基于直方圖巴氏距離的舌色分類(lèi)

覃海松

摘 要：目的：利用計(jì)算機(jī)實(shí)現(xiàn)對(duì)正常舌與異常舌的自動(dòng)分類(lèi)。方法：利用彩色舌圖像R通道的直方圖巴氏距離，計(jì)算出正常舌標(biāo)準(zhǔn)圖像，并利用該標(biāo)準(zhǔn)圖像計(jì)算各舌圖像的直方圖巴氏距離，最后通過(guò)最小距離分類(lèi)器實(shí)現(xiàn)對(duì)正常舌與異常舌的自動(dòng)分類(lèi)。結(jié)論：該方法可以準(zhǔn)確地實(shí)現(xiàn)正常舌與異常舌的自動(dòng)分類(lèi)。

關(guān)鍵詞：舌診；舌色分類(lèi)；巴氏距離

引言

舌色是舌診中最重要的特征，在舌圖像分析過(guò)程中，顏色特征提供了大量有價(jià)值的診斷信息，這些信息揭示了人體內(nèi)部器官的失調(diào)情況甚至是病理變化[1]。在過(guò)去的幾年中，舌色分析和診斷分類(lèi)技術(shù)已經(jīng)取得了一定的進(jìn)展，但舌色分析和分類(lèi)至今為止仍沒(méi)有確定出一個(gè)統(tǒng)一的診斷標(biāo)準(zhǔn)，舌色分類(lèi)界限模糊[2]。

針對(duì)以上問(wèn)題，提出了基于直方圖巴氏距離的正常舌標(biāo)準(zhǔn)圖像選取的方法，并利用舌圖像的R通道分量直方圖的巴氏距離作為最小距離分類(lèi)器的模式向量描述子，通過(guò)最小距離分類(lèi)器對(duì)正常舌、異常舌進(jìn)行分類(lèi)研究。

1 方法

1.1 巴氏距離（Bhattacharyya Distance）

巴氏距離由印度統(tǒng)計(jì)研究所的Bhattacharyya A.[3]于十九世紀(jì)三十年代提出，為了紀(jì)念這位偉大的統(tǒng)計(jì)學(xué)家，人們把它命名為巴氏距離。在統(tǒng)計(jì)學(xué)中，巴氏距離常被用于對(duì)兩個(gè)離散或連續(xù)的概率分布進(jìn)行相似性度量。

巴氏系數(shù)的計(jì)算式為：

（1）

1.2 最小距離分類(lèi)器

最小距離分類(lèi)器通過(guò)計(jì)算每個(gè)模式類(lèi)的平均向量，然后求出兩個(gè)模式類(lèi)平均向量之間的垂線(xiàn)或垂面或超垂面，作為分類(lèi)決策邊界，從而進(jìn)行分類(lèi)[4]。

類(lèi)？棕i和？棕j類(lèi)之間的最小距離分類(lèi)器決策邊界 可以由式（15）得出：

（2）

1.3 基于巴氏直方圖距離與最小距離分類(lèi)器的舌色分類(lèi)

本節(jié)根據(jù)snake算法，計(jì)算出的舌體邊緣輪廓，把輪廓以外的區(qū)域設(shè)為黑色（R=0，G=0，B=0），從而只對(duì)分割出來(lái)的舌體進(jìn)行舌色的分類(lèi)。分類(lèi)算法實(shí)現(xiàn)步驟如下：

（1）彩色圖像通道選擇：取分割后彩色舌圖像的R通道分量作為分類(lèi)對(duì)象；（2）計(jì)算舌體區(qū)域總像素?cái)?shù)n；（3）計(jì)算舌體區(qū)域各灰度級(jí)的所出現(xiàn)的像素個(gè)數(shù)；（4）計(jì)算歸一化直方圖：根據(jù)n和 計(jì)算出歸一化直方圖；（5）正常舌標(biāo)準(zhǔn)圖像的選?。喝∮?xùn)練樣本中的正常舌圖像，兩兩計(jì)算出其巴氏距離，然后選取出的最大距離，并把此時(shí)的兩幅圖像標(biāo)記為O1、O2，再分別對(duì)每幅正常舌圖像與O1、O2的巴氏距離求積，選取取得最大積值的圖像作為標(biāo)準(zhǔn)圖像；（6）舌色分類(lèi)：計(jì)算訓(xùn)練樣本中的舌圖像與標(biāo)準(zhǔn)正常舌圖像的巴氏距離均值，作為最小分類(lèi)器的模式向量描繪子，并利用最小距離分類(lèi)器對(duì)舌色進(jìn)行分類(lèi)。

