北京中医药大学学报
北京中醫藥大學學報
북경중의약대학학보
JOURNAL OF BEIJING UNIVERSITY OF TRADITIONAL CHINESE MEDICINE
2013年
1期
18-20
,共3页
刘哲%陈家旭%赵宇明%苏群%徐晓新%周玉华%隋芯
劉哲%陳傢旭%趙宇明%囌群%徐曉新%週玉華%隋芯
류철%진가욱%조우명%소군%서효신%주옥화%수심
舌图像分割%视觉注意%支持向量机%模式识别
舌圖像分割%視覺註意%支持嚮量機%模式識彆
설도상분할%시각주의%지지향량궤%모식식별
目的 探讨基于视觉注意机制和支持向量机(support vector machine,SVM)相结合的舌体自动提取方法,为模式识别方法应用到舌体图像分割提供新思路.方法 将舌图像经过视觉特征提取、高斯金字塔多尺度变换,依据多特征图合并策略生成显著图并进行二值化；在不需要人工干预的情况下,从显著区和非显著区分别随机选取正类训练样本和负类训练样本；机器自动学习样本创建SVM分类器,最后用训练好的SVM分类器对完整舌图像进行分割.结果 获得的正常舌、裂纹舌、齿痕舌等多种舌象的分割效果良好,没有特征信息丢失的情况,并具有一定的抗噪能力.结论 基于视觉注意和SVM舌体自动分割方法在无需任何先验知识的条件下,具有较稳定的分割效果,为模式识别应用到舌体图像分割中作了初步探索.
目的 探討基于視覺註意機製和支持嚮量機(support vector machine,SVM)相結閤的舌體自動提取方法,為模式識彆方法應用到舌體圖像分割提供新思路.方法 將舌圖像經過視覺特徵提取、高斯金字塔多呎度變換,依據多特徵圖閤併策略生成顯著圖併進行二值化；在不需要人工榦預的情況下,從顯著區和非顯著區分彆隨機選取正類訓練樣本和負類訓練樣本；機器自動學習樣本創建SVM分類器,最後用訓練好的SVM分類器對完整舌圖像進行分割.結果 穫得的正常舌、裂紋舌、齒痕舌等多種舌象的分割效果良好,沒有特徵信息丟失的情況,併具有一定的抗譟能力.結論 基于視覺註意和SVM舌體自動分割方法在無需任何先驗知識的條件下,具有較穩定的分割效果,為模式識彆應用到舌體圖像分割中作瞭初步探索.
목적 탐토기우시각주의궤제화지지향량궤(support vector machine,SVM)상결합적설체자동제취방법,위모식식별방법응용도설체도상분할제공신사로.방법 장설도상경과시각특정제취、고사금자탑다척도변환,의거다특정도합병책략생성현저도병진행이치화；재불수요인공간예적정황하,종현저구화비현저구분별수궤선취정류훈련양본화부류훈련양본；궤기자동학습양본창건SVM분류기,최후용훈련호적SVM분류기대완정설도상진행분할.결과 획득적정상설、렬문설、치흔설등다충설상적분할효과량호,몰유특정신식주실적정황,병구유일정적항조능력.결론 기우시각주의화SVM설체자동분할방법재무수임하선험지식적조건하,구유교은정적분할효과,위모식식별응용도설체도상분할중작료초보탐색.
