - j 题为： z z e 1 y y。酽。彰 一 一 1 1 v l “可 v 6 6 + + 、-，、i， x z ，j，i、 咖曲 厂厂 v v b ，_l-il【 竺燮奎堂堡主堂垡笙銮 。， 纰) 一m 锻【扣一三私掣以k k 一 1 ( 4 6 ) 中。 约束条件为： 呱叩c 江垅且) ，r 却 ( 4 7 ) 经过多次实验得出最佳惩罚因子c ，使上式为最优解的拉格朗日乘子口，代人下式 w 。善口? y ，毛 ( 4 8 ) 最后将最佳惩罚因子c + 和最优权系数向量石代回一对一算法中，进行重新分类。 此改进算法的流程图为： 图4 - 1 改进一对一算法流程图 华北电力大学硕士学位论文 进算法的舌色苔色分类 在舌面上，不同部位表征着不同的脏腑器官。如舌尖主心，舌中主脾胃，舌根主 肾，舌两侧主肝胆，因此不同部位的颜色特征对舌色苔色的分类有不同的作用。临床医 生在观察病人的舌体时，往往是结合了舌尖或舌边等特殊部位的特殊颜色，然后对 舌体的颜色做出整体的判断。虽然这对临床医生来说是一个简单、直观、易行的过 程，但对计算机来说，则是一个复杂的处理过程。如果将舌像的某一部分的颜色笼 统的作为整个舌面颜色，即认为张舌图的舌色只能确定为统一的一种颜色，这将 会导致舌色自动分析的判断误差。所以，通过舌面区域的划分来判断舌色的必要性 是由舌象本身的复杂性和临床实际所决定的。 经过参考相关文