2 結(jié)果與討論

實(shí)驗(yàn)采用黃苔舌、淡紫舌、紅舌三種常見(jiàn)的異常舌色與正常舌色進(jìn)行分類(lèi)。圖1（a）所示為基于巴氏距離的最小距離分類(lèi)器訓(xùn)練及分類(lèi)結(jié)果示意圖。其中y=1的綠色圓圈為兩幅正常舌圖像與利用選取出來(lái)的標(biāo)準(zhǔn)舌圖像之間的巴氏距離，其均值由黑色圓圈標(biāo)示；y=2的藍(lán)綠色星號(hào)“*”表示黃苔舌圖像與標(biāo)準(zhǔn)舌圖像之間的巴氏距離，黑色星號(hào)為其均值；y=3的紅色菱形表示淡紫舌與標(biāo)準(zhǔn)舌圖像之間的巴氏距離，黑色菱形為其均值；y=4的藍(lán)色五角星為紅舌與標(biāo)準(zhǔn)舌圖像之間的巴氏距離，黑色五角星為其均值；y=1的品紅色三角符號(hào)表示訓(xùn)練樣本中所有異常舌象巴氏距離的均值；紅色垂線(xiàn)為利用巴氏直方圖距離作為最小距離分類(lèi)器的描述子得出的分類(lèi)決策邊界。

采用以上決策邊界對(duì)舌色測(cè)試樣本進(jìn)行實(shí)驗(yàn)的結(jié)果如圖3所示。測(cè)試樣本包括5幅正常舌色圖像、6幅黃苔舌色圖像、4幅淡紫舌圖像、2幅紅舌圖像。圖中的標(biāo)記的意義與訓(xùn)練過(guò)程的一致。從該實(shí)驗(yàn)結(jié)果圖可以清晰地看出，基于巴氏距離的最小距離分類(lèi)器可以正確地對(duì)正常舌色與異常舌色進(jìn)行分類(lèi)。

3 結(jié)束語(yǔ)

文章提出了一種正常舌標(biāo)準(zhǔn)圖像選取的方法，并采用基于巴氏直方圖距離與最小距離分類(lèi)器的方法對(duì)舌色分類(lèi)進(jìn)行了初步研究。首先，將彩色舌圖像的舌體區(qū)域提取出來(lái)，只針對(duì)舌體區(qū)域進(jìn)行舌色分類(lèi)；然后，計(jì)算出舌體區(qū)域的R通道分量直方圖，以用于正常舌標(biāo)準(zhǔn)圖像的獲取以及巴氏距離的計(jì)算；其后，利用5節(jié)提出的正常舌標(biāo)準(zhǔn)圖像獲取方法，取得標(biāo)準(zhǔn)舌圖像，用于計(jì)算巴氏距離；最后，計(jì)算標(biāo)準(zhǔn)正常舌圖像與異常舌圖像之間的巴氏距離，作為最小距離分類(lèi)器的模式向量描述子，并通過(guò)最小距離分類(lèi)器對(duì)正常舌色與異常舌色進(jìn)行舌色分類(lèi)。實(shí)驗(yàn)結(jié)果表明，這種方法較準(zhǔn)確地實(shí)現(xiàn)了正常舌與異常舌的分類(lèi)。

參考文獻(xiàn)

[1]Kirschbaum B. Atlas of Chinese tongue diagnosis [M]. Eastland Press： 2000.

[2]Wang X，Zhang B，Yang Z，Wang H，et，al. Statistical Analysis of Tongue Images for Feature Extraction and Diagnostics [J]. IEEE TRANSACTIONS ON IMAGE PROCESSING. 2013，22（12）： 5336-5347，.

[3]Bhattacharyya A. On a measure of divergence between two multinomial populations [J]. Sankhy?。?The Indian Journal of Statistics. 1946： 401-406.

