本發(fā)明屬于圖像處理與圖像分析理解的領域，尤其是涉及基于支持向量機的甲象采集處理方法。該方法適用于中醫(yī)甲象客觀診斷、甲象資料保存留檔，對中醫(yī)學的發(fā)展、人類疾病預防有著重要的意義。

背景技術：

中醫(yī)學認為，人體是一個有機的整體，五臟六腑的功能活動盛衰可以通過人體外部的筋肉、皮毛、指甲等反映出來。五臟六腑功能活動昌盛，則指甲榮潤正常；若其功能活動衰弱，則指甲發(fā)生不同的改變。甲診是依據“視其外應，以知其內藏，則知所病矣”的原理，運用整體觀念、臟腑理論原則來分析判斷疾病的。在臨床上能由視察指甲外觀、形態(tài)、色澤探知疾病，即從甲診以洞察體內臟腑氣血、生理、病理的變化。

然而幾千年來，中醫(yī)一直依靠眼睛來觀察體會甲象所反映的信息。該方法通常較為主觀，醫(yī)生的知識水平、從醫(yī)經驗、診病技巧、心理因素，以及光線、溫度等外界因素都可能造成診斷偏差；重復性較差，且辨證論治沒有統(tǒng)一的標準。這些給中醫(yī)教學、研究造成了諸多不便，影響了中醫(yī)理論的推廣和交流，阻礙了中醫(yī)學的發(fā)展。

近年來，隨著信息分析技術的發(fā)展，甲診研究得到不斷進步，例如邵泳紅提出的指甲肌酐測定法、魏輝提出的微量元素分析法、董勤提出的紅外光譜研究法、袁肇凱提出的甲襞微循環(huán)研究法等均將指甲客觀指標與疾病相聯系。這些方法多是利用現代物理、生化技術對不同觀察對象指甲成份進行對比分析，實驗結果客觀，受影響因素相對較少，臨床實用價值也較大。但是中醫(yī)學中甲象特征眾多，如甲色、甲態(tài)、半月痕、甲周軟組織變化等等。現代研究方法只能測定有限的特征，無法為疾病診斷提供全面的信息。

技術實現要素：

本發(fā)明要解決的問題是提供基于支持向量機的甲象采集處理方法，結合甲診理論、計算機圖像處理及信息分析技術，能夠客觀、無創(chuàng)、高效的診斷甲象，輔助醫(yī)生診斷疾病。

為解決上述技術問題，本發(fā)明采用的技術方案是：基于支持向量機的甲象采集處理方法，包括以下步驟：

a.調整光線與甲象采集設備角度，使被試者指甲面上無陰影，并將被試者指甲調整至采集設備正中位置；

b.采集甲象圖；

c.調整甲象采集設備的位置，多次采集甲象圖；

d.對采集到的甲象圖進行顏色校正；

e.分別提取每個甲象圖的甲體部分；

f.分析甲象圖中甲體部分的色彩信息，得出結論。

技術方案中，優(yōu)選的，步驟b中采集甲象圖使用canon700d單反相機。

技術方案中，優(yōu)選的，步驟e包括矩形框截取感興趣區(qū)域、色彩空間轉換，h分量中值濾波、應用區(qū)域生長算法、二值化操作、腐蝕膨脹、找凸包等一系列過程得到甲體初始輪廓，應用snakes算法自動分割甲體。

技術方案中，優(yōu)選的，步驟f包括中醫(yī)專家根據特征色信息將所采集的大量樣本進行分類，統(tǒng)計得到特征色向量；將某顏色指標所有特征色向量輸入支持向量機后形成該顏色指標分類模型；將圖像的特征色向量輸入至顏色指標分類模型，得到特征點所占整個圖像的比率；比較計算得到的比率與各個區(qū)分面的標準比率的大小以區(qū)分出相應的甲色。

本發(fā)明具有的優(yōu)點和積極效果是：該甲色自動分析方法，避免因醫(yī)生的知識水平、從醫(yī)經驗、心理因素等主觀原因造成的診斷誤差；重復性好，且確定了基于新型的甲象采集系統(tǒng)的色彩信息指標；滿足中醫(yī)甲象觀察要求的甲象采集系統(tǒng)的問題；實現了甲象自動分割；實現了甲色自動識別。

