基于舌体分区颜色特征的智能图像分类方法
【技术领域】
[0001] 本发明涉及人工智能的视频图像及机器视觉的自动检测技术领域，具体涉及基于 舌体分区颜色特征的智能图像分类方法。
【背景技术】
[0002] 目前，国家安全、金融以及电子商务等领域容易受到假冒身份者的严重威胁，身份 识别的重要性日益突出。近年来，基于生物特征识别的智能身份鉴别技术越来越受到关注。 生物特征识别是利用图像处理、模式识别和计算机视觉的方法对人体具有的唯一性的生理 和行为特征进行有效的分析和描述，并通过判断这些分析和描述的一致性而确认身份的一 类技术。一般基于生理特征的方法有指纹识别、虹膜识别、人脸识别、手型识别等。经样本观 察和医学专家的确认，人类舌体中包含着大量的因人而异的特征，舌体的外观千差万别，主 要体现在舌体的颜色，形状及表面的沟痕及纹理分布上，自成年之后舌体的变化十分微小。 由此，人的舌体可以作为一个新的生物特征模态，用于辅助多模态身份信息识别。
[0003] 同时由于网络及多媒体技术的发展，人们在工作及日常生活中产生了大量的图形 数据，数字图像呈现出的爆炸式的增长方式。包括舌体图像在内的医学图像，扫描图片，新 闻图片等的大量信息被淹没在各种数据中，如果没有有效的图像数据管理方式，将无法对 需要的图片做出判断和分类，在需要时将无法被检索出来。借助人工智能的图像分类技术， 将可以对某一类图像（如本方法中的舌体图像数据）的海量图像数据进行组织分类，并以 此作为用户寻找类似图片，存储，索引图像数据是非常重要的。目前，如何高效的结合图像 的特征，如颜色特征，纹理特征等，对图像进行定量分析，根据图像的亮度，色调，位置及结 构特征，准确地对图像景物类型或目标作出正确的判断和解释是一个热点的研宄内容。
[0004] 现有的舌体图像自动化分类研宄仍然存在很多问题。当前已有的方法很难精确的 从图像中分割出来，在鲁棒性，精确性和实用性上均不能满足后续生物学图像分析中的需 要。没有相对精确的分割结果，也在很大程度上会影响后期的分析归类。并且，当前多数的 舌体图像分析归类方法只根据一些独立的特征，如颜色进行识别和分析，缺少特征结合起 来的分析方法。本发明可准确定位舌体区域，并利用分水岭算法对舌体进行高准确率的分 害J。对于分割后结果，本发明将舌体划分为不同区域，根据不同区域的颜色特征对图片做出 分类，并可在结合区域和颜色特征的基础上判断找出最相近的图片。能够应用于未来多模 态身份识别系统中基于舌体特征的生物信息图片分类和舌体信息识别。
【发明内容】
[0005] 本发明针对现有舌体图像分类自动化研宄方法的不足，提供了基于舌体分区颜色 特征的智能图像分类方法。本发明的目的在于提供自动化并能够高准确地分类舌体图像并 找出相似图像的方法，可用于多模态生物特征识别，作为辅助识别手段利用舌体特征进行 身份信息识别，还可以用于人工智能中的生物信息图像分类，减少主观因素影响和人工判 断带来的误差。
[0006] 基于舌体分区颜色特征的智能图像分类方法，包括以下步骤：
[0007] (a)对采集的舌体图像进行归一化处理，提取其方向梯度直方图特征并训练；
[0008] (b)基于SVM分类器队步骤（a)中的训练结果进行分类，定位并标出舌体的矩形位 置区域；
[0009] (C)对于输入的视频数据，利用步骤（b)中的原理得到的舌体位置区域，并通过分 水岭算法进行舌体分割；
[0010] (d)以步骤（b)中得到舌体定位的矩形区域，根据舌体分割的结果对矩形区域做 出调整，使其包含舌体分割的所有部分。将调整后重新得到的舌体定位的矩形区域等分成 N个子区域；
[0011] (e)对步骤（d)的N个子区域分别提取颜色特征并计算其颜色直方图；
[0012] (f)将步骤（e)中的相应颜色直方图分别与图片库中对应的直方图数据作相似度 比对，将计算的N个区域的相似度结果取均值并读取相似度最高的图片。
[0013] 上述基于舌体分区颜色特征的智能图像分类方法的步骤（a)中，训练方法是，将 舌体图片分为正样本和负样本，其中正样本52张，负样本183张分别放至两个文件夹。对 于获得的样本进行尺寸的调整，尺寸大小为256*320。所有图片缩放到统一尺寸之后，提取 出所有正样本的方向梯度直方图特征，之后同样提取所有负样本的方向梯度直方图特征。 [0014] 上述基于舌体分区颜色特征的智能图像分类方法的步骤（a)中，方向梯度图的计 算方法为，对于每幅图像划分成若干个块，对每一个块继续划分区域，对最后的划分的每 一个细胞元，计算方向梯度直方图。方向梯度是由像素点（x，y)的水平方向梯度Gx(x，y) =H(x+1, y)-H(x_l, y)和竖直方向梯度 Gy(x, y) = H(x, y+l)_H(x, y-1)分别计算而来， 其中H(x，y)代表像素值，并由
【主权项】
1. 基于舌体分区颜色特征的智能图像分类方法，其特征在于，包括以下步骤： (a) 对于摄像头采集的舌体图像进行归一化处理，提取其方向梯度直方图特征，根据提 取的方向梯度直方图特征数据进行训练； (b) 基于SVM分类器，根据步骤（a)中的训练结果进行分类，由此对舌体区域进行定位， 获得舌体的矩形位置信息； (c) 输入带有舌体的视频数据，利用步骤（b)中得到的舌体的矩形位置信息，通过分水 岭算法对舌体进行分割； (d) 以步骤（b)中得到的舌体的矩形位置区域，根据步骤（c)舌体分割的结果对矩形 区域做出调整，使其包含舌体分割的所有部分；将调整后的矩形区域等分成N个矩形区域， N可为4、6或9 ; (e) 对于步骤（d)等分的N个区域分别提取颜色特征，并计算其颜色直方图； (f) 建立标准舌体图像的分类图片库，对于分类图片库的图片同样按照步骤（a)~（e) 提取颜色特征，并计算颜色直方图； (g) 将步骤（e)中的相应颜色直方图分别与步骤（f)中的分类图片库中对应的直方图 数据作相似度计算