视觉显著性与共分割框架融合的舌象分割研究

Tongue image segmentation is a critical step in Chinese automatic tongue diagnosis. The great difficulty involved could be attributed to large personal difference on tongue's texture and shape, as well as weak edge. Existing methods usually utilize edge detection in combination with active contour model to extract the contour of physical tongue, with insufficient effect on weak edges. The methods also fail to rule out fake edge caused by face wrinkles, textures in tongue body and so on. In addition, these approaches are more liable to misclassification of oral cavity space, teeth and tongue tip. This project aims to improve segmentation accuracy by exploring an innovative segmentation framework with the motivation of image cosegmentation under the background of tongue image segmentation. The proposed scheme first adopts image thresholding,edge detection and clustering to approximately locate tongue body region, i.e., automatically separate the rough area where tongue body positioned from its neighborhood part. Secondly, contour points of tongue body are extracted by means of visual saliency under the inspiration of image cosegmentation idea, while those fake contour points are excluded with the help of prior information about tongue body shape and remainder contour points are then connected to develop initial contour of tongue body. Finally, active contour model is used to implement refining and smoothing of the contour, making it converged to real contour of tongue body. Authors' research will effectively improve segmentation performance of tongue image, and benefit market promotion of Chinese automatic tongue diagnosis, being of prosperous applications. It might also boost the development of visual sacliency and image cosegmentation as well.

舌象分割是中医自动化舌诊中的关键环节，舌体纹理、形状上巨大的个体差异性以及弱边缘性给舌体分割带来了极大的困难。现有的方法采用边缘检测结合主动轮廓模型来提取舌体轮廓，对舌体弱边缘检测效果不佳，难以剔除脸部褶皱以及舌体内部纹理等引起的虚假舌体边缘，且容易发生口腔空隙、牙齿以及舌尖部分的误分割。本项目以舌象分割为基本背景，以提高分割的准确性为切入点，探索共分割启发下，融合视觉显著性的舌象分割新框架。首先，结合阈值分割、边缘检测、聚类进行舌体区域粗定位研究，自动剪切出舌体所处的大致区域；然后，研究共分割思维启发下，融合视觉显著性的舌体轮廓点提取，结合舌体形状先验知识剔除虚假轮廓点，连接剩余轮廓点形成舌体初始轮廓；最后，研究主动轮廓模型，修正初始轮廓，使之收敛于真实轮廓。此项研究将有效地提高舌象分割的性能，促进中医自动化舌诊的推广，具有良好的应用前景；同时可以促进视觉显著性、共分割理论与方法的发展。

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和改进的自适应高斯滤波方法。