基于中醫舌色變化比較分析的自我健康監測方法研究

〔摘要〕 目的 為了預防未知疾病對個人健康造成的損害以及減少個人健康監測的成本，依據中醫舌色變化能反映人類諸多疾病的原理，提出一種基于舌色變化比較分析的自我健康監測方法。方法 通過圖像采集設備采集個人舌象，利用深度學習和傳統圖像處理技術，借助RGB與CIE Lab色彩模型的轉換關系，獲得舌色的特征值，建立自我健康標準舌象數據庫。采集新的舌象，通過異向縮放模板匹配原理從數據庫中找出最佳匹配模板，通過差分比較分析法得到新采集的舌象與最佳匹配的模板舌象的舌色變化特征值，結合定量參數設置范圍進行自我健康監測。通過自我舌象異常仿真實驗驗證所提方法的有效性。結果 通過自我舌象數據庫構建、異向縮放模板匹配、舌色差分分析等技術實現了自我舌色變化閾值的設置，并能提取新采集的舌象圖像的舌色，將之與標準舌象數據庫中的舌色進行差分，再將差分值與已設定閾值比較，從而監測健康。異常仿真實驗驗證了所提方法的有效性和實用性。結論 基于中醫舌色變化比較分析的自我健康監測方法能簡便地對個人健康狀態進行監控，同時對中醫舌診的客觀化發展起到一定的推進作用。

〔關鍵詞〕 舌色;自我健康監測;深度學習;模板匹配;差分比較分析法

〔中圖分類號〕R241.25" " " " "〔文獻標志碼〕A" " " " " 〔文章編號〕doi：10.3969/j.issn.1674-070X.2024.08.016

Self-health monitoring method based on comparative analysis of

tongue color changes in TCM

ZHANG Shina1， SHENG Boyang1， XIA Shuaishuai1， GAO Yuan1， YAN Junfeng1，2*

1. School of Chinese Medicine， Hunan University of Chinese Medicine， Changsha， Hunan 410208， China;

2. School of Informatics， Hunan University of Chinese Medicine， Changsha， Hunan 410208， China

〔Abstract〕 Objective According to the principle that tongue color changes in Chinese medicine indicate human diseases， to propose a self-health monitoring method based on the comparative analysis of tongue color changes， so as to prevent the damage of unknown diseases to personal health and reduce the cost of personal health monitoring. Methods Personal tongue images were collected by image acquisition equipment. Using deep learning and traditional image processing technology， as well as leveraging the conversion relationship between RGB and CIE Lab color models， the characteristic value of tongue color was obtained to establish a self-health standard tongue image database. The new tongue image was collected， and the best matching template was identified from the database through the principle of anisotropic scaling template matching. Then the characteristic values of the tongue color changes of the newly collected tongue image and the best matching template tongue image were obtained through the difference comparison analysis method， and the self-health monitoring was carried out combined with the setting range of quantitative parameters. The effectiveness of the proposed method was finally verified by self-tongue anomaly simulation experiments. Results The setting of self-tongue color change thresholds was achieved through techniques such as self-tongue image database construction， anisotropic scaling template matching， and tongue color difference analysis. The tongue color of newly acquired tongue images can be extracted， the difference with the tongue colors in the standard tongue image database can be calculated， and the difference values can be compared with the set threshold value to monitor health. The validity and practicability of the proposed method was verified by the anomaly simulation experiments. Conclusion The self-health monitoring method based on the comparative analysis of tongue color changes in TCM can conveniently monitor personal health status， and play a certain role in promoting the objectification development of TCM tongue diagnosis.

〔Keywords〕 tongue color; self-health monitoring; deep learning; template matching; differential comparative analysis

《素問·四氣調神大論篇》記載：“圣人不治已病治未病，不治已亂治未亂，此之謂也。”該思想提倡養身保健、防重于治[1]。現今人們對健康愈發重視，然而經常去醫療機構進行健康檢測對絕大部分人來說并不現實。隨著信息技術的快速發展，中醫舌診研究愈加豐富，舌色作為中醫舌診的主要指標之一，有著豐富的臨床價值，可作為個人健康監測的有效指標;當下個人舌象圖像的采集變得簡單，深度學習技術能較好地分析復雜環境下的舌象圖像特征[2-4]。基于此，本研究提出一種基于舌色變化比較分析的自我健康監測方法，通過判斷自我健康監測時采集的自我舌象與自我標準舌象數據庫中舌象的舌色差分分析[5]獲得的變化值是否超出預設定的個人正常舌色變化閾值，來定量表征個人舌色特征與生理病理之間的聯系，進而對個人健康起到監測預警作用，推動中醫舌診客觀化與中醫現代化進程。