[4]Gonzalez R，Woods R. Digital image processing，2nd[M].SL： Prentice Hall2002.endprint

摘 要：目的：利用計(jì)算機(jī)實(shí)現(xiàn)對(duì)正常舌與異常舌的自動(dòng)分類(lèi)。方法：利用彩色舌圖像R通道的直方圖巴氏距離，計(jì)算出正常舌標(biāo)準(zhǔn)圖像，并利用該標(biāo)準(zhǔn)圖像計(jì)算各舌圖像的直方圖巴氏距離，最后通過(guò)最小距離分類(lèi)器實(shí)現(xiàn)對(duì)正常舌與異常舌的自動(dòng)分類(lèi)。結(jié)論：該方法可以準(zhǔn)確地實(shí)現(xiàn)正常舌與異常舌的自動(dòng)分類(lèi)。

關(guān)鍵詞：舌診；舌色分類(lèi)；巴氏距離

引言

舌色是舌診中最重要的特征，在舌圖像分析過(guò)程中，顏色特征提供了大量有價(jià)值的診斷信息，這些信息揭示了人體內(nèi)部器官的失調(diào)情況甚至是病理變化[1]。在過(guò)去的幾年中，舌色分析和診斷分類(lèi)技術(shù)已經(jīng)取得了一定的進(jìn)展，但舌色分析和分類(lèi)至今為止仍沒(méi)有確定出一個(gè)統(tǒng)一的診斷標(biāo)準(zhǔn)，舌色分類(lèi)界限模糊[2]。

針對(duì)以上問(wèn)題，提出了基于直方圖巴氏距離的正常舌標(biāo)準(zhǔn)圖像選取的方法，并利用舌圖像的R通道分量直方圖的巴氏距離作為最小距離分類(lèi)器的模式向量描述子，通過(guò)最小距離分類(lèi)器對(duì)正常舌、異常舌進(jìn)行分類(lèi)研究。

1 方法

1.1 巴氏距離（Bhattacharyya Distance）

巴氏距離由印度統(tǒng)計(jì)研究所的Bhattacharyya A.[3]于十九世紀(jì)三十年代提出，為了紀(jì)念這位偉大的統(tǒng)計(jì)學(xué)家，人們把它命名為巴氏距離。在統(tǒng)計(jì)學(xué)中，巴氏距離常被用于對(duì)兩個(gè)離散或連續(xù)的概率分布進(jìn)行相似性度量。

巴氏系數(shù)的計(jì)算式為：

（1）

1.2 最小距離分類(lèi)器

最小距離分類(lèi)器通過(guò)計(jì)算每個(gè)模式類(lèi)的平均向量，然后求出兩個(gè)模式類(lèi)平均向量之間的垂線(xiàn)或垂面或超垂面，作為分類(lèi)決策邊界，從而進(jìn)行分類(lèi)[4]。

類(lèi)？棕i和？棕j類(lèi)之間的最小距離分類(lèi)器決策邊界 可以由式（15）得出：

（2）

1.3 基于巴氏直方圖距離與最小距離分類(lèi)器的舌色分類(lèi)

本節(jié)根據(jù)snake算法，計(jì)算出的舌體邊緣輪廓，把輪廓以外的區(qū)域設(shè)為黑色（R=0，G=0，B=0），從而只對(duì)分割出來(lái)的舌體進(jìn)行舌色的分類(lèi)。分類(lèi)算法實(shí)現(xiàn)步驟如下：

（1）彩色圖像通道選擇：取分割后彩色舌圖像的R通道分量作為分類(lèi)對(duì)象；（2）計(jì)算舌體區(qū)域總像素?cái)?shù)n；（3）計(jì)算舌體區(qū)域各灰度級(jí)的所出現(xiàn)的像素個(gè)數(shù)；（4）計(jì)算歸一化直方圖：根據(jù)n和 計(jì)算出歸一化直方圖；（5）正常舌標(biāo)準(zhǔn)圖像的選取：取訓(xùn)練樣本中的正常舌圖像，兩兩計(jì)算出其巴氏距離，然后選取出的最大距離，并把此時(shí)的兩幅圖像標(biāo)記為O1、O2，再分別對(duì)每幅正常舌圖像與O1、O2的巴氏距離求積，選取取得最大積值的圖像作為標(biāo)準(zhǔn)圖像；（6）舌色分類(lèi)：計(jì)算訓(xùn)練樣本中的舌圖像與標(biāo)準(zhǔn)正常舌圖像的巴氏距離均值，作為最小分類(lèi)器的模式向量描繪子，并利用最小距離分類(lèi)器對(duì)舌色進(jìn)行分類(lèi)。

2 結(jié)果與討論

實(shí)驗(yàn)采用黃苔舌、淡紫舌、紅舌三種常見(jiàn)的異常舌色與正常舌色進(jìn)行分類(lèi)。圖1（a）所示為基于巴氏距離的最小距離分類(lèi)器訓(xùn)練及分類(lèi)結(jié)果示意圖。其中y=1的綠色圓圈為兩幅正常舌圖像與利用選取出來(lái)的標(biāo)準(zhǔn)舌圖像之間的巴氏距離，其均值由黑色圓圈標(biāo)示；y=2的藍(lán)綠色星號(hào)“*”表示黃苔舌圖像與標(biāo)準(zhǔn)舌圖像之間的巴氏距離，黑色星號(hào)為其均值；y=3的紅色菱形表示淡紫舌與標(biāo)準(zhǔn)舌圖像之間的巴氏距離，黑色菱形為其均值；y=4的藍(lán)色五角星為紅舌與標(biāo)準(zhǔn)舌圖像之間的巴氏距離，黑色五角星為其均值；y=1的品紅色三角符號(hào)表示訓(xùn)練樣本中所有異常舌象巴氏距離的均值；紅色垂線(xiàn)為利用巴氏直方圖距離作為最小距離分類(lèi)器的描述子得出的分類(lèi)決策邊界。

采用以上決策邊界對(duì)舌色測(cè)試樣本進(jìn)行實(shí)驗(yàn)的結(jié)果如圖3所示。測(cè)試樣本包括5幅正常舌色圖像、6幅黃苔舌色圖像、4幅淡紫舌圖像、2幅紅舌圖像。圖中的標(biāo)記的意義與訓(xùn)練過(guò)程的一致。從該實(shí)驗(yàn)結(jié)果圖可以清晰地看出，基于巴氏距離的最小距離分類(lèi)器可以正確地對(duì)正常舌色與異常舌色進(jìn)行分類(lèi)。

3 結(jié)束語(yǔ)

文章提出了一種正常舌標(biāo)準(zhǔn)圖像選取的方法，并采用基于巴氏直方圖距離與最小距離分類(lèi)器的方法對(duì)舌色分類(lèi)進(jìn)行了初步研究。首先，將彩色舌圖像的舌體區(qū)域提取出來(lái)，只針對(duì)舌體區(qū)域進(jìn)行舌色分類(lèi)；然后，計(jì)算出舌體區(qū)域的R通道分量直方圖，以用于正常舌標(biāo)準(zhǔn)圖像的獲取以及巴氏距離的計(jì)算；其后，利用5節(jié)提出的正常舌標(biāo)準(zhǔn)圖像獲取方法，取得標(biāo)準(zhǔn)舌圖像，用于計(jì)算巴氏距離；最后，計(jì)算標(biāo)準(zhǔn)正常舌圖像與異常舌圖像之間的巴氏距離，作為最小距離分類(lèi)器的模式向量描述子，并通過(guò)最小距離分類(lèi)器對(duì)正常舌色與異常舌色進(jìn)行舌色分類(lèi)。實(shí)驗(yàn)結(jié)果表明，這種方法較準(zhǔn)確地實(shí)現(xiàn)了正常舌與異常舌的分類(lèi)。

參考文獻(xiàn)

[1]Kirschbaum B. Atlas of Chinese tongue diagnosis [M]. Eastland Press： 2000.

[2]Wang X，Zhang B，Yang Z，Wang H，et，al. Statistical Analysis of Tongue Images for Feature Extraction and Diagnostics [J]. IEEE TRANSACTIONS ON IMAGE PROCESSING. 2013，22（12）： 5336-5347，.

[3]Bhattacharyya A. On a measure of divergence between two multinomial populations [J]. Sankhy?。?The Indian Journal of Statistics. 1946： 401-406.

