基于直方圖顏色特征的試紙識別新方法

曾德文，梁光明，劉任任，丁建文

（1.湘潭大學(xué)信息工程學(xué)院，湖南湘潭411105；2.國防科學(xué)技術(shù)大學(xué)電子科學(xué)與工程學(xué)院，湖南長沙410075；3.愛威科技股份有限公司研發(fā)中心，湖南長沙410013）

基于直方圖顏色特征的試紙識別新方法

曾德文1，梁光明2，劉任任1，丁建文3

（1.湘潭大學(xué)信息工程學(xué)院，湖南湘潭411105；2.國防科學(xué)技術(shù)大學(xué)電子科學(xué)與工程學(xué)院，湖南長沙410075；3.愛威科技股份有限公司研發(fā)中心，湖南長沙410013）

通過分析大量試紙墊圖片的顏色信息，建立直方圖模型，提取了試紙墊圖像的主色平均色調(diào)、主色平均飽和度、平均亮度、頻度最高飽和度四個特征，并建立BP網(wǎng)絡(luò)識別模型，實現(xiàn)了試紙的濃度的鑒別。提出的試紙墊識別方法模擬了人眼識別過程，提高了試紙識別效率與結(jié)果的客觀性。

試紙識別；顏色特征；主色平均色調(diào)；直方圖模型；BP網(wǎng)絡(luò)模型

0 引言

在醫(yī)學(xué)領(lǐng)域，疾病的診斷常需要對多種參數(shù)進(jìn)行衡量，這些參數(shù)數(shù)據(jù)大多來自樣本的檢測，尿液檢測是一種比較常見并且有效的檢測手段。尿液有形成分的檢測方法包括尿沉渣檢測[1?3]，顯微鏡檢測[4?5]，尿液試紙檢測[6?8]等。盡管現(xiàn)在計算機(jī)技術(shù)發(fā)展迅速，電子設(shè)備也不斷地進(jìn)入到醫(yī)學(xué)領(lǐng)域，然而對于試紙檢測結(jié)果的識別工作基本還是使用傳統(tǒng)的人眼觀察，與試紙墊標(biāo)準(zhǔn)樣本比對來判斷濃度。

圖1是一張尿液檢測試紙條圖片，上面有11類試紙墊項目，使用傳統(tǒng)方法識別時，拿圖1中每一類試紙墊圖片與標(biāo)準(zhǔn)圖片比對，判斷出試紙墊的濃度。

圖1 試紙條圖片

傳統(tǒng)人眼比對的方法識別效率低，并且受工作人員主觀因素影響大。近年來也出現(xiàn)了一些試紙自動識別儀器，它們通過改變照射光的波長，檢測接收到的反射波強(qiáng)度來實現(xiàn)濃度識別[2]，這類自動識別儀器識別效率高，但是對試紙墊的定位精度要求非常高并且受外界光線明暗程度等影響顯著。

本文提出基于直方圖顏色特征的試紙自動識別方法，根據(jù)試紙圖片的像素信息提取顏色特征，并使用BP網(wǎng)絡(luò)識別模型[9?10]完成試紙的識別。該方法由于采用基于圖像的統(tǒng)計顏色特征，可以克服外界光照條件影響，提高識別效率。同時采用BP網(wǎng)絡(luò)，具有學(xué)習(xí)功能。

1 試紙識別有效特征提取

基于圖像顏色特征的試紙墊識別原理如圖2所示，以尿液尿膽原項目為例，一共存在四個梯度濃度，濃度不同，試紙墊顏色不同，首先進(jìn)行特征提取，得到主色調(diào)平均色調(diào)、主色平均飽和度、平均亮度、頻度最高飽和度四維特征，然后送入尿膽原BP識別模型，實現(xiàn)濃度判別。

為了有效提取試紙的顏色特征，首先對輸入圖像進(jìn)行了坐標(biāo)變化，轉(zhuǎn)變成HSI[11]圖像，分析色調(diào)空間、飽和度空間、亮度空間統(tǒng)計規(guī)律，提取用于區(qū)別試紙濃度的特征。

圖2 試紙墊圖像識別原理圖

1.1 試紙墊主色特征提取

色調(diào)直方圖[12]表示圖像的色調(diào)級與該色調(diào)概率間的統(tǒng)計關(guān)系。設(shè)輸入圖片的大小為M×N，H(m,n)是圖像(m,n)處的色調(diào)值，F(xiàn)(h)是色調(diào)h的頻度，0≤F(h)<1，其直方圖公式表示為：

本文對多個項目多個濃度試紙墊的色調(diào)直方圖進(jìn)行了觀察分析，圖3中（a）和（b）分別是濃度為“+++”和“++”的膽紅素試紙墊色調(diào)直方圖，圖3（c）和（d）是兩張濃度都為“neg.”的維生素C試紙墊的色調(diào)直方圖。