1 理論基礎

1.1" 舌象基礎

中醫學認為，舌可以體現人體臟腑的內在變化，舌不同區域對應不同臟腑（如圖1A）[6]，不同區域的舌象變化則反映不同臟腑的生理病理變化。為了便于研究舌各區域的舌象特征，本研究以“洛書”九宮圖（如圖1B）[7]的舌區域劃分理論為依據，將舌象進行區域劃分并與相應臟腑進行匹配（如圖1C）[7]。

1.2" 舌色與健康的關系

舌色是舌象的重要組成部分，與健康息息相關[8-12]，通過舌色的判別能夠發現已經發生的或即將發生的病癥，對疾病防治有著重要作用。中醫學認為，正常舌色為淡紅，其余病理舌色有白舌、紅舌、青紫舌、絳舌，代表不同的病癥，如脾腎陽虛、氣血不足的病癥舌色多表現為淡白色;紅舌多為熱證的表現，常見于高熱、胃炎、肺炎等;青紫舌是體內血液運行不暢有瘀血的表現，多見于冠心病、肺心病、肝硬化等。不同體質的個體健康舌色存在差異，如張瑩[13]對3種偏頗體質（痰濕質組、濕熱質組、陰虛質組）與平和質組之間舌色色度的差異進行研究和統計發現，CIE Lab各通道的色度值存在一定差異，表明不同個體在自我健康狀態下的舌色不同，說明通過對比分析自我舌色變化來進行健康監測是科學的。

1.3" 顏色空間的圖像處理方式

RGB顏色模式是一種顏色標準，R是指紅色（red，R）、G指綠色（green，G）、B指藍色（blue，B）。通過對R、G、B，3個通道的疊加，任意色光F都可以表示如公式①所示：

F=r[R]+g[G]+b[B]" " " " " " "①

式中：r、g、b為基色光單位，用來表示任意光F;R、G、B為像素的3個通道分量，R、G、B的值域都是[0，255]。

RGB幾乎可以表示人類視力所感知的任何顏色，是現實生活中運用最為廣泛的顏色系統。CIE Lab顏色空間基于人眼的視覺感知設計，其色域更加廣闊，包含了RGB和CMYK的所有色域，且彌補了RGB模式色彩分布不均的不足。由于其對顏色的描述更接近中醫的舌色診斷實際過程，所以中醫的舌色特征基本上是基于CIE Lab模式進行的[14]。

RGB借助XYZ顏色空間能夠轉成CIE Lab模式，轉換公式如下[15]。

lt;E：＼2024＼湖南中醫藥大學學報202408＼湖南中醫藥大學學報202408＼張仕娜G1.tifgt;" " "②

lt;E：＼2024＼湖南中醫藥大學學報202408＼湖南中醫藥大學學報202408＼張仕娜G2.tifgt;" " " " "③

lt;E：＼2024＼湖南中醫藥大學學報202408＼湖南中醫藥大學學報202408＼張仕娜G3.tifgt;" " " " ④

式中：n是每個通道中第n個像素點;t值由X、Y、Z 3個通道的值決定;Xn、Yn和Zn一般默認為95.047、100和108.883。通過②～③式將原始數據從RGB顏色空間先轉換到XYZ顏色空間，再轉換到CIE Lab顏色空間。

由于L*的值域是[0，100]、a*值域是[-128，127]、b*值域是[-128，127]，常用的機器視覺軟件如opencv、halcon等對其數據進行了量化，使其處于[0，255]范圍。量化原理L=L*×2.55，a=a*+128，b=b*+128。本研究首先將采集的RGB圖像轉成CIE Lab，便于與中醫醫師分析舌色特征結合，之后再利用視覺處理軟件halcon對其進行數據量化處理，方便在機器視覺軟件內進行無符號表示。

