[发明专利]基于特征匹配的舌苔分类方法、装置、设备及介质在审
申请号: | 202110857335.5 | 申请日: | 2021-07-28 |
公开(公告)号: | CN113538398A | 公开(公告)日: | 2021-10-22 |
发明(设计)人: | 郭岑;周宸;陈远旭 | 申请(专利权)人: | 平安科技(深圳)有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/11;G06T7/40;G06K9/62;G06K9/46 |
代理公司: | 深圳国新南方知识产权代理有限公司 44374 | 代理人: | 马雪娇 |
地址: | 518000 广东省深圳市福田区福*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 特征 匹配 舌苔 分类 方法 装置 设备 介质 | ||
1.一种基于特征匹配的舌苔分类方法,其特征在于,包括:
获取舌体图像,并提取所述舌体图像中的舌苔图像;
对所述舌苔图像进行图像分割,以将所述舌苔图像划分为多个超像素区域;
提取每一所述超像素区域的纹理特征;
基于所述纹理特征与预先获取的舌苔类别对应的基准特征进行特征匹配,以对每一所述超像素区域进行舌苔薄厚的分类。
2.如权利要求1所述基于特征匹配的舌苔分类方法,其特征在于,所述舌苔图像对应一视觉特征矩阵;所述视觉特征矩阵包括所述舌苔图像中每一像素点的视觉特征;在所述对所述舌苔图像进行图像分割,以将所述舌苔图像划分为多个超像素区域之前,所述基于特征匹配的舌苔分类方法还包括:
基于所述舌苔图像中每一所述像素点的位置特征,重构所述视觉特征矩阵,以通过所述重构后的视觉特征矩阵描述所述舌苔图像;其中,所述重构后的所视觉特征矩阵中包括每一像素点的所述视觉特征以及所述位置特征;
在所述对每一所述超像素区域进行舌苔薄厚的分类之后,所述基于特征匹配的舌苔分类方法还包括:
基于目标超像素区域中每一像素点的位置特征,定位所述目标超像素区域的位置;其中,所述目标超像素区域为分类为厚舌苔的超像素区域。
3.如权利要求1所述基于特征匹配的舌苔分类方法,其特征在于,所述提取所述舌体图像中的舌苔图像,包括:
将所述舌体图像的对应的RGB色彩空间转换为CIELAB色彩空间,以通过RGB值以及LAB值描述每一所述像素点的视觉特征;
基于预先定义的舌苔对应的苔色中心特征,计算所述视觉特征与所述苔色中心特征的第一特征相似度;以及,基于预先定义的舌质对应的质色中心特征,计算所述视觉特征与所述质色中心特征的第二特征相似度;
基于所述第一特征相似度以及所述第二特征相似度,对所述像素点进行舌苔舌质分类,以提取所述舌苔图像。
4.如权利要求1所述基于特征匹配的舌苔分类方法,其特征在于,所述对所述舌苔图像进行图像分割,以将所述舌苔图像划分为多个超像素区域,包括:
基于预先聚类得到的K个超像素区域的聚类中心,计算每一所述像素点与所述聚类中心的第三特征相似度;
基于所述第三特征相似度,将所述舌苔图像划分为K个超像素区域;其中,K为不小于2的正整数。
5.如权利要求1所述基于特征匹配的舌苔分类方法,其特征在于,所述提取每一所述超像素区域的纹理特征,包括:
基于预先定义的伽柏滤波器,对每一所述超像素区域进行小波变换,以提取所述超像素区域的纹理特征。
6.如权利要求1所述基于特征匹配的舌苔分类方法,其特征在于,在所述基于所述纹理特征与预先获取的舌苔类别对应的基准特征进行特征匹配,以对每一所述超像素区域进行舌苔薄厚的分类之前,所述基于特征匹配的舌苔分类方法还包括:
获取预先标注好舌苔类别的多个舌苔样本图像;
对每一所述舌苔样本图像进行图像分割,以将所述舌苔样本图像划分为多个超像素区域;
提取每一所述超像素区域的纹理特征,并对每一所述舌苔样本图像对应的多个区域纹理特征进行统计,获取每一所述舌苔样本图像对应的样本纹理特征;
将相同舌苔类别的多个舌苔样本图像作为目标整合集,并对所述目标整合集对应的多个样本纹理特征进行整合,获取所述舌苔类别对应的基准特征。
7.一种基于特征匹配的舌苔分类装置,其特征在于,包括:
舌苔图像提取模块,用于获取舌体图像,并提取所述舌体图像中的舌苔图像;
图像分割模块,用于对所述舌苔图像进行图像分割,以将所述舌苔图像划分为多个超像素区域;
纹理特征提取模块,用于提取每一所述超像素区域的纹理特征;
舌苔分类模块,用于基于所述纹理特征与预先获取的舌苔类别对应的基准特征进行特征匹配,以对每一所述超像素区域进行舌苔薄厚的分类。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110857335.5/1.html,转载请声明来源钻瓜专利网。