附圖說明

圖1是甲象采集系統(tǒng)內部結構示意圖。

圖2是俯視弧形散射板時光源分布示意圖。

圖3是甲象采集系統(tǒng)結構框圖。

圖4是本發(fā)明的總體流程圖。

圖5是基于snakes和支持向量機的甲象分割與甲色識別算法流程圖。

圖中：

1、左面板2、上面板3、右面板

4、下面板5、前面板6、后面板

7、開口8、凹槽9、開口

10、弧形散射板11、光源12、開口

13、開口14、正面相機15、側面相機

16、光源調節(jié)按鈕

具體實施方式

下面結合附圖對本發(fā)明實施例做進一步描述：

本實施例所述的甲象分析方法，借助中醫(yī)甲象采集系統(tǒng)實現，中醫(yī)甲象采集系統(tǒng)，由暗箱結構、弧形散射板10、相機、光源11、上位機等部件組成。暗箱結構包括左面板1、上面板2、右面板3、下面板4、前面板5和后面板6，左面板1、上面板2、右面板3、下面板4、前面板5和后面板6一體成型。上面板2為拱形，右面板3開有開口7，下面板4開有凹槽8，前面板5開有開口9?；⌒紊⑸浒?0在暗箱結構內，內部貼有散射膜。光源11為10個白色led或白熾燈，均勻分布在弧形散射板10的前、上、后三側，其中前側3個，上側2個，后側5個，參數設置：顯色指數是>80，色溫是5500k，照度是4000lx，波長是478nm。在暗箱的后面板6上設有光源調節(jié)按鈕16，光源調節(jié)按鈕16與多個光源電連接，可以根據實際情況的需求，通過調節(jié)光源所加載電壓大小調節(jié)光源亮度。正面相機14采用canon700d單反相機，通過支架固定在弧形散射板上側開口12處，參數設置：快門速度是1/320s，感光度是isoauto，光圈值是f/5.6；側面相機15采用百腦通攝像頭，通過支架固定在弧形散射板右側開口13處，通過開口7手動調焦，參數設置：像素是800萬，尺寸是1280*1024；正面相機14和側面相機15均由數據線與外部上位機相連。上位機安裝有控制軟件，分別控制正面相機14拍攝甲象正面圖和側面相機15拍攝甲象側面圖。

本發(fā)明的總體流程具體過程如下：a.調整光線與甲象采集設備角度，使被試者指甲面上無陰影，并將被試者指甲調整至采集設備正中位置；

b.采集甲象圖；

c.調整甲象采集設備的位置，多次采集甲象圖；

d.對采集到的甲象圖進行顏色校正；

e.分別提取每個甲象圖的甲體部分；

f.分析甲象圖中甲體部分的色彩信息，得出結論。

甲圖像采集的過程具體如下：

被試者以舒適、端正、方便為原則坐于中醫(yī)甲象采集系統(tǒng)前側，手指自然放松，從前面板的開口9處伸入甲象采集系統(tǒng)并置于下面板凹槽8處；中醫(yī)師操作上位機軟件依次控制正面相機14拍攝甲象正面圖、側面相機15拍攝甲象側面圖。

甲圖像顏色校正的過程具體如下：

采用國際通用的色彩管理方法,運用特性文件生成軟件pulsecolorelite和色標colorchecker24,創(chuàng)建數碼相機icc特性文件,運用創(chuàng)建的icc特性文件對所采集的甲象正面圖和甲象側面圖進行顏色校正。

甲象分割的過程具體如下：

矩形框截取感興趣區(qū)域，將rgb圖像轉換到hsi空間，其中h分量表示色調。中值濾波h分量，保證邊緣清晰度的同時消除噪聲。對h分量應用區(qū)域生長算法將甲體與背景大致分割，其中初始種子位置定為圖像正中心；閾值為非黑色背景區(qū)域二值化自動閾值；判別條件是相鄰像素差值是否小于閾值，若小于則滿足條件；遍歷圖像中的每一個像素點。對甲體初步分割結果實現二值化操作，并對其進行腐蝕、膨脹，消除二值化圖像中的孤立點、填補甲體內部的間隙。進而尋找二值化圖像的凸包，并以其輪廓作為初始輪廓運用snakes算法分割甲體。對于自動分割有欠缺的圖像可以采用人工交互的方式，手動點擊修改初始輪廓并再次運用snakes算法分割甲體。

甲色識別的過程具體如下：

采集大量樣本，中醫(yī)專家根據色彩信息將其分為甲紅、甲淡紅、甲鮮紅、甲紫紅、甲紫黑、甲黃、甲黑、甲白、甲灰、甲青和甲綠。將某類樣本圖像中的顏色值按照所占整幅圖像比例的大小降序排序。合并小于最小可覺差的顏色值，取前80％的顏色值作為這幅圖像的觀察值，認為這一系列的顏色值可以代表該幅圖像的顏色特征。在遍歷一幅圖像的所有像素后，可以獲得該幅圖像的特征色向量。將某顏色指標所有特征色向量輸入支持向量機后，支持向量機就能夠在三維空間中找到一系列最優(yōu)的分類面，將不同特征色的樣本盡可能的區(qū)分開來，每一個類球的獨立區(qū)域代表一個特征色，形成顏色指標分類模型。其中參數σ選取區(qū)間為[40,60]，懲罰因子c選取區(qū)間為[350,450]時，分類效果較佳。最后將所有顏色指標的分類模型存入對比數據庫。

所述分析甲體正面圖的色彩信息表明：中醫(yī)甲象中有診斷意義的色彩信息包括紅色、淡紅色、鮮紅色、紫紅色、紫黑色、黃色、黑色、白色、灰色、青色和綠色。支持向量機是一種有監(jiān)督的分類方法，顏色特征提取算法采用支持向量機作為分類引擎，先用樣本訓練后分類完成任務。利用顏色特征提取算法對甲體正面圖的色彩信息進行分析，得出結論。各類顏色所采用的方法相同，但在具體參數上存在差異。該算法的具體過程如下：

顏色指標的取值被稱作特征色，即甲紅、甲淡紅、甲鮮紅、甲紫紅、甲紫黑、甲黃、甲黑、甲白、甲灰、甲青和甲綠均為甲色的特征色。顏色指標判讀的依據是圖像的顏色。將樣本圖像中的顏色值按照所占整幅圖像比例的大小降序排序。合并小于最小可覺差的顏色值，取前80％的顏色值作為這幅圖像的觀察值，認為這一系列的顏色值可以代表該幅圖像的顏色特征。

根據大數定理可知，當樣本數量不斷增加，樣本觀察值的范圍會漸漸趨向穩(wěn)定，在三維rgb空間中是一塊空間區(qū)域。當某一特征色的樣本逐漸增多后，該特征色所表現出的顏色范圍也漸漸趨于穩(wěn)定，這個穩(wěn)定范圍就可以認為是該特征色的顏色范圍，用一個閉合曲面來描述這一范圍。給定一個顏色值，如果該顏色值的坐標在某曲面之內，那么這個顏色屬于該特征色。

應用支持向量機(svm)分類指甲顏色指標，其根據訓練樣本的分類和特征色向量，建立起兩者之間的關系，獲得一個根據特征色向量分類的顏色指標分類器。svm中核函數選取徑向基函數(rbf)，形式為：

k(x，y)＝exp(-||x-y||²/2σ²)

x、y是任意兩點，參數σ大小會直接影響svm的分類性能。設定懲罰因子c，其越大，對學習集的信任度越高。在遍歷一幅圖像的所有像素后，可以獲得該幅圖像的特征色向量。將某顏色指標所有特征色向量輸入支持向量機后，支持向量機就能夠在三維空間中找到一系列最優(yōu)的分類面，將不同特征色的樣本盡可能的區(qū)分開來，每一個類球的獨立區(qū)域代表一個特征色。在確定分類面的過程中，支持向量機會自動忽視孤立點，因此不用事先去除訓練樣本中的噪聲。最后將所有顏色指標的分類模型存入對比數據庫。

在判讀顏色指標時，遍歷一幅圖像的所有像素后獲得該幅圖像的特征色向量。將該幅圖像的特征色向量輸入至顏色指標分類模型，比照對比數據庫計算其是否落在指定顏色區(qū)域范圍內。計算落在每個顏色范圍內的像素數量，得到特征點所占整個圖像的比率。比較計算得到的比率與對比數據庫內的樣本統(tǒng)計得到的特征點比率(即各個區(qū)分面的標準比率)的大小。如果大于標準比率，則能區(qū)分出相應的甲色。

以上結合附圖對本發(fā)明的一個最佳實施方式進行了詳細說明，但所述內容僅為本發(fā)明的較佳實施例，不能被認為用于限定本發(fā)明的實施范圍。凡依本發(fā)明申請范圍所作的均等變化與改進等，均應仍歸屬于本發(fā)明的專利涵蓋范圍之內。

以上對本發(fā)明的一個實施例進行了詳細說明，但所述內容僅為本發(fā)明的較佳實施例，不能被認為用于限定本發(fā)明的實施范圍。凡依本發(fā)明申請范圍所作的均等變化與改進等，均應仍歸屬于本發(fā)明的專利涵蓋范圍之內。