1.4" 舌色的差分原理

舌色的差分原理通過對舌象圖像中像素的差異進行分析獲取其對應的特征，通過圖像采集設備采集的舌象包含舌色、舌苔、舌形等特征，這些特征整體都反饋到舌象圖像像素上;當個人從健康狀態到患有某種疾病時，其舌體的特征能夠反映出某些變化，這些變化也都整體反饋到舌象圖像像素上。通過對健康狀態和患病狀態下個人舌象圖像的分析、處理和差分，可獲取其變化的特征值。設置其變化的閾值來進行自我健康監測預警，通過設置的閾值范圍來消除舌色以外其他舌象特征的干擾。

2 基于舌色變化比較分析的自我健康監測方法

目前的舌色研究多基于批量臨床數據，然后類推至個體，難以兼顧個體的特殊性;且為了防止外界環境干擾并利于舌象圖像處理，舌象采集的環境要求較嚴格，加大了舌象采集的難度[16-17]。在自我環境下采集舌象并進行舌色對比將是簡便、有效、低成本的自我健康監測方法。為此，本研究提出基于個人舌色變化比較分析的健康監測方法。該方法旨在借助圖像采集設備在自然環境下獲取個人舌象圖像，并通過對舌色的客觀化差分分析來進行自我健康監測。具體內容如下。首先，在特定條件要求下采集適量的自我舌象圖片，建立自我標準舌象數據庫，并以同等條件下采集的定量數據為內容構建個人舌色變化對比庫，以標準庫和對比庫中舌色的各區域變化差值為基準設定個人舌色變化的閾值;然后，采用YOLOv5與傳統圖像處理技術相結合的方法對個人新采集的舌象和標準舌象數據庫中的舌象圖像數據進行處理和分析;最后，采用異向縮放模板匹配技術，找出個人新采集的舌象與標準數據庫內相似性最大的舌象，再將兩者進行差分分析，以識別新舌象的舌色變化情況，將獲得的差值與設置好的閾值進行比較，從而監測患者的健康變化情況，并進行健康預警。

2.1" 個人舌象數據庫的建立

2.1.1" 舌象采集方法" 用圖像采集設備（手機、相機等）獲取個人清晨空腹時的舌象，盡最大可能保持每次采集舌象的外界環境（距離、光照、角度、時間點等）一致。

2.1.2" 個人標準舌象數據庫的建立" 每天采集10張個人舌象，每次間隔1 min，以1周為一個生活周期連續采集，最終采集70張個人舌象，該數據集建立為個人標準舌象數據庫。該庫存儲個人日常舌象，為新采集舌象的舌色對比分析提供參照。

2.1.3" 個人舌象變化對比庫的建立" 采集第2周的共70張舌象數據，建立為個人舌象變化對比庫。該庫的主要功能是通過與標準庫中舌色變化的差值分析計算，得出個人舌色正常變化的閾值，并作為自我舌色健康狀態評估的主要參考值。若通過圖像處理分析計算后，發現新采集舌象與個人標準舌象數據庫中的舌色變化范圍超過該閾值，則進行健康預警。

2.2" 舌象圖像處理

舌象圖像處理的內容包括：復雜環境下的面部舌體分割、新采集舌象與個人標準舌象數據庫中相似性最大的舌象匹配。

YOLOv5是一種基于深度學習的目標檢測模型，能在復雜環境下較為準確地提取舌體的具體位置。根據圖像處理原理，舌象在形態最相似時，進行差分才能更準確反映舌象間的差異，傳統圖像處理技術在圖形匹配上有更大優勢[18]。為此，本研究提出基于YOLOv5深度學習與傳統圖像處理相結合的技術方法進行舌體的分割、匹配和差分。首先利用YOLOv5模型進行已采集圖像的舌體分割，單獨生成只有舌體的圖像，然后采用傳統圖像處理技術對該圖像進行異向縮放模板的創建、基于顏色空間轉換的舌色提取等處理。

2.2.1" 基于YOLOv5的舌象處理模型訓練" YOLOv5圖像處理模型對訓練數據的構造要求較高[19-20]，要訓練出高效、準確的舌體識別模型，需要大量的來源于不同人群的舌象數據集。為了能準確識別個人舌象，并降低訓練成本，本研究提出基于自我標注數據集進行YOLOv5模型訓練的方法，通過對數據集的自我舌體標注，提高模型訓練效率。數據集的標注利用Labelme標注工具，采用多邊形標注方法，如圖2所示。