圖3 色調(diào)直方圖

色調(diào)能量是k個相鄰色調(diào)對應(yīng)頻度的和，主色調(diào)能量是色調(diào)能量的最大值。通過圖3可以看出（a）中主色調(diào)能量對應(yīng)的色調(diào)值集中在10左右，（b）中主色調(diào)能量對應(yīng)的色調(diào)值主要集中在355左右；（c）和（d）中主色調(diào)能量對應(yīng)的色調(diào)值都集中在216左右。而主色調(diào)平均色調(diào)是主色調(diào)能量對應(yīng)k個相鄰色調(diào)值的平均值，因此選擇它作為區(qū)分試紙墊濃度的主要特征之一。

定義：

為色調(diào)能量，k為用于計算色調(diào)能量的色調(diào)維數(shù)。若：

則試紙墊的主色調(diào)為：t,t+1,…,t+k-1。如果主色調(diào)t+j≥L(0≤j

設(shè)主色平均色調(diào)為MHavg：

1.2 試紙墊飽和度特征提取

飽和度直方圖表示圖像的飽和度級與該飽和度概率間的統(tǒng)計關(guān)系。設(shè)輸入圖片的大小為M×N，S(m,n)是圖像(m,n)處的飽和度值，F(xiàn)(s)是飽和度s的頻度，0≤F(s)≤1，其飽和度直方圖公式為：

本文對多個項目多個濃度試紙墊的飽和度直方圖進(jìn)行了觀察分析，圖4（a）和（b）分別是濃度為“+++”和“++”的膽紅素試紙墊飽和度直方圖，圖4（c）和（d）是兩張濃度都為“neg.”的維生素C試紙墊的飽和度直方圖。

圖4 飽和度直方圖示例

通過圖4可以看出（a）中飽和度主要集中在51左右，頻度最高飽和度在0.06左右；（b）中飽和度主要集中在25左右，頻度最高飽和度在0.14左右；（c）和（d）的飽和度主要集中在75左右，頻度最高飽和度在0.08左右。因此選擇頻度最高飽和度作為區(qū)別試紙墊濃度的特征之一。

成立，則定義smax為頻度最高飽和度值。

設(shè)si為色調(diào)h第i次出現(xiàn)時與之對應(yīng)的飽和度值，Hs為色調(diào)h對應(yīng)的飽和度，則：

定義主色平均飽和度為MSavg：

1.3 基于亮度的特征提取

若輸入圖片的大小為M×N，m∈M,n∈N，I(m,n)=i(i=0,1,…,255)，其中，i是圖像I(m,n)處的亮度值，則平均亮度Iavg：

2 基于BP網(wǎng)絡(luò)的試紙濃度識別

2.1 試紙墊識別模性建立

在提取特征基礎(chǔ)上，本文采用輸入為4個神經(jīng)元、隱含層為9個神經(jīng)元，輸出根據(jù)測試項目輸出決定的3層BP網(wǎng)絡(luò)實現(xiàn)試紙墊濃度識別。其模型如圖5所示。

圖5 BP網(wǎng)絡(luò)結(jié)構(gòu)圖

第一層網(wǎng)絡(luò)輸入特征矢量為X=(x1,x2,x3,x4)T，第二層（隱含層）的輸出分別為Y=(y1,y2,y3,y4,y5,y6,y7,y8,y9)T，第三層（輸出層）有k（代表輸出濃度類型）個神經(jīng)元，Z=(z1,z2,z3,…,zk)T。

神經(jīng)元單元轉(zhuǎn)換函數(shù)為S形函數(shù)（sigmoid函數(shù)）：

式中X為輸入狀態(tài)。

隱含層各神經(jīng)元輸出關(guān)系可以表示為：

式中：wij是輸入層xi對應(yīng)于隱含層yi的權(quán)值的系數(shù)；θj為隱含層的第j個單元的域值。

輸出層各神經(jīng)元的輸出關(guān)系為：

式中：wjk是隱含層yj對應(yīng)于輸出層zk的權(quán)值的系數(shù)；λk為輸出層的第k個單元的域值。

2.2 尿液試紙墊輸出類型

根據(jù)尿液分析項目標(biāo)準(zhǔn)，一般對膽紅素、尿膽原、酮體、維生素C、葡萄糖、蛋白質(zhì)、隱血、亞硝酸鹽、pH值、尿比重、白細(xì)胞等1個項目作檢測。各試紙墊與其對應(yīng)的輸出濃度如表1所示。

