舌脉计算机自动分割方法-北京工业大学学报.PDFVIP

第34卷第4期 北京工业大学学报 V01．34No．4 2008年4月 oF UNIVERSITYOFTECHNOLOGY JOURNALBEIJING Apr．2008 舌脉计算机自动分割方法 蔡轶珩1一。沈兰荪2，张新峰2 (1．北京工业大学机械工程与应用电子技术学院。北京10(X)22；2．北京工业大学信号与信息处理研究室，北京1000：22) 摘要：为了对舌脉进行计算机自动分析，基于现有的血管分割方法，针对舌脉分布的特点，在基于投影初始边 界Snakes模型方法分割舌体的基础上。采用R通道及色度阈值对舌图像预处理，用C均值聚类方法并结合舌 脉分布走向的先验知识分割舌脉．实验结果表明，这种方法可以得到较好的分割效果． 关键词：图像分割；血管分割；图像分析 中图分类号：TP391 文献标识码：A 文章编号：0254—0037(2008)04—0361—04 20世纪80年代开始。人们开始采用数字图像处理方法分析舌象，实现舌象特征的计算机自动分析． 这些工作主要是对舌色、苔色、舌苔厚度、舌苔润燥、舌苔腐腻等特征进行分析，对于舌脉的分析尚无涉 及【¨．舌脉的分析主要包括脉管的颜色、长短、粗细等，对其分析必须先将舌脉分割出来． 早期的血管分割方法主要采用边缘检测[2]和匹配滤波方法【3-6j．随着新技术的出现，模式识别、人工 智能方法逐渐应用在血管分割中．Hoover等曾经将血管分割算法分为3类：基于窗口的方法、基于聚类的 方法[7]和基于跟踪的方法【5剐．最近，Cemil等又将血管分割方法分为6类：模式识别方法、基于模型的方 法、基于跟踪的方法、人工智能方法、神经网络方法以及各种管状物体检测方法[9】．尽管这些文献将血管 分割方法归为不同的类别，但是很多情况下，对于不同的分割问题，往往采用多类方法加以解决．例如，文 献[10]采用了区域生长法和基于骨架的方法对冠状动脉的X射线造影图像进行分割；文献[11]采用了模 板匹配法和多尺度方法对磁共振造影图像进行分割；文献[6]则采用高斯匹配滤波、熵阈值方法对视网膜 血管图像进行分割．作者针对舌脉图像的特点，提出了基于C均值聚类的舌脉跟踪分割算法． 1基于样条Snakes模型的舌体分割方法 采集到的舌下图像包括舌体区以及面部等背景区，因此，必须将舌体区从图像中分割出来，才能实现 舌脉长短、粗细的比例判断．作者采用基于样条Snakes模型的分割算法实现了舌下舌体的分割[1】． Snakes的求解过程是在初始化轮廓的基础上，通过能量函数的迭代优化进行的．作者根据舌图像的 灰度投影特性及舌体的色度范围进行轮廓的初始化，并选用Catmull—Rom样条函数对轮廓加以描述．初 始化的具体步骤如下： 1)在R通道增强图像的基础上进行水平方向的灰度投影，由于舌体两侧和脸部区域之间出现暗区， 灰度投影明显下降，以此获得矩形区域的左右边界． 2)进行垂直方向的灰度投影，舌体区域的上边界对应投影值的极小值(唇下阴影所致)． 3)由于舌体区下边界与牙齿靠近，所以把灰度投影值明显变大的位置定为舌体区域下边界；若灰度 投影值没有明显变化，则根据舌体的色度范围确定下边界． 4)通过以上步骤确定矩形边界后，作该矩形的外接圆，在圆上均匀分布控制点，作为初始轮廓． 初始轮廓确定后就可以对能量函数进行迭代优化了．Snakes模型的能量函数包含3个部分：内部能 量Ei小图像能量E孙外部能量E。．其中，Eh不依赖于图像数据，只与轮廓的形状特征有关；EiIIl是几何 收稿日期：2006．12—01． 基金项目：国家自然科学基金资助项目60431020)；北京市自然科学基金资助项目(3052005)． 作者简介：蔡轶珩(1974一)。女，江苏太包人，副教授． 万方数据 362—— !!室三些奎兰兰．塑 !!!!! —————__--——___-—___-————_-————_—_____——_●—-—_———●———●———●-●—--——__-_—-———●—————————————————一 模型与图