论文部分内容阅读
目的：通过对舌象图像(以下简称舌像)的颜色和纹理信息进行分析，探讨有效的腻苔识别方法。方法：(1)采集薄白苔舌像111例，偏腻苔119例，腻苔104例，共344例，运用TDAS舌诊系统进行舌像颜色分析、灰度差分原理进行舌苔纹理分析。在图像归一化的前提下，运用朴素贝叶斯、支持向量机、决策树及神经网络四种模式识别方法分别以1*1模块纹理、1*1模块纹理与颜色、2*2、3*3模块纹理及3*3模块纹理与颜色指标为特征值进行分类。结果：(1)以1*1模块纹理指标为特征值，四种识别方法进行薄白苔、偏腻苔、腻苔三分类。总的正确率最高为41．8％，薄白苔、腻苔两分类总的正确率最高为61.3％；以1*1模块纹理与颜色指标为特征值进行三分类，支持向量机总的正确率最高为75．6％，两分类时,支持向量机总的正确率最高为95．6％。(2)用支持向量机方法以2*2、3*3模块纹理指标为特征值的三分类总正确率依次为52．9％、59．6％；两分类的总正确率依次为77．2％、84．9％。结论：在图像归一化的前提下，3*3模块纹理与颜色指标相结合是最佳腻苔客观评价指标，运用支持向量机以3*3模块纹理与颜色指标为特征值进行腻苔分类是可行的。