機(jī)器視覺逐漸得到廣泛的關(guān)注與應(yīng)用。采用機(jī)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(jī)器視覺檢測與識別流程,該方法應(yīng)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(jìn)行病灶圖像的邊緣檢測;用灰度共生矩陣等進(jìn)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(jī)對口腔病灶進(jìn)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(jī)器視覺相關(guān)應(yīng)用的啟發(fā)，為給當(dāng)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(jī)器視覺技術(shù)應(yīng)用于口腔疾病診斷，創(chuàng)新設(shè)計(jì)基于機(jī)器視覺模式識別的口腔診斷算法。設(shè)計(jì)并實(shí)驗(yàn)了一套可行的口腔病灶機(jī)器視覺檢測與識別算法，并基于MATLAB環(huán)境模擬實(shí)現(xiàn)了檢測與識別流程，其中包括圖像預(yù)處....

圖2 部分采集圖像

圖像預(yù)處理是針對所有采集到圖像實(shí)時完成的，故算法不能復(fù)雜，為此，可選擇實(shí)時性很強(qiáng)的均值濾波[6]作為圖像預(yù)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(shí)時性較強(qiáng)的中值濾波來進(jìn)行圖像的預(yù)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(diǎn)記為A(x,y)，原圖像像素點(diǎn)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