(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221085939 9.3 (22)申请日 2022.07.21 (71)申请人 电子科技大 学 地址 611731 四川省成 都市高新区 （西区） 西源大道 2006号 (72)发明人 杜兆威　张云　刘勇国　朱嘉静　 李巧勤　 (74)专利代理 机构 成都虹盛汇泉专利代理有限 公司 51268 专利代理师 王伟 (51)Int.Cl. G06V 20/00(2022.01) G06V 10/26(2022.01) G06V 10/54(2022.01) G06V 10/56(2022.01)G06V 10/75(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 一种藏医尿诊悬浮物 识别方法及装置 (57)摘要 本发明公开一种藏医尿诊悬浮物识别方法 及装置， 应用于图像处理领域， 针对现有的尿液 悬浮物识别结果可解释性差的问题， 本发明首先 采用了杯体检测分割以及液面提取矫正的方法， 使模型只关注图像中部区域， 减少了对无效 区域 的滑动扫描运算， 提高模型效率； 其次在液面区 域中利用间隔采样进行rgb色值过滤， 以及子区 域划分方式进行纹理特征值过滤， 高效率地对有 无悬浮物进行了前置判断， 减少了大多数图像进 入卷积神经网络进行运算的过程； 最后通过RGB 间隔采样以及定义悬浮物扰动评价参数的方式， 显示的表达了悬浮物的判断过程， 提高了模型的 可解释性。 权利要求书3页 说明书6页 附图3页 CN 115187852 A 2022.10.14 CN 115187852 A 1.一种藏医尿诊悬浮物 识别方法， 其特 征在于， 包括： S1、 尿液图像采集； S2、 对采集到的尿液图像进行杯体 检测分割， 得到目标区域； S3、 对目标区域进行液面提取矫正； 具体的： 将目标区域进行拉伸， 得到正方形杯口图 像液面区域； S4、 对液面区域进行rgb色值过 滤； S5、 对经步骤S4处 理后的图像进行纹 理特征提取； S6、 对经步骤S5处 理后的图像进行纹 理特征值过滤； S7、 对经步骤S6处 理后的图像进行轮廓特 征提取； S8、 根据步骤S3液面矫正后的图像、 步骤S5提取的纹理特征、 以及步骤S7提取的轮廓特 征， 进行悬浮物识别。 2.根据权利要求1所述的一种藏医尿诊悬浮物识别方法， 其特征在于， 采集过程为： 尿 液样本使用统一的方形塑料透明杯子， 将 尿液样本放在白色A 4纸上俯拍， 横向拍摄， 让液面 处在图像中央， 完成图像采集。 3.根据权利要求2所述的一种藏医尿诊悬浮物识别方法， 其特征在于， 采用模版图辅助 修正的轮廓提取方法实现对杯体的检测分割， 所述模版图为拍摄角度以及规范绝对标准的 样例图片， 具体分割过程包括如下步骤： S21、 将模版图和样本图进行高斯滤波， 消除图像噪声； S22、 将经步骤S2 1处理后的模版图和 样本图进行USM锐化， 通过增强图像的高频部分的 内容， 增强图像的清晰度， 强化图像的轮廓与边 缘； S23、 将经步骤S2 2处理后的模版图和样本图转 化为灰度图； S24、 利用拉普拉斯 二阶微分算子将转换为灰度图后的模版图和样本图进行锐化； S25、 将锐化后的模版图和样本图进行二 值化； S26、 利用模版图和样本图二 值化后的图像进行轮廓匹配， 寻找匹配值 最小的轮廓； S27、 将匹配值最小的轮廓内部填充标记， 通过标记图将对应的原始样本图部分赋值给 新建的空白图， 分割得到目标区域。 4.