基于直方圖顏色特征的試紙識別新方法

摘 要： 通過分析大量試紙墊圖片的顏色信息，建立直方圖模型，提取了試紙墊圖像的主色平均色調、主色平均飽和度、平均亮度、頻度最高飽和度四個特征，并建立BP網絡識別模型，實現了試紙的濃度的鑒別。提出的試紙墊識別方法模擬了人眼識別過程，提高了試紙識別效率與結果的客觀性。

關鍵字： 試紙識別； 顏色特征； 主色平均色調； 直方圖模型； BP網絡模型

中圖分類號： TN911.73?34； TP301.6 文獻標識碼： A 文章編號： 1004?373X（2015）09?0043?04

Abstract： By analyzing the color information in a large number of test strip pad images， a histogram model was established first. Four features of average hue of dominant color， average saturation of dominant color， average brightness， highest frequency saturation are then extracted from the strip pad images. The concentration identification of test strips is realized by using a BP network identification model. The proposed strip pad recognition method simulates the human eye identification process. The experiment results show it can improve efficiency and objectivity of strip pad recognition.

Keywords： test strip recognition； color feature； average hue of dominant color； histogram model； BP network model

0 引 言

在醫學領域，疾病的診斷常需要對多種參數進行衡量，這些參數數據大多來自樣本的檢測，尿液檢測是一種比較常見并且有效的檢測手段。尿液有形成分的檢測方法包括尿沉渣檢測[1?3]，顯微鏡檢測[4?5]，尿液試紙檢測[6?8]等。盡管現在計算機技術發展迅速，電子設備也不斷地進入到醫學領域，然而對于試紙檢測結果的識別工作基本還是使用傳統的人眼觀察，與試紙墊標準樣本比對來判斷濃度。

傳統人眼比對的方法識別效率低，并且受工作人員主觀因素影響大。近年來也出現了一些試紙自動識別儀器，它們通過改變照射光的波長，檢測接收到的反射波強度來實現濃度識別[2]，這類自動識別儀器識別效率高，但是對試紙墊的定位精度要求非常高并且受外界光線明暗程度等影響顯著。

本文提出基于直方圖顏色特征的試紙自動識別方法，根據試紙圖片的像素信息提取顏色特征，并使用BP網絡識別模型[9?10]完成試紙的識別。該方法由于采用基于圖像的統計顏色特征，可以克服外界光照條件影響，提高識別效率。同時采用BP網絡，具有學習功能。

1 試紙識別有效特征提取

基于圖像顏色特征的試紙墊識別原理如圖2所示，以尿液尿膽原項目為例，一共存在四個梯度濃度，濃度不同，試紙墊顏色不同，首先進行特征提取，得到主色調平均色調、主色平均飽和度、平均亮度、頻度最高飽和度四維特征，然后送入尿膽原BP識別模型，實現濃度判別。

為了有效提取試紙的顏色特征，首先對輸入圖像進行了坐標變化，轉變成HSI [11]圖像，分析色調空間、飽和度空間、亮度空間統計規律，提取用于區別試紙濃度的特征。

3 實驗數據及分析

3.1 試紙墊特征實驗及分析

根據上述原理，本文對多個測試項目的多個濃度進行了特征提取和分析。

表2為膽紅素不同濃度試紙墊的特征數據。表中數據都進行了歸一化操作。

從表2中可以看出膽紅素試紙墊的濃度越高，主色平均色調、主色平均飽和度和頻度最高飽和度越大；而平均亮度則是試紙墊濃度越高，它的值就越小。

3.2 識別結果分析

BP網絡識別模型采用指導訓練機制實現，每個項目不同濃度采集了100個樣本，訓練收斂后得到每個項目的識別模型。隨機抽取500個標本進行了測試，準確率達到了99%以上，其中5個標本識別誤差由圖像清晰度影響導致。

4 結 論

本文提出利用直方圖計算尿液試紙墊圖片的主色調、主色調能量、主色平均色調、主色平均飽和度、頻度最高飽和度等顏色特征的方法，構造以主色平均色調、主色平均飽和度、平均亮度、頻度最高飽和度為BP神經網絡輸入特征矢量的識別模型，實現了對尿液試紙圖片濃度的識別，經過大量的實驗證明該方法識別效率高、誤判率低。

參考文獻

[1] 劉波.尿液分析儀與尿沉渣顯微鏡檢查比較分析[J].臨床合理用藥雜志，2013（35）：96?97.

[2] 王柏蓮.UF?500i尿沉渣分析儀與顯微鏡檢測尿液中有形成分的比較[J].醫學信息，2011（7）：3146?3147.

[3] 劉媛，楊世霞，杜玫.淺談全自動尿沉渣分析儀與顯微鏡在尿液分析中的應用[J].衛生職業教育，2012（14）：157?159.

[4] 宋繼焱.尿液鏡檢法在尿常規檢查中的重要性分析[J].中外醫療，2011（12）：113?114.

[5] 王肖雁.尿液鏡檢法在尿常規檢查中的重要性[J].中國現代醫生，2009（31）：91?92.

[6] 文慶成，馬志榮，師本章.干化學分析在醫學檢驗中的應用[J].遼寧醫學雜志，1995（4）：171?173.

[7] 郭懷松，孫紅娜.尿液分析儀與手工法檢測結果的比較[J].亞太傳統醫藥，2010（10）：125?126.

[8] 高瑩.尿液檢驗中試紙法與鏡檢法的對比探討[J].健康必讀， 2013（3）：287?288.

[9] 張海波，董槐林，龍飛.基于BP神經網絡的圖像識別研究[J].計算機與現代化，2008（5）：17?19.

[10] 萬來毅，陳建勛，王衛平.基于BP神經網絡的圖像識別研究[J].武漢科技大學學報：自然科學版，2006（3）：277?279.

[11] 孫滔.基于顏色空間的圖像特征提取的研究[D].長春：吉林大學，2006.

[12] 強振平，劉輝.局部累積直方圖在彩色圖像檢索中的應用[J].計算機與數字工程，2006（6）：123?125.