[发明专利]一种基于K-PLS回归模型的中医舌图像颜色校正方法

说明书

技术领域

本发明属于计算机图像处理和中医学交叉学科领域，设计了一种基于核偏最小二乘(K-PLS，Kernel Partial Least Squares)回归模型的中医舌图像颜色校正方法，将不同光照环境下的舌图像校正到统一标准下，以克服舌象仪的光照差异导致的舌图像颜色呈现不一致问题，使得数字化中医舌象分析结果更加客观、准确。

背景技术

舌诊是中医“望闻问切，四诊合参”中望诊的重要内容。长期以来，舌诊主要是通过医生肉眼观察和经验来判断病证，缺乏定量化的度量和分析手段。近几十年来，中医客观化尤其是舌诊客观化的研究受到普遍的重视，也有了不少成果。

舌象的特征包括很多，如舌色(舌质的颜色)、苔色(舌苔的颜色)、舌苔厚度、湿度、质地以及舌形和舌态等。其中，舌色和苔色是舌诊中的重要依据。通常，舌色可分为淡、淡红、红、暗红、绛红、暗紫；苔色可分为薄白苔、白苔、白厚苔、薄黄苔、黄苔、黄厚苔、灰苔、褐苔、黑苔。人体正常的舌象颜色为淡红舌、薄白苔。

在现有的各种舌色、苔色客观化的研究工作中，都存在着一个前提，即待分析舌图像均在统一标准(光照环境和采集设备)下采集。其原因是，光照环境的变化和不同的采集设备都必然会使得采集到的舌图像产生颜色失真，如附图1所示，而颜色的失真不但会使得医生在观察舌象时产生错误的判断，更会严重影响舌色、苔色自动分析的准确性和客观性。然而，由于采集设备的光源老化等原因，颜色失真现象极易发生。所以，对于采集后的舌图像进行颜色校正是中医舌象自动化分析中的必要步骤。

偏最小二乘(PLS，Partial Least Squares)回归可以较好地解决用普通多元回归难以解决的一些线性问题，如自变量之间的多重相关性、样本数相对较少等问题。Rosipal和Trejo在2001年首次将核函数引入到PLS回归中，利用非线性变换核函数将自变量空间映射到高维特征空间中，在该高维特征空间中进行PLS回归，从而将PLS回归由线性扩展到非线性。K-PLS回归模型不仅具备了PLS回归的一些特点，还克服了PLS回归只能处理线性关系的局限性，从而极大地提高了拟合和预测的精度。

因此，本发明设计并实现了一种K-PLS回归模型的中医舌图像颜色校正方法。该方法采用K-PLS回归模型来拟合颜色实际采集值与颜色标准值之间的映射模型，然后利用这一模型进行校正。

发明内容

本发明的主要目的是将K-PLS非线性回归技术引入到中医舌图像的颜色校正中，设计了一种新的中医舌图像颜色校正方法，从而为数字化中医舌诊研究的客观化和标准化提供了保证。

本发明采用如下技术手段实现：

先利用舌象仪(或其它图像采集设备)对标准色标卡进行拍摄采集，然后选取该图像中色标的色标样本，并以色标中各颜色的标准色度值为目标值，进行K-PLS回归的模型训练，得到色标实际采集值与色标标准值之间的训练模型。利用此训练模型对该拍摄环境下所拍摄的实际舌图像进行颜色回归校正，最终得到颜色校正后的中医舌图像。本发明的流程图如附图2所示。

一种基于K-PLS回归模型的中医舌图像颜色校正方法，其特征在于包括如下步骤：

步骤1：色标图像采集；

在进行色标图像采集时，使用具有标准色度值的色标卡，即该色标卡的每个色块的D65标准光源下的标准R、G、B色度值都是有官方测量所给出，且拍摄时光照环境不可过暗或过亮，以致无法识别；

步骤2：训练样本点的选取；

步骤2.1：样本点的选取；

在每个色块内选取固定30*30的区域，并求取该区域内R、G、B三分量的平均值，作为该色块的样本点色度值；

步骤2.2：从RGB颜色空间转换到CIE L*a*b*颜色空间；

选择在CIELAB空间进行K-PLS回归模型的建模，将所有样本点色度值和标准色度值全部从RGB颜色空间转换到CIE L*a*b*颜色空间，并作为最终的训练样本值和目标值用于K-PLS回归模型的训练和测试，CIE L*a*b*颜色空间的平均色差公式如下：