表1 試紙墊項目濃度表

3 實驗數(shù)據(jù)及分析

3.1 試紙墊特征實驗及分析

根據(jù)上述原理，本文對多個測試項目的多個濃度進(jìn)行了特征提取和分析。

表2為膽紅素不同濃度試紙墊的特征數(shù)據(jù)。表中數(shù)據(jù)都進(jìn)行了歸一化操作。

從表2中可以看出膽紅素試紙墊的濃度越高，主色平均色調(diào)、主色平均飽和度和頻度最高飽和度越大；而平均亮度則是試紙墊濃度越高，它的值就越小。

3.2 識別結(jié)果分析

BP網(wǎng)絡(luò)識別模型采用指導(dǎo)訓(xùn)練機(jī)制實現(xiàn)，每個項目不同濃度采集了100個樣本，訓(xùn)練收斂后得到每個項目的識別模型。隨機(jī)抽取500個標(biāo)本進(jìn)行了測試，準(zhǔn)確率達(dá)到了99%以上，其中5個標(biāo)本識別誤差由圖像清晰度影響導(dǎo)致。

表2 膽紅素試紙信息

4 結(jié)論

本文提出利用直方圖計算尿液試紙墊圖片的主色調(diào)、主色調(diào)能量、主色平均色調(diào)、主色平均飽和度、頻度最高飽和度等顏色特征的方法，構(gòu)造以主色平均色調(diào)、主色平均飽和度、平均亮度、頻度最高飽和度為BP神經(jīng)網(wǎng)絡(luò)輸入特征矢量的識別模型，實現(xiàn)了對尿液試紙圖片濃度的識別，經(jīng)過大量的實驗證明該方法識別效率高、誤判率低。

[1]劉波.尿液分析儀與尿沉渣顯微鏡檢查比較分析[J].臨床合理用藥雜志，2013（35）：96?97.

[2]王柏蓮.UF?500i尿沉渣分析儀與顯微鏡檢測尿液中有形成分的比較[J].醫(yī)學(xué)信息，2011（7）：3146?3147.

[3]劉媛，楊世霞，杜玫.淺談全自動尿沉渣分析儀與顯微鏡在尿液分析中的應(yīng)用[J].衛(wèi)生職業(yè)教育，2012（14）：157?159.

[4]宋繼焱.尿液鏡檢法在尿常規(guī)檢查中的重要性分析[J].中外醫(yī)療，2011（12）：113?114.

[5]王肖雁.尿液鏡檢法在尿常規(guī)檢查中的重要性[J].中國現(xiàn)代醫(yī)生，2009（31）：91?92.

[6]文慶成，馬志榮，師本章.干化學(xué)分析在醫(yī)學(xué)檢驗中的應(yīng)用[J].遼寧醫(yī)學(xué)雜志，1995（4）：171?173.

[7]郭懷松，孫紅娜.尿液分析儀與手工法檢測結(jié)果的比較[J].亞太傳統(tǒng)醫(yī)藥，2010（10）：125?126.

[8]高瑩.尿液檢驗中試紙法與鏡檢法的對比探討[J].健康必讀，2013（3）：287?288.

[9]張海波，董槐林，龍飛.基于BP神經(jīng)網(wǎng)絡(luò)的圖像識別研究[J].計算機(jī)與現(xiàn)代化，2008（5）：17?19.

[10]萬來毅，陳建勛，王衛(wèi)平.基于BP神經(jīng)網(wǎng)絡(luò)的圖像識別研究[J].武漢科技大學(xué)學(xué)報：自然科學(xué)版，2006（3）：277?279.

[11]孫滔.基于顏色空間的圖像特征提取的研究[D].長春：吉林大學(xué)，2006.

[12]強(qiáng)振平，劉輝.局部累積直方圖在彩色圖像檢索中的應(yīng)用[J].計算機(jī)與數(shù)字工程，2006（6）：123?125.

A novel method of test strip recognition based on color features of histogram

ZENG De?wen1，LIANG Guang?ming2，LIU Ren?ren1，DING Jian?wen3
（1.College of Information Engineering，Xiangtan University，Xiangtan 411105，China；2.School of Electronic Science and Engineering，National University of Defense Technology，Changsha 410075，China；3.R&D Center，AVE Technology Co.，Ltd，Changsha 410013，China）

By analyzing the color information in a large number of test strip pad images，a histogram model was established first.Four features of average hue of dominant color，average saturation of dominant color，average brightness，highest frequen?cy saturation are then extracted from the strip pad images.The concentration identification of test strips is realized by using a BP network identification model.The proposed strip pad recognition method simulates the human eye identification process.The ex?periment results show it can improve efficiency and objectivity of strip pad recognition.

test strip recognition；color feature；average hue of dominant color；histogram model；BP network model

TN911.73?34；TP301.6

A

1004?373X（2015）09?0043?04

曾德文（1989—），男，湖南岳陽人，碩士，CCF會員。主要研究方向為圖像處理。

梁光明（1970—），男，湖南漣源人，副教授，碩士生導(dǎo)師，博士，CCF會員。主要研究方向為圖像處理、現(xiàn)代通信與信息安全。

2014?11?18

劉任任（1959—），男，湖南醴陵人，教授，博士生導(dǎo)師，博士，CCF理事。主要研究方向為多值邏輯理論、計算機(jī)算法設(shè)計與分析等。

丁建文（1957—），男，湖南岳陽人。主要研究方向為機(jī)器視覺、檢測識別。