申请/专利权人：陕西中医药大学

申请日：2024-03-19

公开（公告）日：2024-06-04

公开（公告）号：CN117911722B

主分类号：G06V10/56

分类号：G06V10/56;G06V10/24;G06V10/34;G06V10/42;G06V10/44;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.06.04#授权;2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明涉及图像数据处理领域，具体涉及基于人工智能的糖尿病人舌象特征提取方法，包括：采集糖尿病患者的舌部RGB图像的舌部灰度化图像，根据糖尿病患者的舌部灰度化图像灰度图像，获得图像中像素点对糖尿病舌象特征的表现程度；根据图像中像素点对糖尿病舌象特征的表现程度，获得图像上所有像素点对糖尿病舌象特征的表现程度的修正系数；根据所有像素点对糖尿病舌象特征的表现程度的修正系数，获得修正结果，构建神经网络模型，完成对糖尿病人舌象特征的提取。本发明利用图像噪声的表现程度以及颜色特征，修正像素点对舌象特征的表现程度，提高舌象特征的提取效率。

主权项：1.基于人工智能的糖尿病人舌象特征提取方法，其特征在于，该方法包括以下步骤：获取糖尿病患者的舌部图像的舌部灰度化图像；对舌部灰度化图像进行降采样，获得二次降采样图像；将舌部灰度化图像记为原始图像；根据原始图像中像素点的灰度值大小，获得原始图像中每个像素点的噪声程度；在二次降采样图像和原始图像中，根据像素点的噪声程度、编码值以及灰度值差异，得到原始图像与二次降采样图像中每个像素点对糖尿病舌象特征的表现程度；根据原始图像与二次降采样图像中每个像素点对糖尿病舌象特征的表现程度以及图像中每个像素点在颜色通道的灰度值，得到原始图像上每个像素点对糖尿病舌象特征的表现程度的修正系数；在原始图像中，根据每个像素点对糖尿病舌象特征的表现程度以及对糖尿病舌象特征的表现程度的修正系数，得到每个像素点修正后的对糖尿病人舌象特征的表现程度；根据每个像素点修正后的对糖尿病人舌象特征的表现程度，构建神经网络模型，完成对糖尿病人舌象特征的提取；所述根据原始图像中像素点的灰度值大小，获得原始图像中每个像素点的噪声程度，包括的具体步骤如下：在原始图像中，以第个像素点为种子点，使用区域生长算法进行区域生长，得到第个像素点的连通区域，将原始图像中第个像素点的灰度值、第个像素点的连通区域的最小外接矩形的面积以及原始图像的面积的乘积，记为第一特征；计算原始图像中第个像素点连通区域面积的二次方，将第一特征与所述连通区域面积的二次方的比值，记为原始图像中第个像素点的噪声程度；所述根据像素点的噪声程度、编码值以及灰度值差异，得到原始图像与二次降采样图像中每个像素点对糖尿病舌象特征的表现程度，包括的具体步骤如下：根据原始图像和二次降采样图像中像素点的编码值，得到每个像素点的粗糙程度；在二次降采样图像中，根据每个像素点与其八邻域内像素点的灰度值的差异、像素点的粗糙程度以及像素点对应在原始图像中的像素点的噪声程度，得到二次降采样图像中每个像素点对糖尿病舌象特征的表现程度；在原始图像中，根据像素点的灰度值与其八邻域内像素点的灰度值的差异、像素点的粗糙程度以及像素点八邻域内像素点的噪声程度，得到原图像中每个像素点对糖尿病舌象特征的表现程度；所述根据原始图像和二次降采样图像中像素点的编码值，得到每个像素点的粗糙程度，包括的具体步骤如下：对原始图像进行编码，得到原始图像上每个像素点的编码值，以原始图像上任意一个像素点作为中心点，构建大小为的目标窗口，将目标窗口内所有像素点的编码值的方差，记为像素点的粗糙程度，为预设的窗口边长；根据原始图像中每个像素点的粗糙程度的获取方式，得到二次降采样图像中像素点的粗糙程度；所述在二次降采样图像中，根据每个像素点与其八邻域内像素点的灰度值的差异、像素点的粗糙程度以及像素点对应在原始图像中的像素点的噪声程度，得到二次降采样图像中每个像素点对糖尿病舌象特征的表现程度，包括的具体公式如下： 其中，表示二次降采样图像中第个像素点对糖尿病舌象特征的表现程度，表示二次降采样图像中第个像素点的粗糙程度，表示二次降采样图像中第个像素点的灰度值，表示二次降采样图像中第个像素点八邻域中的第个像素点的灰度值，表示二次降采样图像中第个像素点对应在原始图像中第个像素点的噪声程度，表示绝对值函数，表示二次降采样图像中第个像素点对应在原始图像中的像素点数量，表示二次降采样图像中第个像素点八邻域中的像素点数量；所述在原始图像中，根据像素点的灰度值与其八邻域内像素点的灰度值的差异、像素点的粗糙程度以及像素点八邻域内像素点的噪声程度，得到原图像中每个像素点对糖尿病舌象特征的表现程度，包括的具体公式如下： 其中，表示原始图像中第个像素点对糖尿病舌象特征的表现程度，表示原始图像中第个像素点的粗糙程度，表示原始图像中第个像素点的灰度值，表示原始图像中第个像素点的八邻域中的第个像素点的灰度值，表示原始图像中第个像素点的噪声程度，表示原始图像中第个像素点的八邻域中第个像素点的噪声程度，表示绝对值函数，表示原始图像中第个像素点的八邻域中的像素点个数；所述根据原始图像与二次降采样图像中每个像素点对糖尿病舌象特征的表现程度以及图像中每个像素点在颜色通道的灰度值，得到原始图像上每个像素点对糖尿病舌象特征的表现程度的修正系数，包括的具体步骤如下：根据舌部图像中每个像素点分别在颜色通道的灰度值以及原始图像中每个像素点的灰度值之间的差异，得到原始图像中每个像素点的灰度差异；根据原始图像中每个像素点对糖尿病舌象特征的表现程度以及每个像素点对应在二次降采样图像中一个像素点对糖尿病舌象特征的表现程度，得到原始图像中每个像素点的表现程度差异；根据原始图像中每个像素点的灰度差异以及表现程度差异，得到原始图像中每个像素点对糖尿病舌象特征的表现程度的修正系数；所述根据原始图像中每个像素点的灰度差异以及表现程度差异，得到原始图像中每个像素点对糖尿病舌象特征的表现程度的修正系数，包括的具体公式如下： 其中，表示原始图像中第个像素点对糖尿病舌象特征的表现程度的修正系数，表示与原始图像中第个像素点对应在二次降采样图像中一个像素点对糖尿病舌象特征的表现程度，表示原始图像中第个像素点对糖尿病舌象特征的表现程度，表示原始图像中第个像素点的八邻域中第个像素点对糖尿病舌象特征的表现程度，表示原始图像中第个像素点的八邻域中像素点数量，表示二次降采样图像经过的降采样次数，表示原始图像中第个像素点的粗糙程度，、和分别表示舌部图像中第个像素点在颜色通道的灰度值，表示原始图像中第个像素点的灰度值，表示绝对值函数，为线性归一化函数，为原始图像中第个像素点的表现程度差异，为原始图像中第个像素点的灰度差异。

全文数据：

权利要求：

百度查询： 陕西中医药大学 基于人工智能的糖尿病人舌象特征提取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD