中医舌象的采集与分析PDF电子书下载

第1章　绪论 1

1.1　中医诊治与舌象分析 1

1.1.1　中医现代化是中医发展的必然趋势 1

1.1.2　传统的舌诊方法 2

1.1.3　舌诊客观化的重要性 4

1.2　舌诊客观化研究的进展 5

1.3　全书的内容安排 6

第2章　中医舌象的采集 9

2.1　概述 9

2.2　数字图像处理系统的技术指标 10

2.3　彩色处理与图像采集 11

2.3.1　RGB立方体 11

2.3.2　彩色图像的采集 12

2.3.3　查找表 13

2.3.4　黑白／伪彩色／真彩色图像系统 13

2.4　图像处理系统的构成 14

2.4.1　体系结构的讨论 14

2.4.2　图像采集卡 15

2.4.3　基于ISA总线的图像采集 17

2.4.4　基于PCI总线的图像采集 17

2.5　基于数码相机的图像采集系统 18

2.5.1　数码相机的工作原理 18

2.5.2　数码相机的分类 20

2.5.3　数码相机中的信号处理过程 21

2.5.4　图像传感器 23

2.5.5 USB 25

2.6 SIPL型中医舌象分析仪 26

2.6.1 中医舌象分析仪的系统框图 26

2.6.2　机械平台的建立 28

2.6.3　舌图像的采集 30

2.7　本章小结 31

第3章　颜色校正与彩色重现 32

3.1　概述 32

3.2　色度学基础 33

3.2.1　颜色的视觉效应 33

3.2.2　颜色的视觉理论 35

3.2.3　颜色匹配 37

3.2.4 CIE标准色度学系统 39

3.2.5　光源的色度学 51

3.3　图像的彩色重现 56

3.3.1　光照环境与彩色重现 56

3.3.2　中医舌象分析仪的光学设计 58

3.3.3　图像采集与彩色重现 59

3.3.4　显示器与彩色重现 62

3.4　颜色校正方法 66

3.4.1　基于映射的颜色校正方法 67

3.4.2　基于光谱反射率还原的颜色校正方法 70

3.5　彩色重现的效果评价 72

3.5.1　客观评价标准 72

3.5.2　主观评价标准 72

3.5.3　主客观评价标准的比较 73

3.6　本章小结 74

第4章　中医舌象分析仪中的颜色校正 75

4.1　概述 75

4.2 中医舌图像的在线彩色校正方案 76

4.2.1　中医舌图像的在线校正方案 76

4.2.2　色标标准值获得的色貌评价方法 77

4.3　基于色貌评价的多项式回归校正方法 79

4.3.1　多项式回归校正方法的模型选择 79

4.3.2　基于多项式回归的舌图像颜色校正算法 80

4.3.3　实验与讨论 82

4.3.4　数码相机与多项式回归校正模型的鲁棒性 84

4.3.5　多项式回归颜色校正模型的讨论 87

4.4　偏最小二乘回归颜色校正方法 92

4.4.1　偏最小二乘回归方法的提出 93

4.4.2　基于偏最小二乘回归的颜色校正 94

4.4.3　实验与讨论 95

4.5　感兴趣色域颜色校正 96

4.5.1　舌体颜色的分布 96

4.5.2　感兴趣色域颜色校正 97

4.5.3　实验与讨论 98

4.6　本章小结 100

第5章　跨网络、跨设备的彩色重现 101

5.1　概述 101

5.2　彩色管理的提出与发展 102

5.2.1　彩色管理的基本概念 102

5.2.2　基于ICC标准的彩色管理 104

5.2.3 ICC Profile的文件结构及建立方法 105

5.2.4　色彩的转换与匹配 108

5.3　基于虚拟标准彩色设备的跨网络、跨设备彩色重现 109

5.3.1　虚拟标准彩色设备的引入 109

5.3.2　虚拟标准彩色设备的建立 111

5.3.3　引入虚拟标准彩色设备的彩色管理 111

5.4　实验与讨论 112

5.5　本章小结 115

第6章　舌体区域的分割 116

6.1　概述 116

6.2 Snakes算法 117

6.2.1　能量函数 117

6.2.2 Greedy算法 119

6.3　基于Snakes的舌体区域分割 120

6.3.1　舌体区域的增强 120

6.3.2　轮廓的初始化 121

6.4　改进的舌体区域分割算法 123

