中医舌象的采集与分析PDF|Epub|txt|kindle电子书版本网盘下载

中医舌象的采集与分析PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　绪论1

1.1　中医诊治与舌象分析1

1.1.1　中医现代化是中医发展的必然趋势1

1.1.2　传统的舌诊方法2

1.1.3　舌诊客观化的重要性4

1.2　舌诊客观化研究的进展5

1.3　全书的内容安排6

第2章　中医舌象的采集9

2.1　概述9

2.2　数字图像处理系统的技术指标10

2.3　彩色处理与图像采集11

2.3.1　RGB立方体11

2.3.2　彩色图像的采集12

2.3.3　查找表13

2.3.4　黑白／伪彩色／真彩色图像系统13

2.4　图像处理系统的构成14

2.4.1　体系结构的讨论14

2.4.2　图像采集卡15

2.4.3　基于ISA总线的图像采集17

2.4.4　基于PCI总线的图像采集17

2.5　基于数码相机的图像采集系统18

2.5.1　数码相机的工作原理18

2.5.2　数码相机的分类20

2.5.3　数码相机中的信号处理过程21

2.5.4　图像传感器23

2.5.5 USB25

2.6 SIPL型中医舌象分析仪26

2.6.1 中医舌象分析仪的系统框图26

2.6.2　机械平台的建立28

2.6.3　舌图像的采集30

2.7　本章小结31

第3章　颜色校正与彩色重现32

3.1　概述32

3.2　色度学基础33

3.2.1　颜色的视觉效应33

3.2.2　颜色的视觉理论35

3.2.3　颜色匹配37

3.2.4 CIE标准色度学系统39

3.2.5　光源的色度学51

3.3　图像的彩色重现56

3.3.1　光照环境与彩色重现56

3.3.2　中医舌象分析仪的光学设计58

3.3.3　图像采集与彩色重现59

3.3.4　显示器与彩色重现62

3.4　颜色校正方法66

3.4.1　基于映射的颜色校正方法67

3.4.2　基于光谱反射率还原的颜色校正方法70

3.5　彩色重现的效果评价72

3.5.1　客观评价标准72

3.5.2　主观评价标准72

3.5.3　主客观评价标准的比较73

3.6　本章小结74

第4章　中医舌象分析仪中的颜色校正75

4.1　概述75

4.2 中医舌图像的在线彩色校正方案76

4.2.1　中医舌图像的在线校正方案76

4.2.2　色标标准值获得的色貌评价方法77

4.3　基于色貌评价的多项式回归校正方法79

4.3.1　多项式回归校正方法的模型选择79

4.3.2　基于多项式回归的舌图像颜色校正算法80

4.3.3　实验与讨论82

4.3.4　数码相机与多项式回归校正模型的鲁棒性84

4.3.5　多项式回归颜色校正模型的讨论87

4.4　偏最小二乘回归颜色校正方法92

4.4.1　偏最小二乘回归方法的提出93

4.4.2　基于偏最小二乘回归的颜色校正94

4.4.3　实验与讨论95

4.5　感兴趣色域颜色校正96

4.5.1　舌体颜色的分布96

4.5.2　感兴趣色域颜色校正97

4.5.3　实验与讨论98

4.6　本章小结100

第5章　跨网络、跨设备的彩色重现101

5.1　概述101

5.2　彩色管理的提出与发展102

5.2.1　彩色管理的基本概念102

5.2.2　基于ICC标准的彩色管理104

5.2.3 ICC Profile的文件结构及建立方法105

5.2.4　色彩的转换与匹配108

5.3　基于虚拟标准彩色设备的跨网络、跨设备彩色重现109

5.3.1　虚拟标准彩色设备的引入109

5.3.2　虚拟标准彩色设备的建立111

5.3.3　引入虚拟标准彩色设备的彩色管理111

5.4　实验与讨论112

5.5　本章小结115

第6章　舌体区域的分割116

6.1　概述116

6.2 Snakes算法117

6.2.1　能量函数117

6.2.2 Greedy算法119

6.3　基于Snakes的舌体区域分割120

6.3.1　舌体区域的增强120

6.3.2　轮廓的初始化121

6.4　改进的舌体区域分割算法123

6.4.1　变换色彩空间123

6.4.2　轮廓初始化125

6.4.3　能量函数选取127

6.5　分水岭算法应用于舌象分割129

6.5.1　需要解决的问题129

6.5.2　分水岭算法130

6.5.3　分水岭算法在舌体分割中的应用133

6.6 自动分割算法的性能评价135

6.6.1　基于理想分割图像的性能评价135

6.6.2　舌象分割结果评价138

6.7　人机交互的分割方法140

6.7.1　基于自动分割结果的调整方法140

6.7.2　磁力线分割141

6.8　本章小结142

第7章　统计学习理论与支撑向量机143

7.1　概述143

7.2　学习理论的发展简介144

7.3　统计学习理论的基本思想147

7.3.1　机器学习问题的数学描述147

7.3.2　经验风险最小化原则148

7.3.3 VC维149

7.3.4　期望风险的上界150

7.3.5　结构风险最小化原则151

7.4　支撑向量机152

7.4.1　线性SVM152

7.4.2　最大间隔分类器为最优的理论基础156

7.4.3　非线性SVM156

7.5 SVM的研究进展160

7.5.1　提高训练速度与识别速度160

7.5.2 SVM变形算法研究162

7.5.3　模型选择研究163

7.5.4　多类SVM的研究164

7.5.5 SVM的其他研究164

7.6　本章小结165

第8章　基于SVM的舌质、舌苔分析166

8.1　概述166

8.2　基于SVM的像素识别166

8.3　多类SVM分析167

8.3.1　整体方法167

8.3.2　分解方法168

8.3.3　一种新的多类支撑向量机——CT-SVM172

8.4　基于CT-SVM的舌体像素识别175

8.4.1 CT-SVM分类器的设计175

8.4.2　舌质与舌苔的定性、定量描述178

8.5　临床实验182

8.6　舌质、舌苔分析的增量学习方案187

8.6.1　增量学习简介187

8.6.2 CT-SVM的增量学习188

8.7　本章小结189

第9章　舌象裂纹分析190

9.1　概述190

9.2　舌体区域的边缘检测190

9.2.1　边缘检测的正则化190

9.2.2　向量Prewitt算子191

9.2.3　多尺度边缘检测193

9.3　舌象裂纹的定量分析194

9.4　实验与讨论195

9.5　本章小结198

第10章　舌苔润燥分析199

10.1　概述199

10.2　二分光反射模型200

10.2.1　面反射与体反射200

10.2.2　二分光反射模型201

10.3　舌苔的润燥分析203

10.3.1　亮斑特征分析203

10.3.2　舌苔润燥分析算法205

10.4　润燥分析的改进算法206

10.4.1　数码相机对成像的影响206

10.4.2　理想状态下亮斑区的识别207

10.4.3　舌图像的亮斑识别209

10.4.4　基于二分光反射模型的舌苔润燥分析改进算法步骤211

10.5　实验与讨论211

10.6　本章小结213

第11章　舌象纹理分析214

11.1　概述214

11.2　纹理特征提取215

11.3　纹理特征用于舌苔腐腻分析221

11.3.1　纹理特征的提取221

11.3.2　特征选择方法222

11.3.3　特征选择实验224

11.4　基于改进的子空间法和纹理粗糙度特征的腐腻分析225

11.4.1　子空间法及其改进225

11.4.2　纹理粗糙度226

11.4.3　舌苔腐腻分析算法227

11.4.4　实验与讨论229

11.5　本章小结231

第12章　舌形态分析232

12.1　概述232

12.2　舌体歪斜的自动分析232

12.2.1　舌体歪斜分析的算法框图232

12.2.2　嘴角定位233

12.2.3　舌体中轴线的确定234

12.2.4　计算歪斜指数237

12.2.5　实验与讨论238

12.3　舌体胖瘦的自动分析239

12.3.1　舌体曲线的拟合参数与舌体形状的关系239

12.3.2　舌体中轴线的确定和歪斜校正241

12.3.3　舌体胖瘦的自动分析242

12.3.4　实验与讨论244

12.4　点刺舌的识别与描述245

12.4.1　点刺舌的特点245

12.4.2　维纳滤波动态阈值245

12.4.3　点刺舌的自动识别与描述246

12.5　本章小结248

第13章　SVM模型选择及其在舌象分析中的应用249

13.1　概述249

13.2 SVM模型选择的主要方法250

13.2.1　留一法与交叉验证法251

13.2.2　基于LOO上界的主要方法252

13.2.3　基于矩阵相似性度量的方法257

13.3 Gram矩阵确定核函数参数260

13.3.1　夹角测度260

13.3.2　距离测度260

13.3.3　惩罚因子C对分类器推广性能的影响261

13.4　实验与讨论262

13.4.1　标准数据实验262

13.4.2 4种方法比较263

13.4.3　中医舌象数据实验265

13.4.4　计算复杂度理论分析266

13.5　本章小结266

第14章　样本数量不均衡的舌象样本分类与识别267

14.1　概述267

14.2　样本数目不均衡的2类SVM分析268

14.3　加权SVM分析270

14.3.1　基于样本数量比例加权的SVM分析270

14.3.2　基于2类样本数量比例的加权SVM分析272

14.4　超球面SVM275

14.4.1　超球面SVM的基本概念275

14.4.2　一种新的超球面nSVM276

14.4.3　基于偏差的超球面SVM279

14.4.4　一种推广的超球面SVM281

14.4.5　一种加权的推广超球面SVM284

14.5　实验与讨论287

14.5.1　不均衡的2类舌象样本分类与识别实验287

14.5.2　加权SVM在舌象分析中的应用实例287

14.5.3　超球面SVM在舌象分析中的应用实例290

14.6　本章小结291

第15章　SVM概率输出在中医舌象分析中的应用293

15.1　概述293

15.2　基于2类SVM的概率输出294

15.3　多类SVM的概率输出295

15.3.1 OAA方法的概率输出295

15.3.2 OAO方法的概率输出296

15.4　多类SVM在舌色、苔色量化分类和描述中的应用300

15.5　本章小结302

第16章　中医舌象多特征融合方法的探讨303

16.1　概述303

16.2　信息融合的基本概念304

16.3　中医舌象信息融合方案探讨305

16.3.1　决策层融合分析方案305

16.3.2　特征层融合分析方案305

16.3.3　特征层与决策层联合分析方案307

16.3.4　不确定性处理方法的讨论307

16.4　粗糙集基本理论308

16.4.1　数据表知识表达系统308

16.4.2　粗糙集的基本概念309

16.4.3　知识的约简与核311

16.4.4　分类规则的生成313

16.5　粗糙集在舌象多特征融合中的实验研究313

16.6　一种粗糙集与SVM概率输出相结合的方法315

16.7　本章小结318

第17章　友好的人机交互接口的设计与实现319

17.1　概述319

17.2　人机交互接口的需求分析321

17.3　人机交互接口的设计原则322

17.4　人机交互接口的设计323

17.4.1　体系结构图323

17.4.2　功能框图324

17.4.3　系统流程图326

17.4.4 UML系统建模327

17.5　主要功能模块的实现330

17.5.1　舌象采集模块330

17.5.2　舌象处理模块333

17.5.3　舌象查询统计334

17.6　本章小结336

第18章　新型中医舌象仪的研制338

18.1　概述338

18.2　光源的选择339

18.3　结构设计342

18.4　照明条件的设计344

18.5　本章小结346

参考文献348

后记362