[4]Gonzalez R，Woods R. Digital image processing，2nd[M].SL： Prentice Hall2002.endprint

摘 要：目的：利用計(jì)算機(jī)實(shí)現(xiàn)對(duì)正常舌與異常舌的自動(dòng)分類(lèi)。方法：利用彩色舌圖像R通道的直方圖巴氏距離，計(jì)算出正常舌標(biāo)準(zhǔn)圖像，并利用該標(biāo)準(zhǔn)圖像計(jì)算各舌圖像的直方圖巴氏距離，最后通過(guò)最小距離分類(lèi)器實(shí)現(xiàn)對(duì)正常舌與異常舌的自動(dòng)分類(lèi)。結(jié)論：該方法可以準(zhǔn)確地實(shí)現(xiàn)正常舌與異常舌的自動(dòng)分類(lèi)。

關(guān)鍵詞：舌診；舌色分類(lèi)；巴氏距離

引言

舌色是舌診中最重要的特征，在舌圖像分析過(guò)程中，顏色特征提供了大量有價(jià)值的診斷信息，這些信息揭示了人體內(nèi)部器官的失調(diào)情況甚至是病理變化[1]。在過(guò)去的幾年中，舌色分析和診斷分類(lèi)技術(shù)已經(jīng)取得了一定的進(jìn)展，但舌色分析和分類(lèi)至今為止仍沒(méi)有確定出一個(gè)統(tǒng)一的診斷標(biāo)準(zhǔn)，舌色分類(lèi)界限模糊[2]。

針對(duì)以上問(wèn)題，提出了基于直方圖巴氏距離的正常舌標(biāo)準(zhǔn)圖像選取的方法，并利用舌圖像的R通道分量直方圖的巴氏距離作為最小距離分類(lèi)器的模式向量描述子，通過(guò)最小距離分類(lèi)器對(duì)正常舌、異常舌進(jìn)行分類(lèi)研究。

1 方法

1.1 巴氏距離（Bhattacharyya Distance）

巴氏距離由印度統(tǒng)計(jì)研究所的Bhattacharyya A.[3]于十九世紀(jì)三十年代提出，為了紀(jì)念這位偉大的統(tǒng)計(jì)學(xué)家，人們把它命名為巴氏距離。在統(tǒng)計(jì)學(xué)中，巴氏距離常被用于對(duì)兩個(gè)離散或連續(xù)的概率分布進(jìn)行相似性度量。

巴氏系數(shù)的計(jì)算式為：

（1）

1.2 最小距離分類(lèi)器

最小距離分類(lèi)器通過(guò)計(jì)算每個(gè)模式類(lèi)的平均向量，然后求出兩個(gè)模式類(lèi)平均向量之間的垂線(xiàn)或垂面或超垂面，作為分類(lèi)決策邊界，從而進(jìn)行分類(lèi)[4]。

類(lèi)？棕i和？棕j類(lèi)之間的最小距離分類(lèi)器決策邊界 可以由式（15）得出：

（2）

1.3 基于巴氏直方圖距離與最小距離分類(lèi)器的舌色分類(lèi)

本節(jié)根據(jù)snake算法，計(jì)算出的舌體邊緣輪廓，把輪廓以外的區(qū)域設(shè)為黑色（R=0，G=0，B=0），從而只對(duì)分割出來(lái)的舌體進(jìn)行舌色的分類(lèi)。分類(lèi)算法實(shí)現(xiàn)步驟如下：

（1）彩色圖像通道選擇：取分割后彩色舌圖像的R通道分量作為分類(lèi)對(duì)象；（2）計(jì)算舌體區(qū)域總像素?cái)?shù)n；（3）計(jì)算舌體區(qū)域各灰度級(jí)的所出現(xiàn)的像素個(gè)數(shù)；（4）計(jì)算歸一化直方圖：根據(jù)n和 計(jì)算出歸一化直方圖；（5）正常舌標(biāo)準(zhǔn)圖像的選?。喝∮?xùn)練樣本中的正常舌圖像，兩兩計(jì)算出其巴氏距離，然后選取出的最大距離，并把此時(shí)的兩幅圖像標(biāo)記為O1、O2，再分別對(duì)每幅正常舌圖像與O1、O2的巴氏距離求積，選取取得最大積值的圖像作為標(biāo)準(zhǔn)圖像；（6）舌色分類(lèi)：計(jì)算訓(xùn)練樣本中的舌圖像與標(biāo)準(zhǔn)正常舌圖像的巴氏距離均值，作為最小分類(lèi)器的模式向量描繪子，并利用最小距離分類(lèi)器對(duì)舌色進(jìn)行分類(lèi)。

