機器視覺逐漸得到廣泛的關(guān)注與應用。采用機器視覺技術(shù),根據(jù)口腔病灶的輪廓、顏色及紋理特征,來分類識別口腔疾病類型。建立了口腔病灶的機器視覺檢測與識別流程,該方法應用最大類間方差閾值分割法完成圖像與背景的分割;用高斯拉普拉斯算子進行病灶圖像的邊緣檢測;用灰度共生矩陣等進行特征量提取,研究并討論了并行處理算法,利用SVM支持向量機對口腔病灶進行檢測與分類,取得了良好的效果。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖7 分類仿真結(jié)果

圖6有向無環(huán)圖分類器仿真結(jié)果表見表4。

圖1 系統(tǒng)結(jié)構(gòu)圖

受機器視覺相關(guān)應用的啟發(fā)，為給當今口腔診斷領(lǐng)域提供便利的口腔疾病檢測手段，將現(xiàn)今熱門的機器視覺技術(shù)應用于口腔疾病診斷，創(chuàng)新設(shè)計基于機器視覺模式識別的口腔診斷算法。設(shè)計并實驗了一套可行的口腔病灶機器視覺檢測與識別算法，并基于MATLAB環(huán)境模擬實現(xiàn)了檢測與識別流程，其中包括圖像預處....

圖2 部分采集圖像

圖像預處理是針對所有采集到圖像實時完成的，故算法不能復雜，為此，可選擇實時性很強的均值濾波[6]作為圖像預處理手段，但均值濾波在降低噪聲的同時會使圖像產(chǎn)生一定程度的模糊，故也可以選擇實時性較強的中值濾波來進行圖像的預處理。需要從口腔病灶中提取RGB顏色特征、HSV顏色特征、紋理特....

圖3 齲齒和牙垢二值化圖像

二值化圖像：將二值化圖像像素點記為A(x,y)，原圖像像素點記為B(x,y)，作以下圖像乘法，得到輸出圖像為C(x,y):

本文編號：4024657