[00115598]视觉显著性与共分割框架融合的舌象分割研究

舌诊是最重要的传统中医诊断方法之一,其应用广泛。中医舌诊的自动化对中医现代化的推广具有重要意义。自动化舌诊系统需要先利用数字化成像设备采集病人的舌图像,然后分割出舌图像中的目标即舌体,最后对舌体进行特征提取,分析特征得出诊断结果。舌象分割质量将直接影响到舌诊的准确率。此外,舌图像在采集和传输的过程中,可能受到噪声的污染。因此,本项目对舌图像的分割和椒盐噪声去除进行了研究。 首先,对视觉显著性机制进行了研究：（1） 从对具有类边缘结构的图像过渡区域细化、边缘筛选、边缘连接和图像填充的思路出发,提出一种基于过渡区域的单目标图像分割框架,较好地克服了全局阈值分割的固有缺陷。（2） 受视觉显著性研究的启发,提出一种更高效、更鲁棒的基于显著过渡区域的图像分割新框架。此分割框架先定义了图像过渡区域的显著性,然后利用提取出来的过渡区域和显著过渡区域确定更合理的分割阈值,接着利用显著过渡区域对全局阈值分割结果进行筛选以实现最终分割。该分割框架更好地克服了全局阈值分割固有的缺陷,且保留了实时性强的特点。将它们运用到舌图像中,分割效果和稳定性虽然有一定提高,但仍然不够理想。为了更充分地利用图像的先验信息,进一步提升舌图像分割的效果和稳定性,对稀疏表示理论进行了研究,提出一种有监督的局部图像块驱动的舌图像分割方法。此方法将舌图像分割问题转化为像素点的分类问题,算法使用基于局部图像块的稀疏表示来计算测试图像中每个像素点属于舌体（目标）的概率,然后利用最大后验概率准则以及形态学运算获得最终的舌图像分割结果。此方法显著提升了舌图像的分割效果和鲁棒性。此外,对图像椒盐噪声的去除进行了研究,主要提出三种滤波方法,即改进的方向加权滤波方法、融合局部和全局图像信息的滤波方法、改进的自适应高斯滤波方法。