[發明專利]一種皮膚病圖像分類方法在審

申請號：	201810438389.6	申請日：	2018-05-09
公開（公告）號：	CN108596273A	公開（公告）日：	2018-09-28
發明（設計）人：	宋艷枝;郭松陶	申請（專利權）人：	合肥黎曼信息科技有限公司
主分類號：	G06K9/62	分類號：	G06K9/62
代理公司：	上海精晟知識產權代理有限公司 31253	代理人：	馮子玲
地址：	230000 安徽省合肥市高新區***	國省代碼：	安徽;34
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	皮膚病圖像分類整體模型預處理卷積神經網絡圖像處理技術圖像圖像預處理新樣本預測測試圖片快速判斷模型訓練選擇組件訓練模型組件分類端對端分類器精準度辨識預測
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明公開了一種皮膚病圖像分類方法，涉及圖像處理技術領域。本發明包括如下步驟：步驟S01選取圖像預處理方式；步驟S02選擇組件分類器；步驟S03選擇訓練方式和整體模型結構；步驟S04模型訓練；步驟S05新樣本預測。本發明通過給用戶輸入的皮膚病圖像進行預處理，利用深度卷積神經網絡作為組件分類器，將設計的整體模型結構通過訓練方式訓練模型，得到端對端模型，對測試圖片進行預測，完成圖像分類任務，提高了皮膚病圖像的辨識精準度，方便用戶快速判斷病情，能夠得到有效及時醫治。

技術領域

本發明屬于圖像處理技術領域，特別是涉及一種基于深度卷積神經網絡集成的皮膚病圖像分類方法。

背景技術

圖像分類，是判斷給定圖像的內容在已有固定的分類標簽集合中屬于何種具體類別的過程。

圖像內容的視角變化、大小變化、形變、遮擋、光照條件、背景干擾等都是分類任務面臨的困難，加之皮膚病種類繁多，有的疾病類間差異小，辨識困難，因此皮膚病圖像分類是一個較難的問題。傳統的機器學習方法一般首先提取圖像特征，然后利用特征建模。特征一般為人為挑選，不夠靈活，也不夠準確，往往不能充分反映圖像關鍵信息，因此準確率不能令人滿意。深度學習技術在計算機視覺領域表現優異，在皮膚病圖像分類任務中也可取得較好的效果，但其準確率仍有進一步提升的空間。

發明內容

本發明的目的在于提供一種皮膚病圖像分類方法，通過將用戶輸入圖片進行圖像預處理，利用深度卷積神經網絡作為組件分類器，訓練模型對測試集進行預測，完成圖像分類任務，解決了現有的皮膚病圖像分類難、精準度不足的問題。

為解決上述技術問題，本發明是通過以下技術方案實現的：

本發明為一種皮膚病圖像分類方法，包括如下步驟：

步驟S01選取圖像預處理方式：針對皮膚病圖像具體分析，選取預處理方式；

步驟S02選擇組件分類器：選擇深度卷積神經網絡作為組件分類器，設計整體模型結構；

步驟S03選擇訓練方式和整體模型結構：根據預處理方式的復雜程度及計算機的承受能力，確定訓練模型的方式；

步驟S04模型訓練：使用訓練集訓練端對端模型；

步驟S05新樣本預測：使用訓練好的模型對測試集進行預測，完成圖像分類任務。

優選地，所述步驟S01中，預處理方式包括：圖像顏色平衡、去除毛發和疾病區域檢測；

其中，所述圖像顏色平衡通過simplest color balance或gray world算法，用于提升圖片質量；所述去除毛發通過掩膜重建算法，用于將圖片進行降噪；所述疾病區域檢測通過overfeat或RCNN算法，用于統一皮膚病圖片的尺寸規則。

優選地，所述步驟S03中，通過組件分類器提取圖像特征，再進行拼接或其他組合；所述組件分類器為深度卷積網絡ResNet。