用于预测女性排卵期的唾液影像辨识方法与流程

本发明与一种唾液影像辨识方法有关，特别是指一种用于预测女性排卵期的唾液影像辨识方法。

背景技术：

一般而言，女性的月经周期约为27至30日，其中，月经期约持续3至7日，而排卵期则大约持续6日，因此为了探测排卵期以取得生育或节育控制权，坊间乃发展出基础体温法、阴道分泌物分析与尿液检测等数种探测方式，而在众多探测方式中，唾液检测为一较新的技术，其主要是借由观察干燥唾液的结晶图案，来辨别唾液主人的排卵状态，根据现有研究资料指出，该结晶图案可区分成点状、半羊齿状与全羊齿状，并分别对应女性的非排卵期、可能排卵期以及排卵期。

然而现有唾液检测方式，多是将唾液涂布于载玻片，再通过显微镜进行观察与识别，不仅操作不便，且其辨识成功率取决于辨识者的经验，因此乃有业者开发出如美国专利公开第US20080255472号专利，其揭示有定期撷取一唾液影像，并进行影像二值化处理，将该唾液影像转换成一二值化影像，然后分析该二值化影像的黑像素密度，并记录绘制成一密度统计曲线图，借此，令唾液主人可通过该密度统计曲线图，了解自己的排卵状态。

但上述专利采定义像素灰阶值的方式来滤除影像中的噪声等杂讯，容易有误判的情况，导致辨识成功率不佳，且唾液主人仅能通过该密度统计曲线图事后观察了解排卵状态，并无法即时得知当时的排卵状态。

技术实现要素：

为了解决上述技术问题，本发明提供一种用于预测女性排卵期的唾液影像辨识方法，其可供简单、快速、安全与准确地自动检测分析女性的唾液影像，并由该唾液影像自动判断该女性的排卵状态。

为达上述目的，本发明所提供的用于预测女性排卵期的唾液影像辨识方法，包含有下列步骤：一取得影像步骤，采用一影像撷取装置拍摄取得一干燥唾液影像，并经影像灰阶化处理，将该干燥唾液影像转换成一灰阶唾液影像；以及一优化影像步骤，利用滤波器去除该灰阶唾液影像的杂讯，并增强该灰阶唾液影像的影像细节；以及一影像二值化步骤，设定一阀值，并将该灰阶唾液影像的每一像素的灰阶值与该阀值进行比较，若该像素的灰阶值低于或等于该阀值，则定义该像素为黑像素，而若该像素的灰阶值高于该阀值，则定义该像素为白像素，借此取得一二值化影像；还有一型态辨识步骤，通过一判定机制分析该二值化影像，并自动判定该二值化影像为非排卵期影像、可能排卵期影像以及排卵期影像的其中之一。

作为优选方案，其中，该判定机制采分析该二值化影像的白像素密度来进行判定。

作为优选方案，其中，设定一第一门槛值与一第二门槛值，当该白像素密度低于该第一门槛值，则判定该二值化影像为非排卵期影像，而当该白像素密度介于该第一门槛值与该第二门槛值，则判定该二值化影像为可能排卵期影像，而该白像素密度高于该第二门槛值，则判定该二值化影像为排卵期影像。

作为优选方案，其中，该判定机制采用资料探勘的方式来进行判定。

作为优选方案，其中，采用决策树分类来进行资料探勘。

作为优选方案，其中，由具羊齿状图案的唾液影像中，提取总线段、长线段、短线段、平行线段、长线段的百分比以及平行线段的百分比等六个线段特征来建立一棵决策树。

作为优选方案，其中，于该取得影像步骤与该优化影像步骤之间，更进一步包含有一影像剪裁步骤，对该灰阶唾液影像进行特定区块的锁定与裁剪，借以减少该灰阶唾液影像的资料量。

作为优选方案，其中，于该优化影像步骤与该影像二值化步骤之间，更进一步包含有一边缘侦测步骤，对该灰阶唾液影像进行边缘侦测处理，以查找标示出影像中灰阶值变化明显的像素。

作为优选方案，其中，于该影像二值化步骤与该型态辨识步骤之间，更包含有一影像细线化步骤，将该二值化影像的白像素简化成宽度为1像素的细线化影像，以及于该影像细线化步骤与该型态辨识步骤之间，更包含有一特征撷取步骤，对该细线化影像执行霍夫变换处理，以撷取出影像中所包含的边缘特征。

作为优选方案，其中，于该优化影像步骤采用一中值滤波器去除该灰阶唾液影像的斑点噪声等杂讯，以及一高增滤波器来抑制低频资讯，借此强化该灰阶唾液影像的边缘特征，使图像细节锐利化。

本发明所提供的用于预测女性排卵期的唾液影像辨识方法，借由该取得影像步骤、该优化影像步骤、该影像二值化步骤与该型态辨识步骤，可简单、快速、安全与准确地自动检测分析女性的唾液影像，并由该唾液影像自动判断该女性是处于非排卵期、可能排卵期以及排卵期的其中之一，借此，得帮助使用者预测排卵期，进而取得自主生育或节育的控制权。

附图说明

图1是本发明的第一较佳实施例的流程示意图。

图2是本发明的第二较佳实施例的流程示意图。

图3是本发明的第三较佳实施例的流程示意图。

图4是本发明的第四较佳实施例的流程示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

请参阅图1所示，为本发明的第一较佳实施例的流程示意图，其揭露有一种用于预测女性排卵期的唾液影像辨识方法，该唾液影像辨识方法包含有下列步骤：

一取得影像步骤，采用一影像撷取装置拍摄取得一干燥唾液影像，并经影像灰阶化处理，将该干燥唾液影像转换成一灰阶唾液影像。

一优化影像步骤，利用滤波器去除该灰阶唾液影像的杂讯，并增强该灰阶唾液影像的影像细节。

一影像二值化步骤，设定一阀值，并将该灰阶唾液影像的每一像素的灰阶值与该阀值进行比较，若该像素的灰阶值低于或等于该阀值，则定义该像素为黑像素，而若该像素的灰阶值高于该阀值，则定义该像素为白像素，借此取得一二值化影像。