6.4.1　变换色彩空间 123

6.4.2　轮廓初始化 125

6.4.3　能量函数选取 127

6.5　分水岭算法应用于舌象分割 129

6.5.1　需要解决的问题 129

6.5.2　分水岭算法 130

6.5.3　分水岭算法在舌体分割中的应用 133

6.6 自动分割算法的性能评价 135

6.6.1　基于理想分割图像的性能评价 135

6.6.2　舌象分割结果评价 138

6.7　人机交互的分割方法 140

6.7.1　基于自动分割结果的调整方法 140

6.7.2　磁力线分割 141

6.8　本章小结 142

第7章　统计学习理论与支撑向量机 143

7.1　概述 143

7.2　学习理论的发展简介 144

7.3　统计学习理论的基本思想 147

7.3.1　机器学习问题的数学描述 147

7.3.2　经验风险最小化原则 148

7.3.3 VC维 149

7.3.4　期望风险的上界 150

7.3.5　结构风险最小化原则 151

7.4　支撑向量机 152

7.4.1　线性SVM 152

7.4.2　最大间隔分类器为最优的理论基础 156

7.4.3　非线性SVM 156

7.5 SVM的研究进展 160

7.5.1　提高训练速度与识别速度 160

7.5.2 SVM变形算法研究 162

7.5.3　模型选择研究 163

7.5.4　多类SVM的研究 164

7.5.5 SVM的其他研究 164

7.6　本章小结 165

第8章　基于SVM的舌质、舌苔分析 166

8.1　概述 166

8.2　基于SVM的像素识别 166

8.3　多类SVM分析 167

8.3.1　整体方法 167

8.3.2　分解方法 168

8.3.3　一种新的多类支撑向量机——CT-SVM 172

8.4　基于CT-SVM的舌体像素识别 175

8.4.1 CT-SVM分类器的设计 175

8.4.2　舌质与舌苔的定性、定量描述 178

8.5　临床实验 182

8.6　舌质、舌苔分析的增量学习方案 187

8.6.1　增量学习简介 187

8.6.2 CT-SVM的增量学习 188

8.7　本章小结 189

第9章　舌象裂纹分析 190

9.1　概述 190

9.2　舌体区域的边缘检测 190

9.2.1　边缘检测的正则化 190

9.2.2　向量Prewitt算子 191

9.2.3　多尺度边缘检测 193

9.3　舌象裂纹的定量分析 194

9.4　实验与讨论 195

9.5　本章小结 198

第10章　舌苔润燥分析 199

10.1　概述 199

10.2　二分光反射模型 200

10.2.1　面反射与体反射 200

10.2.2　二分光反射模型 201

10.3　舌苔的润燥分析 203

10.3.1　亮斑特征分析 203

10.3.2　舌苔润燥分析算法 205

10.4　润燥分析的改进算法 206

10.4.1　数码相机对成像的影响 206

10.4.2　理想状态下亮斑区的识别 207

10.4.3　舌图像的亮斑识别 209

10.4.4　基于二分光反射模型的舌苔润燥分析改进算法步骤 211

10.5　实验与讨论 211

10.6　本章小结 213

第11章　舌象纹理分析 214

11.1　概述 214

11.2　纹理特征提取 215

11.3　纹理特征用于舌苔腐腻分析 221

11.3.1　纹理特征的提取 221

11.3.2　特征选择方法 222

11.3.3　特征选择实验 224

11.4　基于改进的子空间法和纹理粗糙度特征的腐腻分析 225

11.4.1　子空间法及其改进 225

11.4.2　纹理粗糙度 226

11.4.3　舌苔腐腻分析算法 227

11.4.4　实验与讨论 229

11.5　本章小结 231

第12章　舌形态分析 232

12.1　概述 232

12.2　舌体歪斜的自动分析 232

12.2.1　舌体歪斜分析的算法框图 232

12.2.2　嘴角定位 233

12.2.3　舌体中轴线的确定 234

12.2.4　计算歪斜指数 237

12.2.5　实验与讨论 238

12.3　舌体胖瘦的自动分析 239