標注的數據量越大，訓練出的模型識別舌體的準確性越高，但為了減輕舌體標注的工作量，需要確定標注數據集的最小值。在上述采集的70張個人標準舌象數據集中取每天的1張舌象圖進行標注，總共標注7張，以YOLOv5s-seg.pt模型為基礎，訓練出best.pt，并應用該模型對標注庫和對比庫中存儲的共140張舌象圖進行舌體分割檢測，準確率為9.28%。取每天的2張舌象圖進行標注，共標注14張，檢測準確率38.57%。取每天的3張舌象圖進行標注，共標注21張，檢測準確率100%。這些數據間接說明本研究所提出的基于自我標注訓練集的模型訓練的有效性和可行性，避免了因使用通用模型而采集大量數據集的難題。因此，本研究YOLOv5模型訓練所需的標注數據量為每天中的3張舌象圖，共21張。模型訓練的核心配置：操作系統為Windows10，CPU為12th Gen Intel（R）Core（TM）i7-12700H 2.69 GHz，GPU為NVIDIA GeForce RTX3060 Laptop GPU，平臺為Python 3.9和深度學習yolov5-seg-master。

2.2.2" 基于傳統圖像處理技術的相似舌象匹配" 為了在進行自我健康監測時，更方便、準確地將新采集舌象與個人標準舌象數據庫中最相似的舌象進行匹配，需要對舌象進行處理，生成二值圖像，并將舌象圖按照圖1C中的九宮格圖進行圖像形態學處理[21]，以提取各臟腑所對應區域的舌色灰度值。使用halcon視覺軟件將經過YOLOv5舌體分割模型的舌象圖像進行處理，并生成舌的二值圖像，如圖3所示。經halcon軟件轉換的CIE Lab各區域的L、a、b通道的平均灰度值即舌色值，如表1所示。表1數據和圖3舌象對應綁定，在查找相似性時，首先匹配到圖3中的舌象圖像，再對應找出該舌象圖像在表1中的舌色特征。

2.3" 基于異向縮放模板匹配的舌象處理

異向縮放模板的原理是匹配的圖像不僅在大小上可以縮放變化，而且X、Y方向大小縮放的比例不同[22]。新采集的舌象在與標準數據庫內的舌象進行舌色差分比較時，理想狀態下若二者的舌象形狀和大小都相同，則能更加準確地差分兩者舌象中九宮格區域的舌色特征變化，而事實上個人在進行舌象采集時，每次采集舌象的距離不同、舌體大小不同、每次張口伸舌的長度和寬度存在差異。鑒于此，自我舌象的模板匹配屬于異向縮放模板匹配的范疇。本研究提出的舌象異向縮放模板匹配方法的具體流程見圖4。對新采集的舌象，首先，通過YOLOv5和傳統圖像處理技術，生成只有舌體的二值化圖像和舌體的九宮格區域分割圖，并創建二值圖像的異向縮放模板;然后，與標準數據庫中的二值圖像（圖3）進行匹配，找出相似度最大的舌象;最后，將新舌象與相似度最大的舌象分別對應的九宮格區域分割圖的舌色進行差分，計算獲得的絕對值，即為個人舌色變化值。

2.4" 自我舌色變化的閾值設定

個人在伸舌取圖過程中，可能出現黏液、水泡附著，將影響計算機對舌色的提取和計算，另外，未經專業訓練，個人的伸舌不一定達到中醫舌診的要求，通過單張舌象圖的舌色變化衡量測試結果可能會造成結果偏倚。因此，采用多張舌象舌色變化的平均值作為舌色變化值。個人舌象變化對比庫中采集個人每天10張、1個周期內的舌象圖，將對比庫中1 d內的10張舌象圖分別與標準庫中的舌象圖進行匹配和差分，將10張舌象圖的差分絕對值的平均值作為1 d的舌象變化值，以此類推，可獲得7 d內的每個臟腑對應區域的舌色變化平均值。以個人為例獲得的7 d內的舌象舌色與自我標準舌象數據庫的舌色差分，絕對值變化情況如表2所示。取對應臟腑各顏色通道的最大差值（maximum，Max）作為自我舌色的變化閾值。在進行自我健康監測時，可根據自我意愿或要求，將Max進行浮動設置，變為Max±S（S為偏移量），以收緊或放松對自我健康監測的預警要求。

