一种老嫩舌的客观化检测算法的制作方法

本发明涉及中医舌象处理，尤其是涉及一种老嫩舌的客观化检测算法。

背景技术：

1、在现有技术中，老嫩舌是与年龄有一定相关性的中医舌形特征。老舌常见于老年人，表现为舌质纹理干燥粗糙或皱缩，形体坚敛苍老，老舌的舌色通常偏暗；嫩舌常见于中青年，表现为舌体纹理浮胖细腻，形体娇嫩，嫩舌的舌色通常偏浅淡，在两者对应的病理意义上，老舌一般主实症，嫩舌一般主虚症。

2、申请号为：202010418958.8的中国发明专利公开了一种智能舌诊检测方法、装置、智能终端和存储介质，该方法包括：采集舌头图像数据；应用设定目标检测算法，根据舌头图像数据识别舌头局部目标，舌头局部目标包括舌苔和舌尖；应用设定深度学习算法，确定舌头的属性、舌苔的属性和舌尖的属性；舌头的属性包括肥大、瘦小、老、嫩和正常，舌苔的属性包括干、湿、厚、薄和颜色，舌尖的属性包括颜色；根据舌头的属性、舌苔的属性和舌尖的属性确定用户体质信息，并根据用户体质信息生成中医调理方案并展示。降低了用户舌诊的门槛，对用户的体质情况进行分析和记录，给出调理建议，有助于用户对自身体质的了解，方便用户了解身体的各项状况的问题；通过增加舌诊检测指标来提高检测准确率。然而该种智能舌诊检测方法、装置、智能终端和存储介质并未公开如何客观化的对舌体的老、嫩程度进行界定，从而划分老嫩舌，无法对舌体老嫩进行判别，从而对舌体老嫩度进行量化分析。

技术实现思路

1、本发明的目的是提供一种老嫩舌的客观化检测算法。

2、为实现上述目的，本发明提出的技术方案是：

3、一种老嫩舌的客观化检测算法，包括以下步骤：

4、图像采集，采集舌体图像；

5、基于灰度共生矩阵法的舌体纹理特征提取；

6、基于k-means聚类算法的舌体颜色特征提取；

7、基于relieff算法的舌体老嫩度量化分析。

8、基于灰度共生矩阵法的舌体纹理特征提取包括：

9、a、选择haralick特征所提出的14种基于灰度共生矩阵计算得出的统计量中的角二阶矩、熵、逆方差以及对比度这四种统计量作为舌体纹理特征的描述；

10、b、选择舌边缘区域作为分析老嫩舌的感兴趣区域；

11、c、提取舌边缘区域，选择0.3倍舌体宽度作为舌边缘的宽度，对分割以后的舌体图像进行边缘提取，并将提取后的舌边缘图像进行灰度化处理；

12、d、对提取的舌边缘区域，通过灰度共生矩阵法提取舌体的纹理特征，并选择0°、45°、90°和135°这四个方向灰度共生矩阵的平均值pm(i,j,d)作为最终的共生矩阵：

13、

14、haralick特征中，角二阶矩：

15、

16、式中，p(i,j)是图像的灰度共生矩阵；

17、熵：

18、

19、逆方差：

20、

21、对比度：

22、

23、其中，角二阶矩用来描述图像的灰度分布均匀程度和纹理的粗细，当纹理均匀规则的时候角二阶矩较大，反之，如果纹理杂乱不规则，角二阶矩较小，熵用来表示图像当中信息量的随机性，反映了图像的复杂程度，当图像当中的像素值随机性高时，即图像的复杂程度较高时，熵的值较大，逆方差用来表示纹理的清晰程度和规则程度，纹理越清晰、越均匀，逆方差的值越大，对比度用来表示图像的清晰度和纹理中的纹路深浅，图像的纹理越清晰，纹路越深，对比度的值越大。

24、灰度共生矩阵的求解过程：

25、假设图片一共有8个灰度级，查找方向为水平方向，查找间隔为1，假设出发点灰度级为i(i＝1,2,...,8)，目标点灰度级为j(j＝1,2,...,8)，glcm(i,j)的值表示有几对像素水平相邻。

26、基于k-means聚类算法的舌体颜色特征提取包括：

27、将舌体边缘图像进行k-means聚类；

28、提取图像当中舌体颜色较深部分的r、g、b值以及较深颜色的舌体面积占舌体边缘面积的比值rs'作为老嫩舌的颜色特征。

29、k-means聚类算法的实现过程包括：

30、a、初始化聚类中心。设置分类数k，并在图像当中随机选取k个聚类中心m1(1),m2(1),...,mk(1)；

31、b、对图像中的像素点(x,y)分别计算到k个聚类中心之间的距离，并将其划分在距离其最近的聚类中心的类中，得到新的聚类p；

32、c、更新聚类中心mj(i)：

33、

34、式中，f(x,y)表示像素点的灰度函数，表示经过i次聚类以后的第j个聚类中心，表示经过i次聚类以后第j个类，nj表示中像素点的个数；

35、d、计算准则函数ξ2：

36、

37、如果ξ2收敛，则聚类结束，否则循环步骤b和步骤c。

38、基于relieff算法的舌体老嫩度量化分析包括：

39、将一定数量的老舌图片和嫩舌图片作为训练样本构成老嫩舌训练集；

40、运用relieff算法对这表示纹理特征的图像灰度共生矩阵的角二阶矩、熵、逆方差、对比度和表示颜色特征的舌体边缘较深色r、g、b值以及面积比rs'的特征权重进行计算；

41、进行min-max数据标准化处理，使表示纹理特征的图像灰度共生矩阵的角二阶矩、熵、逆方差、对比度和表示颜色特征的舌体边缘较深色r、g、b值以及面积比rs'的特征值在同一量纲；

42、将各个特征值进行加权求和以后得到舌体的老嫩度ltender。

43、relieff算法对特征的特征权重进行计算的过程包括：

44、ⅰ、每次从老嫩舌训练集中随机选择一个样本r；

45、ⅱ、在r的同类样本中找到r的k个最近邻样本h，在不同类中找到r的k个最近邻样本m；

46、ⅲ、计算每个特征的特征权重w：

47、

48、式中，w(a)表示特征a的权重，class(r)表示样本r所属类别，c表示与样本r所在不同类别，mj(c)表示在不同类别c中的k个最近邻样本中的第j个，diff(a,r,hj)表示样本r和样本hj在特征a上的差，计算公式如下：

49、

50、将老嫩舌的8个特征通过relieff算法计算每个特征所对应的权重wi(i＝1,2,...,8)，选择运行次数为20次，将20次运算后wi的均值作为老嫩舌的特征权重值。

51、舌体的老嫩度ltender的表达式为：

52、ltender＝asm'*w1+ent'*w2+idm'*w3+con'*w4+b'*w5+g'*w6+r'*w7+rs”*w8  (1-10)

53、式中，asm为角二阶矩，ent为熵，idm为逆方差，con为对比度。

54、对提取的舌体区域通过灰度共生矩阵法提取舌体的纹理特征时，使用灰度直方图的灰度级是16，如果图像的灰度级大于16会自动压缩到16灰度级。

55、本发明的有益效果是：

56、可以分别提取老嫩舌舌体的纹理特征和颜色特征，并通过relieff算法对特征的权重进行计算，最终通过加权计算得到可以表示舌体老嫩程度的老嫩度参数，并通过老嫩度参数对舌体老嫩进行判别，从而对舌体老嫩度进行量化分析。