12.3.1　舌体曲线的拟合参数与舌体形状的关系 239

12.3.2　舌体中轴线的确定和歪斜校正 241

12.3.3　舌体胖瘦的自动分析 242

12.3.4　实验与讨论 244

12.4　点刺舌的识别与描述 245

12.4.1　点刺舌的特点 245

12.4.2　维纳滤波动态阈值 245

12.4.3　点刺舌的自动识别与描述 246

12.5　本章小结 248

第13章　SVM模型选择及其在舌象分析中的应用 249

13.1　概述 249

13.2 SVM模型选择的主要方法 250

13.2.1　留一法与交叉验证法 251

13.2.2　基于LOO上界的主要方法 252

13.2.3　基于矩阵相似性度量的方法 257

13.3 Gram矩阵确定核函数参数 260

13.3.1　夹角测度 260

13.3.2　距离测度 260

13.3.3　惩罚因子C对分类器推广性能的影响 261

13.4　实验与讨论 262

13.4.1　标准数据实验 262

13.4.2 4种方法比较 263

13.4.3　中医舌象数据实验 265

13.4.4　计算复杂度理论分析 266

13.5　本章小结 266

第14章　样本数量不均衡的舌象样本分类与识别 267

14.1　概述 267

14.2　样本数目不均衡的2类SVM分析 268

14.3　加权SVM分析 270

14.3.1　基于样本数量比例加权的SVM分析 270

14.3.2　基于2类样本数量比例的加权SVM分析 272

14.4　超球面SVM 275

14.4.1　超球面SVM的基本概念 275

14.4.2　一种新的超球面nSVM 276

14.4.3　基于偏差的超球面SVM 279

14.4.4　一种推广的超球面SVM 281

14.4.5　一种加权的推广超球面SVM 284

14.5　实验与讨论 287

14.5.1　不均衡的2类舌象样本分类与识别实验 287

14.5.2　加权SVM在舌象分析中的应用实例 287

14.5.3　超球面SVM在舌象分析中的应用实例 290

14.6　本章小结 291

第15章　SVM概率输出在中医舌象分析中的应用 293

15.1　概述 293

15.2　基于2类SVM的概率输出 294

15.3　多类SVM的概率输出 295

15.3.1 OAA方法的概率输出 295

15.3.2 OAO方法的概率输出 296

15.4　多类SVM在舌色、苔色量化分类和描述中的应用 300

15.5　本章小结 302

第16章　中医舌象多特征融合方法的探讨 303

16.1　概述 303

16.2　信息融合的基本概念 304

16.3　中医舌象信息融合方案探讨 305

16.3.1　决策层融合分析方案 305

16.3.2　特征层融合分析方案 305

16.3.3　特征层与决策层联合分析方案 307

16.3.4　不确定性处理方法的讨论 307

16.4　粗糙集基本理论 308

16.4.1　数据表知识表达系统 308

16.4.2　粗糙集的基本概念 309

16.4.3　知识的约简与核 311

16.4.4　分类规则的生成 313

16.5　粗糙集在舌象多特征融合中的实验研究 313

16.6　一种粗糙集与SVM概率输出相结合的方法 315

16.7　本章小结 318

第17章　友好的人机交互接口的设计与实现 319

17.1　概述 319

17.2　人机交互接口的需求分析 321

17.3　人机交互接口的设计原则 322

17.4　人机交互接口的设计 323

17.4.1　体系结构图 323

17.4.2　功能框图 324

17.4.3　系统流程图 326

17.4.4 UML系统建模 327

17.5　主要功能模块的实现 330

17.5.1　舌象采集模块 330

17.5.2　舌象处理模块 333

17.5.3　舌象查询统计 334

17.6　本章小结 336

第18章　新型中医舌象仪的研制 338

18.1　概述 338

18.2　光源的选择 339

18.3　结构设计 342

18.4　照明条件的设计 344

18.5　本章小结 346

参考文献 348

后记 362