中医舌苔厚薄的纹理分析

摘要

舌诊是中医学中最有临床应用价值的诊法之一。近年来，中医舌诊因其简单有效等特点，在国内外得到了越来越多的认可和应用，同时，随着现代科学技术的发展，将图像处理和模式识别等计算机技术与传统中医舌诊相结合，以使中医舌诊避免非量化和主观性等缺点，对舌诊的发展和应用具有重要的现实意义和应用价值，传统中医舌诊学朝着计算机化方向发展已经成为必然趋势。本文正是力图为中医舌诊方法的计算机化发挥自己的微薄之力，解决舌象舌苔厚薄训练和分类问题的方法研究。根据对舌图像的大量观察，本文确定了舌苔在舌上最明显的区域，提出了相应的舌子图像选取方法，明确了具体的研究对象；根据前人的经验结论，确立了提取研究对象纹理特征的方法；设计了基于该种纹理特征进行分类的多个分类器；此外，在设计的多个分类器的基础上，本文应用信息融合思想进行分类器的组合。首先，本文选择一定数量的各个类别的标准样本，对每个样本进行去除反光点等预处理，用Gabor小波提取纹理特征。其次，本文研究并设计了三种分类器，分别是基于遗传算法的分类器，反向传播神经网络的分类器和线性判别分类器。最后，本文用标准样本训练三种分类器，分别测试了这三种分类器的分类效果。应用分类器组合，组合这三种分类器，进行分类效果的测试，发现组合后的分类器提高了分类效果。

目录

摘要

Abstract

第1章 绪论

1.1 课题背景与研究意义

1.2 国内外舌象研究现状

1.3 纹理分析研究现状

1.4 本文研究内容

第2章 样本选择与预处理

2.1 舌苔样本简介

2.2 子图像选取

2.3 选择标准样本

2.4 反光点处理

2.4.1 反光点定义

2.4.2 固定阈值算法

2.5 舌苔厚薄特征提取

2.6 预处理实验结果

2.7 本章小结

第3章 分类器的设计

3.1 分类器设计简介

3.2 根据遗传算法设计分类器

3.2.1 遗传算法简介

3.2.2 设计具体要求

3.2.3 问题求解过程

3.2.4 具体实现

3.2.5 遗传算法训练过程

3.2.6 遗传算法参数设定

3.3 BP 神经网络设计分类器

3.3.1 BP 神经网络简介

3.3.2 BP 神经网络具体实现

3.3.3 BP 神经网络训练算法

3.3.4 BP 神经网络参数设定

3.4 线性判别分析方法分类器设计

3.4.1 判别分析简介

3.4.2 多个总体的距离判别法

3.4.3 判别分析参数设定

3.5 本章小结

第4章 实验结果

4.1 信息融合技术简介

4.1.1 组合动因

4.1.2 组合方案的特性

4.1.3 组合方法

4.2 单分类器性能表现

4.2.1 遗传算法性能

4.2.2 BP 神经网络方法的性能

4.2.3 线性判别分析方法的性能

4.3 组合分类器

4.3.1 组合分类器特点

4.3.2 组合分类器的设计

4.4 本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