[發明專利]基于稀疏表示的舌圖像分割方法

有效

• 申請號: 201510369625.X
• 申請日: 2015-07-21
• 公開（公告）號: CN104933723B
• 公開（公告）日: 2017-08-04
• 發明（設計）人: 李佐勇;劉偉霞
• 申請（專利權）人: 閩江學院
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T7/90;G06K9/46
• 代理公司: 福州元創專利商標代理有限公司35100
• 代理人: 蔡學俊

技術領域

本發明涉及屬于圖像處理技術領域，尤其是一種基于稀疏表示的舌圖像分割方法，用于對中醫自動化舌診中采集到的舌圖像進行分割，將舌體從面部等背景中提取出來，為中醫自動化舌診的后續識別工作提供依據。

背景技術

舌診是傳統中醫“望診”的主要內容之一，是具有中醫特色的傳統診斷方法之一。舌象是反映人體生理功能和病理變化最敏感的指標，在中醫診療過程中具有重要的應用價值。應用圖像處理技術，建立舌診信息的客觀量化、識別方法，實現中醫舌診的自動化，對中醫現代化具有重要的現實意義。自動化舌診系統中，病人的舌圖像經過數字采集儀器（工業相機、攝像頭等）獲取后，必須首先對目標區域（舌體）進行自動的分割。因此，舌象分割成了連接圖像采集和圖像分析的重要紐帶，分割質量將直接影響到后續工作。

相對于普通的圖像分割問題，舌圖像的分割存在更多的挑戰和困難。這些困難源于舌圖像自身的特性：1) 舌體的顏色與臉部的顏色特別是嘴唇的顏色很接近，容易混淆；2) 舌體作為一個軟體，沒有固定的形狀，舌體形狀的個體差異性大；3) 從醫學病理學的角度來看，舌體不平滑，舌苔舌質因人而異，病理特征差異較大；4）舌體的裂紋、舌苔色塊也會嚴重影響舌體的自動分割。

鑒于舌圖像分割的困難和挑戰，單一的圖像分割技術并不能獲得滿意的分割效果。因此，人們開始研究多種分割技術的融合。在多種分割技術融合的框架下，國際主流的舌圖像分割方法是基于主動輪廓模型(ACM, Active Contour Model)的方法。ACM又稱為Snake模型，是一種流行的可變形狀模型，廣泛應用于輪廓提取中。給定一個初始輪廓曲線，主動輪廓模型在內外力的共同作用下將初始輪廓曲線朝真實目標輪廓處演化。基于ACM的分割方法研究主要集中在初始輪廓的獲取和曲線演化上。比如，Pang等提出一種雙橢圓形變輪廓模型方法BEDC^[1]，其結合了雙橢圓形變模板(BEDT)和主動輪廓模型。BEDC首先定義了一種稱為BEDT的形變模板作為舌體的一種粗略描述，然后通過最小化BEDT能量函數來獲得舌體初始輪廓，最后利用模板能量代替傳統內能量的主動輪廓模型來演化舌體初始輪廓，進而獲得最終的分割結果。Zhang等^[2]提出了一種融合極坐標邊緣檢測和主動輪廓模型的方法。此方法先對原始圖像進行極坐標轉化，利用邊緣檢測算子獲得極坐標邊緣圖像，同時從舌圖像中提取邊緣模板；然后，利用邊緣模板過濾掉舌體內部紋理造成的虛假舌體邊緣；接著，利用圖像二值化技術結合形態學濾波進一步剔除舌體以外的虛假舌體邊緣（比如，臉部褶皺引起的邊緣）；最后，將邊緣檢測結果作為舌體的初始輪廓，運用主動輪廓模型方法對初始輪廓進行演化，進而獲得最終的分割結果。此方法對舌體與近鄰部分（嘴唇和臉部）顏色近似造成的弱輪廓提取效果欠佳，而且在舌體與嘴唇的空隙處以及舌尖部分容易發生誤分割。Ning等^[3]提出了一種融合梯度向量流(Gradient Vector Flow)、區域合并技術(Region Merging)和主動輪廓模型的方法，簡稱為GVF-RM。此方法先將傳統的梯度向量流改造為標量擴散方程對舌圖像進行擴散以期達到平滑圖像，保留舌體輪廓結構的預處理目的；然后，利用分水嶺算法將預處理過的舌圖像分割成許多小區域；接著，運用基于最大相似性的區域合并算法結合目標、背景標記將小區域合并成大區域，從而形成舌體的初始輪廓；最后，利用主動輪廓模型對初始輪廓進行演化，得到最終的分割結果。當舌體靠近圖像的邊界時，錯誤的目標、背景標記可能造成錯誤的區域合并結果，從而導致誤分割。此方法在舌體與嘴唇的空隙處以及顏色近似性造成的弱邊緣處分割效果欠佳。

現有主流的基于主動輪廓模型的舌圖像分割方法存在如下三個局限性：

(1) 現有的方法通常只使用單一的顏色分量對舌圖像進行分割。比如，BEDC方法^[1]在舌圖像分割過程中僅使用了圖像的紅色分量。GVF-RM方法^[3]在利用梯度向量流和分水嶺分割算法獲取舌體初始輪廓的過程中也僅使用了圖像的紅色分量。正如大多數舌圖像分割文獻中提及的那樣，顏色通常是區分舌圖像中舌體與背景最重要的特征。單一顏色分量不能充分利用圖像的色彩信息，更不利于分辨舌體與其近鄰組織尤其是嘴唇。這進一步增加了提取舌體與近鄰組織之間顏色近似性而引起的弱輪廓的困難。