2.5" 自我健康監測應用

完成個人舌象數據庫建立、圖像處理、異向縮放模板匹配和舌色變化閾值設定等流程后，可進行個人健康監測的應用。對個人的健康監測按一定周期（1周1次或2周1次等）進行。根據圖像處理原理，在光照、距離、伸舌情況、時間點等條件均一致的情況下，所采集的舌象圖像的舌色變化只能來自人體臟腑的變化。因此，本研究的方法應用在自我健康監測過程中，新采集待測試的舌象，越接近個人舌象標準數據庫舌象采集環境，越能準確差分舌色變化情況，從而更加準確地觀測個人不同臟腑的生理病理變化情況，達到監測健康的目的。

在自我健康監測過程中，如果舌色變化超過了根據個人常規舌色變化設置的閾值，需要多次測試排除偶然事件;若多次測試得出的舌色差分值均超出閾值，則需加強關注或至醫院進行檢查和調理。

3 異常仿真驗證

研究提出了基于中醫舌色變化的自我健康監測方法，其流程嚴謹、客觀、復雜。為了驗證該方法的科學性和有效性，以個人的舌象為例進行異常仿真實驗驗證。驗證方法是將個人常規舌色變化與人為制造的異常舌色變化進行對比分析，分別將兩者與標準舌象數據庫中的舌色變化差值與閾值進行對比，從而分析個人健康狀況。

3.1" 個人正常舌象的舌色變化監測

在與個人標準數據庫采集舌象的同等環境下，采集日常舌象進行3次測試，1周1次，共歷時3周。每次采集10張圖，取其舌色變化均值作為自我舌色的變化情況。采用上述健康監測方法獲得的舌色變化均值結果如表3。

3.2" 個人異常舌象的舌色變化監測

病理性舌色一般分為紅色、白色、青紫和絳等，通過飲食可使舌染色，出現舌苔假象，即染苔，在臨床中可能引起誤判，間接表明可通過飲食來異常仿真個人舌色的病理變化。本研究經食用易染色的食物仿真個人舌色的病理變化[23]。通過食用紅心火龍果模擬仿真舌色紅色變化、芒果模擬仿真舌色黃色變化、牛奶模擬仿真舌色白色變化。在與個人標準數據庫采集舌象的同等環境下，第一天采集10張食用火龍果后的舌象，第二天采集10張食用芒果后的舌象，第三天采集10張食用牛奶后的舌象。通過研究所提方法對舌色的處理、差分，獲得的食用不同食物的10張舌色變化均值情況如表3。

通過表3可以看出，在正常測試1中，舌色變化均值僅有兩次超過閾值情況，且超過的數值較小，且可經過偏移量S進行閾值微調;在正常測試2、正常測試3中未出現超過預警情況，符合實際健康狀況。而在異常仿真情況下，有些臟腑器官對應的舌體區域舌色有明顯變化，部分數據明顯超出Max值，符合舌體被動染色的實際情況。

實驗表明，本研究提出的方法能夠有效判別自我舌象的舌色變化，并能通過舌的區域劃分，分析相應臟腑功能的變化情況;通過以個人日常健康狀況為依據的舌色變化閾值設定，能夠簡便、高效地對個人的健康情況進行監測并及時預警。

4 總結

本研究在中醫舌色變化反映人體臟腑生理病理變化的理論基礎上，借助現代移動設備和深度學習圖像處理技術，提出基于自我舌色變化比較分析的自我健康監測方法，詳細闡述了該方法的具體流程，對涉及的理論知識、圖像處理技術和舌象匹配、差分方法進行了細節闡述和說明，最后通過異常仿真實驗驗證了所提方法的科學性和有效性。本研究未對文中涉及的舌色數據和相關參數進行批量驗證;實驗體量較小，未在人群中多次觀察和應用。后續將進行一系列的深入研究，以期取得更好的結果。

本研究所提的方法與《素問·四氣調神大論篇》中所期望的“治未病”思想契合，能夠簡便、高效地對個人健康進行監測和預警，是一種兼顧個體特殊性、機體健康動態變化性的自我健康監測模式，該方法對環境的選擇、數據庫的采集、健康監測時間及周期未進行嚴格設定，可取決于自我需求，方便、靈敏，應用范圍較廣，且使用本研究提出的健康監測方法能有效記錄個人從未病態到已病態的舌象變化情況，形成寶貴的中醫舌象數據集，對中醫舌診客觀化和中醫現代化發展起到促進作用。

參考文獻

[1] 萬" 水， 許" 奎， 王元千， 等. 蕪湖市5G+中醫治未病健康管理服務云平臺的構建[J]. 生物醫學工程與臨床， 2023， 27（6）： 796-802.

