(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211315242.0 (22)申请日 2022.10.26 (71)申请人 合肥云诊信息科技有限公司 地址 230031 安徽省合肥市高新区习友路 3333号中 国 （合肥） 国际智能语音产业 园研发中心 楼611-177室 (72)发明人 彭成东　陈仁明　王勇　杨诺　 董昌武　 (74)专利代理 机构 合肥律众知识产权代理有限 公司 34147 专利代理师 朱波 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/54(2022.01) G06V 10/56(2022.01)G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) (54)发明名称 一种舌象腐腻苔分类识别方法 (57)摘要 本发明涉及腐腻苔识别， 具体涉及一种舌象 腐腻苔分类识别方法， 对舌象图像进行预处理， 并将舌象图像聚类分割成多个不同颜色的舌象 子块； 选择颜色特征和纹理特征， 并确定反映舌 象腐腻特性的最佳颜色纹理特征 组合； 基于最佳 颜色纹理特征组合计算舌象子块对应的特征向 量， 利用训练好的舌象子块分类器对舌象子块进 行分类； 基于舌象子块的分类结果输出腐腻区域 热力图， 并对整舌腐腻结果进行定性分析； 本发 明提供的技术方案能够克服现有技术所存在的 无法对舌象图像中不同腐腻程度区域进行有效 识别， 整舌腐腻苔识别结果 准确性较低的缺陷。 权利要求书2页 说明书14页 附图8页 CN 115375690 A 2022.11.22 CN 115375690 A 1.一种舌象腐腻苔分类识别方法， 其特 征在于： 包括以下步骤： S1、 对舌象图像进行 预处理， 并将舌象图像聚类分割成多个不同颜色的舌象子块； S2、 选择颜色特 征和纹理特征， 并确定反映舌象腐腻特性的最佳颜色纹 理特征组合； S3、 基于最佳颜色纹理特征组合计算舌象子块对应的特征向量， 利用训练好的舌象子 块分类器对舌象子块进行分类； S4、 基于舌象子块的分类结果输出腐腻区域热力图， 并对整舌腐腻结果进行定性分析。 2.根据权利要求1所述的舌象腐腻苔分类识别方法， 其特征在于： S2中选择颜色特征和 纹理特征， 并确定反映舌象腐腻特性的最佳颜色纹 理特征组合， 包括： 基于选择的颜色特征和 纹理特征， 将舌象子块对应的颜色纹理特征值排成一列， 形成 特征向量V； 通过XGBoost选择器输出特征对舌象腐腻特性的重要性排序， 按照重要性从高到低的 顺序进行优选， 将优选出的特 征作为反映舌象腐腻特性的最佳颜色纹 理特征组合。 3.根据权利要求2所述的舌象腐腻苔分类识别方法， 其特征在于： 所述按照重要性从高 到低的顺序进行优选， 将优选出 的特征作为反 映舌象腐腻特性的最佳颜色纹理特征组合， 包括： 按照重要性从高到低的顺序选择前N个特征， 作为反映舌象腐腻特性的最佳颜色纹理 特征组合。 4.根据权利要求2所述的舌象腐腻苔分类识别方法， 其特征在于： 所述颜色特征包括 RGB各通道的一阶矩、 二阶矩、 三阶矩， 所述纹理特征包括能量、 对比度、 相关性、 熵、 逆差矩、 Tamura粗 糙度、 LBP特 征。 5.根据权利要求2所述的舌象腐腻苔分类识别方法， 其特征在于： S1中对舌象图像进行 预处理， 并将舌象图像聚类分割成多个不同颜色的舌象子块， 包括： 利用舌象分割算法从伸舌图片中提取舌象图像， 并将舌象图像统一至2 99*299大小； 使用OpenCV中的SLIC超像素分割算法按照颜色相似程度将舌象图像聚类分割成多个 不规则的舌象子块。 6.根据权利要求1所述的舌象腐腻苔分类识别方法， 其特征在于： S3中基于最佳颜色纹 理特征组合计算舌象子块对应的特征向量， 利用训练好的舌象子块分类器对舌象子块进 行 分类， 包括： 基于最佳颜色纹理特征组合， 计算舌象子块对应的颜色纹理特征值， 并将颜色纹理特 征值排成一列， 形成特 征向量V’； 将特征向量V ’中各颜色纹理特征值减去对应的均值Meani后， 除以对应的方差Vari， 得 到数据归一 化后的特 征向量V’ ’； 将特征向量V’ ’输入训练好的舌象子块分类 器SVMfn， 得到各舌象子块的所属类别； 其中， 舌象子块分类 器SVMfn输出舌象子块的所属类别包括厚腐、 厚腻、 薄腻、 正常。 7.根据权利要求6所述的舌象腐腻苔分类识别方法， 其特征在于： 所述舌象子块分类器 采用包含最佳颜色纹 理特征组合的舌像训练图像集进行模型训练， 具体过程包括： 选取预设数量的舌象训练图像组成舌像训练图像集， 计算所有舌象训练图像的舌象子 块对应的颜色纹 理特征值， 形成样本向量 集X； 计算样本向量集X中每一列颜色纹理特征值的均值Meani和方差Vari， 将样本向量集X中权　利　要　求　书 1/2 页 2 CN 115375690 A 2各颜色纹理特征值减去对应的均值Meani后， 除以对应的方差Vari， 得到数据归一化后的样 本向量集X’； 将样本向量集X ’按照预设比例划分为训练样本集和验证样本集， 将训练样本集及对应 类别标签输入至舌象子 块分类器S VMfn中进行训练， 利用验 证样本集及对应类别标签验 证模 型优劣。 8.根据权利要求6所述的舌象腐腻苔分类识别方法， 其特征在于： S4中采用综合评判法 对整舌腐腻结果进行定性分析， 包括： 当厚腐类别的舌象子块数不小于 3时， 判定整舌腐腻结果 为厚腐； 当厚腐类别的舌象子块数小于3， 且厚腻类别的舌象子块数不小于3时， 判定整舌腐腻 结果为厚腻稍腐； 当厚腐类别的舌象子块数小于3， 且厚腻类别的舌象子块数小于3， 同时薄腻类别的舌 象子块数不小于 3时， 判定整舌腐腻结果 为薄腻稍腐； 当厚腐类别的舌象子块数为0， 且厚腻类别的舌象子块数不小于4时， 判定整舌腐腻结 果为厚腻； 当厚腐类别的舌象子块数为0， 且厚腻类别的舌象子块数小于4， 同时薄腻类别的舌象 子块数不小于 5时， 判定整舌腐腻结果 为薄腻； 当厚腐、 厚腻、 薄腻类别的舌象子块数均小于3， 或者厚腐类别的舌象子块数为0， 且厚 腻类别的舌象子块数小于4， 同时薄腻类别的舌象子块数小于5时， 判定整舌腐腻结果为正 常。权　利　要　求　书 2/2 页 3 CN 115375690 A 3