根据权利要求3所述的一种藏医尿诊悬浮物识别方法， 其特征在于， 步骤S26中轮廓 的匹配值计算式为： 其中， A用于表示模版图二值化后的图像， B表示样本图二值化后的图像， 为由A生成 的第i个Hu不变矩， 为由B生成的第i个Hu不变矩， i＝0,1,2,3,4,5,6， ||表示绝对值运 算。 5.根据权利要求4所述的一种藏医尿诊悬浮物识别方法， 其特征在于， 步骤S4具体包括 以下分步骤： S41、 在步骤S3得到的液面区域内按照参数sample_int erval_x、 sample_int erval_y为 间隔， 在Red、 Gre en、 Blue三个通道图像上进行平均采样， 得到平均RGB色值；权　利　要　求　书 1/3 页 2 CN 115187852 A 2S42、 将RGB颜色空间映射到HSV颜色空间， 将HSV颜色空间中的明度分量调到最高， 再反 向转换回RGB颜色空间； S43、 根据调整过后各采样点的RGB色值计算方差σ， 设置方差阈值θ， 如果σ ＜θ， 即视为 尿液中无 悬浮物， 滤 出该图像， 反 之， 视为尿液中有悬浮物。 6.根据权利要求5所述的一种藏医尿诊悬浮物识别方法， 其特征在于， 步骤S5具体包括 以下分步骤： S51、 将经步骤S4得到的液面区域划分为5行5列的25个子区域， 并用横纵坐标表示每个 子区域， 坐标从(0,0)到(4,4)； S52、 采用LBP 算法对位于中央坐标为(1,1)、 (1,2)、 (1,3)、 (2,1)、 (2,2)、 (2,3)、 (3,1)、 (3,2)、 (3,3)的子区域进行转 化， 得到转 化后的特 征图如下： LBP(1,1),LBP(1,2),LBP(1,3),LBP(2,1),LBP(2,2),LBP(2,3),LBP(3,1),LBP(3,2),LBP(3,3) S53、 将转化后的每张特 征图划分为16 ×16的网格； S54、 对于每个网格中的一个像素点， 将相邻的8个像素点的灰度值与其进行比较， 若这 相邻的8个像素点的灰度值大于这个像素点的灰度值， 则该像素点的位置被标记为1， 否则 为0； S55、 计算每 个网格的直方图； 然后对该直方图进行归一 化处理； S56、 将得到的每 个网格的统计直方图进行 连接成为 一个特征向量。 7.根据权利要求6所述的一种藏医尿诊悬浮物识别方法， 其特征在于， 步骤S6具体包括 以下分步骤： S61、 根据纹 理特征定义悬浮物扰动评价 参数τ如下： 式中， d(·,·)表示欧氏几何距离； S62、 设置阈值ω， 如果τ＜ω， 即视为尿液中无悬浮物滤出该图像， 反之， 则视为尿液中 有悬浮物。 8.根据权利要求7 所述的一种藏医尿诊悬浮物 识别方法， 其特 征在于， 步骤S 8具体为： S81、 构建卷积神经网络； 所述卷积神经网络包括： 第一卷积单元、 第二卷积单元、 第三 卷积单元和全连接单元； 第一、 二卷积单元均包括一个卷积层、 一个局部 响应归一化层和一 个最大池化层； 第三卷积单元包括三个卷积层和一个最大池化层； 全连接单元包括三个全 连接层； S82、 将步骤S3得到的液面区域的RGB图像中不同颜色通道图、 步骤S5中转化后的各子 区域特征图和步骤S7中二值化特征图一起作为卷积神经网络的输入； 得到悬浮物的识别结 果。 9.一种藏医尿诊悬浮物识别装置， 其特征在于， 包括： 尿液图像采集模块、 杯体检测分 割模块、 液面提取矫正模块、 第一过滤模块、 第一特征提取模块、 第二过滤模块、 第二特征提 取模块、 悬浮物 识别模块； 所述尿液图像采集模块用于采集盛装在统一的方形塑料透 明杯子中的尿液图像； 杯体 检测分割模块用于去除尿液图像采集模块的输出结果中杯体之外的无效信息； 液面提取矫 正模块根据杯体检测分割模块的输出进行目标区域拉伸， 得到正方形杯口图像液面区域；权　利　要　求　书 2/3 页 3 CN 115187852 A 3