(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210412947.8 (22)申请日 2022.04.20 (65)同一申请的已公布的文献号 申请公布号 CN 114511567 A (43)申请公布日 2022.05.17 (73)专利权人 天中依脉 （天津） 智能科技有限公 司 地址 300000 天津市滨 海新区滨 海高新区 华苑产业区华 天道8号海泰信息广场F 座103室-3 (72)发明人 周鹏　杨佳欣　陈露诗　徐向阳　 夏瑮烨　周威　 (74)专利代理 机构 北京沁优知识产权代理有限 公司 11684 专利代理师 郭娜 (51)Int.Cl. G06T 7/00(2017.01) G06V 40/16(2022.01) G06V 10/26(2022.01)G06V 10/20(2022.01) G06V 10/44(2022.01) G06V 10/56(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G16H 50/20(2018.01) (56)对比文件 CN 10810916 0 A,2018.0 6.01 CN 10415 6715 A,2014.1 1.19 CN 107330889 A,2017.1 1.07 CN 113143201 A,2021.07.23 CN 109636864 A,2019.04.16 CN 10937 7441 A,2019.02.2 2 CN 106295139 A,2017.01.04 CN 110929740 A,2020.0 3.27 CN 10797 7671 A,2018.0 5.01 CN 114372926 A,202 2.04.19 CN 109410168 A,2019.0 3.01 (续) 审查员 王佳楠 (54)发明名称 舌体与舌 苔图像识别分离方法 (57)摘要 本发明公开了舌体与舌苔图像识别分离方 法， 步骤一： 采集舌像图片； 步骤二： 根据采集设 备的不同对获取的舌像图片进行不同方式的色 彩校正， 用以提升后续图像处理算法的准确度； 步骤三： 对舌像图片中的舌体区域进行定位， 包 括， 对舌像图片进行任意裁剪成子图块， 利用经 过训练的卷积神经网络对子图块进行训练， 根据 人脸的左右眼位置， 鼻尖位置和 左右嘴角的位置 对舌体进行定位， 得到完整的包含舌体的矩形图 像； 步骤四： 实现舌体与非舌体的分割； 步骤五： 根据舌苔与舌体颜色不同， 实现对分割以后的舌 像进行苔质分离。 本发明的有益效果是， 对采集 到的舌体图像进行色彩的矫正， 改善了色偏对后 续舌体特征分析所带来的影 响， 实现了舌体与苔质的准确分离 。 [转续页] 权利要求书4页 说明书13页 附图5页 CN 114511567 B 2022.08.05 CN 114511567 B (56)对比文件 CN 109584251 A,2019.04.0 5 CN 113724228 A,2021.1 1.30曹嘉伟.基于远程医疗的中 医望诊智能分析 系统研究. 《中国优秀博硕士学位 论文全文数据 库(硕士)医药卫 生科技辑》 .2022,2/2 页 2[接上页] CN 114511567 B1.舌体与舌 苔图像识别分离方法， 其特 征在于， 包括以下步骤： 步骤一： 通过采集设备采集 舌像图片； 步骤二： 根据采集设备的不同对获取的舌像图片进行不同方式的色彩校正， 用以提升 后续图像处 理算法的准确度； 若所述步骤一中的采集设备为固定式采集设备， 则所述色彩校正方法为颜色校正矩阵 算法， 若所述步骤一中的采集设备为手持式或移动式采集设备， 则所述色彩校正方法为灰 度世界法和完 美反射法相结合； 步骤三： 对进行色彩校正后的舌像图片中的舌体区域进行定位， 包括， 对舌像图片进行 任意裁剪成子图块， 利用经过训练的卷积神经网络对子图块进行训练， 根据人脸的左右眼 位置， 鼻尖位置和左右嘴角的位置对舌体进行定位， 得到 完整的包 含舌体的矩形图像； 步骤四： 根据颜色与位置的不同将舌体定位后的舌像图片分为前景模型和背景模型， 通过高斯混合模型对前景模型和背景模型建模， 得到分割以后的舌体图像， 实现舌体与非 舌体的分割； 步骤五： 根据舌 苔与舌体颜色不同， 实现对分割以后的舌像进行苔质分离； 所述步骤五中若分割以后的舌体图像的像素点满足式(1 ‑1)所示的条件时， 认为是舌 苔像素点； 若分割以后的舌图的像素点不满足式(1 ‑1)所示的条件时， 则认为是舌体像素 点，                     (1‑1) 式中， 、 、 指的是坐标位置为 的像素点R、 G、 B三个通道的值。 2.根据权利要求1所述的舌体与舌苔图像识别分离方法， 其特征在于， 所述颜色校正矩 阵算法包括： 将RGB图像转 化为灰度图像， 对灰度图像进行二 值化处理， 并提取 灰度图像的边 缘； 检索灰度图像当中所有的轮廓， 并对轮廓进行多边形拟合， 去 除拟合以后的多边形的 顶点过多和过少的轮廓， 同时用轮廓的面积对轮廓进行进一步筛选， 获取筛选过后的轮廓 的最小外接矩形的宽高比和最大外接矩形宽高比， 将上述两个宽高比与预设的色卡块的宽 高比进行对比， 将灰度图像中宽高比过小和过 大的轮廓筛除， 得到n个标准的轮廓； 分别计算每一个 轮廓到其 他轮廓的距离， 距离的计算公式如下：    (3‑1) 式中， Di,j表示第i个轮廓和第j个轮廓之间的距离， rect.x和rect.y分别 表示轮廓左上 角点的横、 纵坐标值； 统计每一个轮廓周围满足距离 条件的轮廓个 数， 当个数大于阈值NC时， 把这一轮廓的点 压入栈中； 确定色卡的位置为包围栈中所有点的最小正矩形， 根据色卡上色块的具体位置对色块 进行提取并得到色块的颜色值； 得到颜色校正矩阵 ： 根据公式 （3 ‑2） 进行计算：权　利　要　求　书 1/4 页 2 CN 114511567 B 3