[发明专利]一种基于深度卷积神经网络的中医舌图像自动分割方法

摘要

一种基于深度卷积神经网络的中医舌图像自动分割方法属于计算机视觉领域和中医舌诊领域。本发明设计了一种卷积神经网络结构，利用采集到的样本数据对该网络的训练，得到网络模型，采用该模型可以对中医舌图像进行自动分割。该方法包含离线训练阶段和在线分割阶段，该方法可以同时适用于封闭式和开放式的舌象采集环境，可以有效提高中医舌图像自动分割的精确度和鲁棒性。本发明具体涉及深度学习、语义分割、图像处理等技术。

主权项

一种基于深度卷积神经网络的中医舌图像自动分割方法，包含离线训练阶段和在线分割阶段，其特征在于：具体包括以下步骤：步骤1：构建数据集；针对封闭式和开放式的舌象采集环境，分别构建了舌图像分割数据集TonsegDataset1和TonsegDataset2；其中，TonsegDataset1具有光照统一和舌图像位置相对一致的特点；TonsegDataset2具有尺寸大小不一，光照复杂多变，舌体的大小形状各异和位置不固定特点；步骤2：标注语义分割标签；即分别对图像上的舌体区域和背景区域的像素点进行标注；步骤3：卷积神经网络的结构设计和网络训练；设计的卷积神经网络包括编码网络和解码网络，其中，编码网络由卷积层、Batch Normalization层、激活层和池化层堆叠而成，解码网络则由反池化层、反卷积层、Batch Normalization层和激活层堆叠而成，并采用跳跃连接结构将池化层的输出特征图与反池化层的输出特征图进行融合，利用融合后的特征图对图像信息进行复原；解码网络的输出连接sigmoid层，该层实现像素的二分类，得到语义分割结果；将舌图像的像素分为2类，即舌体区域和背景区域；步骤4：利用训练好的网络模型对图像进行舌体区域分割；首先对待分割舌图像的光照情况进行预判，如果图像过亮或者过暗，则不对其进行分割；否则，对该图像的嘴区进行失焦检测，如果嘴区失焦，则不进行分割；否则，利用步骤3中训练好的卷积神经网络对该图像进行舌体分割。