基于流形学习的舌图像颜色特征提取方法研究

摘要

舌质与舌苔的颜色特征是中医舌诊的重要依据。由于舌与人体状态联系紧密，人在不同状态时的舌质和舌苔颜色是千差万别的。但是，根据中医舌诊理论，存在一些主导舌象变化的关键因素，使得舌象的变化虽然丰富，但是有规律可循，这也是中医舌诊的主要依据。本文假设，各种舌象其实是一个低维流形结构在少数隐含变量的“控制”下所表现出来的多种形态。因此本文采用流形学习方法对舌图像进行分析，目的是考察舌象的内在变化规律，同时尝试发现主导舌象特征变化的关键因素(隐含变量)。围绕着流形学习方法研究和舌象颜色特征提取研究，本文主要取得以下成果： 1)首先介绍了课题的研究背景和目前研究现状，并阐述了课题的研究意义。 2)介绍了两种经典的流形学习算法Isomap和LLE的思想、算法，以及它们在模式识别领域的应用，讨论了它们的性能，并通过实验发现，Isomap更适合用于发掘舌象变化的内在规律。 3)本文结合Landmark Isomap和Incremental Isomap二者的思想，提出一种能够实现新样本快速映射的改进Isomap算法——Fast Mapping Isomap。相比于原始Isomap，该算法能够快速地将新样本映射到低维空间，而且计算量更小。在典型数据库上的实验结果表明，该算法降维结果保留了样本的近邻关系和主要特征。 4)本文提取了两种原始特征向量：基于象素的特征向量和基于直方图的特征向量。从Isomap降维结果来看，象素特征能发现舌苔颜色信息，以及形状信息，但没有发现舌质颜色的相关信息。说明形状信息掩盖了部分颜色信息，使得颜色特征的提取变得困难。而直方图特征针对性强，很好地提取出了舌质和舌苔的颜色特征。因此，本文得出结论，直方图特征更适合提取舌象的颜色特征。 5)利用Fast Mapping Isomap进行了舌图像检索的实验。检索结果表明，无论是舌质颜色，还是舌苔颜色，甚至是舌苔的分布，都与查询样本非常相似，说明由Fast Mapping Isomap得到的低维坐标可以作为舌象颜色特征，用该坐标进行舌图像检索是可行的。

目录

文摘

英文文摘

声明

第1章绪论

1.1研究背景和意义

1.1.1舌诊简介

1.1.2舌诊客观化的意义

1.2研究现状

1.2.1舌图像预处理

1.2.2舌象定量研究

1.2.3小结

1.3论文的研究目标

1.4本文的主要工作和内容组织

第2章流形学习理论与算法简介

2.1等距映射(Isomap)

2.1.1 Isomap思想

2.1.2 Isomap算法

2.1.3 Isomap应用

2.2局部线性嵌入(LLE)

2.2.1 LLE思想

2.2.2 LLE算法

2.2.3 LLE应用

2.3 Isomap与LLE性能分析

2.4 Isomap与LLE对舌图像数据分析

2.5本章小结

第3章Isomap遇到的问题与改进算法

3.1参数选择问题

3.1.1低维嵌入空间维数d的估计

3.1.2近邻数k的选取

3.2计算量和存储量问题

3.3新样本映射问题

3.4本章小结

第4章一种实现快速映射的Isomap算法

4.1算法的提出

4.2 Fast Mapping Isomap算法

4.3实验

4.4本章小结

第5章基于流形学习的舌图像颜色特征提取

5.1原始特征向量的提取

5.1.1颜色空间的选择

5.1.2特征描述法的选择

5.1.3原始特征向量的提取方案

5.2 Isomap对象素特征进行降维

5.2.1算法参数的确定

5.2.2降维结果

5.3 Isomap对直方图特征进行降维

5.3.1算法参数的确定

5.3.2实验结果

5.4基于Fast Mapping Isomap的舌图像颜色特征提取

5.5本章小结

第6章全文总结和展望

6.1全文总结

6.2展望

参考文献

致谢

攻读硕士学位期间发表的论文和参与的科研项目