一型态辨识步骤，通过一判定机制分析该二值化影像，并自动判定该二值化影像为非排卵期影像、可能排卵期影像以及排卵期影像的其中之一。

请继续参阅图1所示，本发明的唾液影像辨识方法主要是利用MATLAB软体进行，其步骤流程如下，首先使用者需利用该影像撷取装置拍摄取得该干燥唾液影像，其中，该影像撷取装置可以是一般手机，借此便于使用者随时随地进行拍摄，或是针对该唾液影像拍摄所开发的专用仪器，借此确保影像撷取的正确性，在此并不限制使用者取得该干燥唾液影像的方式。

之后利用影像灰阶化处理，将该干燥唾液影像转换成该灰阶唾液影像，并利用滤波器去除该灰阶唾液影像的杂讯，以及增强该灰阶唾液影像的影像细节，于本实施例中，是采用一中值滤波器去除该灰阶唾液影像的斑点噪声等杂讯，再进一步采用一高增滤波器来抑制低频资讯，借此强化该灰阶唾液影像的边缘特征，使图像细节锐利化。

然后再对该灰阶唾液影像进行二值化处理，其处理方式是将该灰阶唾液影像的每一像素的灰阶值与该阀值进行比较，若该像素的灰阶值低于或等于该阀值，则定义该像素为黑像素，而若该像素的灰阶值高于该阀值，则定义该像素为白像素，借此取得该二值化影像，其中，该阀值可由使用者自行定义，或者依据影像中的边缘讯息与噪声自动选择。

最后再通过该判定机制分析该二值化影像，并自动判定该二值化影像为非排卵期影像、可能排卵期影像以及排卵期影像的其中之一，于本实施例中，该判定机制是利用该白像素的数量，会随着唾液影像的羊齿状图案越趋显著而增多的特性，采将影像中的白像素数量除以黑像素与白像素的数量总和，以计算出该二值化影像的白像素密度，然后将该白像素密度与预先设定的一第一门槛值与一第二门槛值进行比较，若该白像素密度低于该第一门槛值，则判定该二值化影像为非排卵期影像，而若该白像素密度介于该第一门槛值与该第二门槛值，则判定该二值化影像为可能排卵期影像，而若该白像素密度高于该第二门槛值，则判定该二值化影像为排卵期影像，其中，该第一门槛值与该第二门槛值会依使用者的体质不同而变化，因此该第一门槛值与该第二门槛值可由使用者自行定义，或是追踪分析使用者的排卵状态一段时间后，依据所取得的统计数据自动定义。

借此，使本发明的唾液影像辨识方法，可简单、快速、安全与准确地自动检测分析女性的唾液影像，并由该唾液影像自动判断该女性是处于非排卵期、可能排卵期以及排卵期的其中之一，而可帮助使用者预测排卵期，进而取得自主生育或节育的控制权。

请再同时参阅图2所示，是本发明的第二较佳实施例的流程示意图，该唾液影像辨识方法与前述第一较佳实施例不同之处在于，于该优化影像步骤与该影像二值化步骤之间，更进一步包含有一边缘侦测步骤，对该灰阶唾液影像进行边缘侦测处理，以先查找标示出影像中灰阶值变化明显的像素，俾使后续进行该影像二值化步骤时，让该二值化影像的边缘特征更为干净与明显，而能提升型态辨识时的准确度，其中，该边缘侦测处理可采用Sobel、Canny、Prewitt等其中一种运算方式进行，于本实施例中，采用Sobel运算方式。

请再同时参阅图3所示，是本发明的第三较佳实施例的流程示意图，该唾液影像辨识方法与前述第二较佳实施例不同之处在于，于该取得影像步骤与该优化影像步骤之间，更进一步包含有一影像剪裁步骤，对该灰阶唾液影像进行特定区块的锁定与裁剪，借以减少该灰阶唾液影像的资料量，以提升整体影像运算的速度，并达到减少误判率的效果。

请再同时参阅图4所示，是本发明的第四较佳实施例的流程示意图，该唾液影像辨识方法与前述第三较佳实施例不同之处在于，于该影像二值化步骤与该型态辨识步骤之间，更包含有一影像细线化步骤，将该二值化影像的白像素简化成宽度为1像素的细线化影像，以及于该影像细线化步骤与该型态辨识步骤之间，更包含有一特征撷取步骤，对该细线化影像执行霍夫变换处理，以撷取出影像中所包含的边缘特征，同时该判定机制则采资料探勘的方式来进行判定，其中，资料探勘的方式可采贝氏分类、类神经网路分类、决策树分类等其中一种方式进行，于本实施例中，采用决策树分类来进行资料探勘，其具体实施方式举例如下段所述。

由于羊齿状图案主要是由呈交错或平行的多条长线段与多条短线段所构成，因此可先由具羊齿状图案的唾液影像中，提取六个线段特征，即总线段、长线段、短线段、平行线段、长线段的百分比以及平行线段的百分比，并将上述线段特征利用weka软体的J48分类建立成一棵决策树，如此只要将上述经霍夫变换撷取出的边缘特征比对该决策树的节点，即能快速辨识出该细线化影像的线段特征，并进一步判断为非排卵期影像、可能排卵期影像以及排卵期影像的其中一者，借此，可借由资料探勘的方式来进一步提高辨识成功率。

以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。