2 結(jié)果與討論

實(shí)驗(yàn)采用黃苔舌、淡紫舌、紅舌三種常見(jiàn)的異常舌色與正常舌色進(jìn)行分類(lèi)。圖1（a）所示為基于巴氏距離的最小距離分類(lèi)器訓(xùn)練及分類(lèi)結(jié)果示意圖。其中y=1的綠色圓圈為兩幅正常舌圖像與利用選取出來(lái)的標(biāo)準(zhǔn)舌圖像之間的巴氏距離，其均值由黑色圓圈標(biāo)示；y=2的藍(lán)綠色星號(hào)“*”表示黃苔舌圖像與標(biāo)準(zhǔn)舌圖像之間的巴氏距離，黑色星號(hào)為其均值；y=3的紅色菱形表示淡紫舌與標(biāo)準(zhǔn)舌圖像之間的巴氏距離，黑色菱形為其均值；y=4的藍(lán)色五角星為紅舌與標(biāo)準(zhǔn)舌圖像之間的巴氏距離，黑色五角星為其均值；y=1的品紅色三角符號(hào)表示訓(xùn)練樣本中所有異常舌象巴氏距離的均值；紅色垂線(xiàn)為利用巴氏直方圖距離作為最小距離分類(lèi)器的描述子得出的分類(lèi)決策邊界。

采用以上決策邊界對(duì)舌色測(cè)試樣本進(jìn)行實(shí)驗(yàn)的結(jié)果如圖3所示。測(cè)試樣本包括5幅正常舌色圖像、6幅黃苔舌色圖像、4幅淡紫舌圖像、2幅紅舌圖像。圖中的標(biāo)記的意義與訓(xùn)練過(guò)程的一致。從該實(shí)驗(yàn)結(jié)果圖可以清晰地看出，基于巴氏距離的最小距離分類(lèi)器可以正確地對(duì)正常舌色與異常舌色進(jìn)行分類(lèi)。

3 結(jié)束語(yǔ)

文章提出了一種正常舌標(biāo)準(zhǔn)圖像選取的方法，并采用基于巴氏直方圖距離與最小距離分類(lèi)器的方法對(duì)舌色分類(lèi)進(jìn)行了初步研究。首先，將彩色舌圖像的舌體區(qū)域提取出來(lái)，只針對(duì)舌體區(qū)域進(jìn)行舌色分類(lèi)；然后，計(jì)算出舌體區(qū)域的R通道分量直方圖，以用于正常舌標(biāo)準(zhǔn)圖像的獲取以及巴氏距離的計(jì)算；其后，利用5節(jié)提出的正常舌標(biāo)準(zhǔn)圖像獲取方法，取得標(biāo)準(zhǔn)舌圖像，用于計(jì)算巴氏距離；最后，計(jì)算標(biāo)準(zhǔn)正常舌圖像與異常舌圖像之間的巴氏距離，作為最小距離分類(lèi)器的模式向量描述子，并通過(guò)最小距離分類(lèi)器對(duì)正常舌色與異常舌色進(jìn)行舌色分類(lèi)。實(shí)驗(yàn)結(jié)果表明，這種方法較準(zhǔn)確地實(shí)現(xiàn)了正常舌與異常舌的分類(lèi)。

參考文獻(xiàn)

[1]Kirschbaum B. Atlas of Chinese tongue diagnosis [M]. Eastland Press： 2000.

[2]Wang X，Zhang B，Yang Z，Wang H，et，al. Statistical Analysis of Tongue Images for Feature Extraction and Diagnostics [J]. IEEE TRANSACTIONS ON IMAGE PROCESSING. 2013，22（12）： 5336-5347，.

[3]Bhattacharyya A. On a measure of divergence between two multinomial populations [J]. Sankhyā： The Indian Journal of Statistics. 1946： 401-406.

[4]Gonzalez R，Woods R. Digital image processing，2nd[M].SL： Prentice Hall2002.endprint