[2] ZHU L， XIN G J， WANG X， et al. A fast tongue detection and location algorithm in natural environment[J]. Computers， Materials amp; Continua， 2022， 73（3）： 4727-4742.

[3] WEI L I U， JINMING C H E N， BO L I U， et al. Tongue image segmentation and tongue color classification based on deep learning[J]. Digital Chinese Medicine， 2022， 5（3）： 253-263.

[4] 王" 鑫， 辛國江， 張" 楊， 等. 基于Dilated ADU-Net的開放環境下的舌象分割算法[J]. 計算機與現代化， 2024（4）： 48-54.

[5] 陳琳琳， 鄧華軍， 張殿喜， 等. 基于圖像差分及鄰域特性的航空磁環缺陷檢測[J]. 科技創新與應用， 2023， 13（23）： 50-53.

[6] 李燦東. 中醫診斷學[M]. 4版. 北京： 中國中醫藥出版社， 2016.

[7] 盧" 玲， 徐學軍， 馬" 燕， 等. 一種基于時令變化的舌診技術[J]. 科研信息化技術與應用， 2019， 10（4）： 41-49.

[8] YUAN L， YANG L， ZHANG S C， et al. Development of a tongue image-based machine learning tool for the diagnosis of gastric cancer： A prospective multicentre clinical cohort study[J]. EClinicalMedicine， 2023， 57： 101834.

[9] XIE J C， JING C C， ZHANG Z Y， et al. Digital tongue image analyses for health assessment[J]. Medical Review， 2021， 1（2）： 172-198.

[10] 王朝雨， 黃奎麟， 代國威， 等. 基于卷積神經網絡的腦卒中中醫辨證分型舌象分類研究[J]. 湖南中醫藥大學學報， 2023， 43（8）： 1460-1467.

[11] 段夢遙， 毛" 伯， 周恒宇， 等. 不同中醫體質類型的舌象特征定量分析[J]. 中華中醫藥雜志， 2023， 38（10）： 4955-4958.

[12] 徐鈺瑩， 楊宇飛， 張雪雪， 等. 3384例晚期結直腸癌患者中醫舌象特征研究[J]. 世界中西醫結合雜志， 2024， 19（3）： 433-440.

[13] 張" 瑩. 平和質與三種偏頗體質的舌象研究[D]. 北京： 北京中醫藥大學， 2012.

[14] 史士恒， 汪" 瀚， 孫蘭婷. 基于Lab顏色模型探討濕熱內蘊型肝豆狀核變性患者治療前后舌象的特點[J]. 山西中醫藥大學學報， 2023， 24（11）： 1222-1226.

[15] 尚文文， 王亞偉， 薛雙雙， 等. 基于舌象色譜比較分析的舌診方法[J]. 激光與光電子學進展， 2020， 57（3）： 186-194.

[16] LI Z R， REN X J， XIAO L， et al. Research on data analysis network of TCM tongue diagnosis based on deep learning technology[J]. Journal of Healthcare Engineering， 2022， 2022： 9372807.

[17] 段夢遙， 王楚皓， 談宇權， 等. 315例冠心病患者舌象特征客觀化研究[J]. 中醫雜志， 2024， 65（9）： 921-927.

[18] 劉賢華， 邱" 實， 胡文博， 等. 基于改進形狀匹配的扣件缺陷檢測方法[J]. 鐵道科學與工程學報， 2022， 19（7）： 1872-1879.

[19] 朱智惟， 單建華， 余賢海， 等. 基于YOLOv5s的番茄采摘機器人目標檢測技術[J]. 傳感器與微系統， 2023， 42（6）： 129-132.

[20] 黃家才， 趙雪迪， 高芳征， 等. 基于改進YOLOv5s的草莓多階段識別檢測輕量化算法[J]. 農業工程學報， 2023， 39（21）： 181-187.

[21] 南" 諾， 侯作勛， 曹東晶， 等. 一種基于圖像形態學的深空圖像模糊復原方法[J]. 航天返回與遙感， 2023， 44（2）： 101-108.

[22] 熊國楚. 基于仿射圖像匹配的圖像分類方法研究[D]. 哈爾濱： 哈爾濱工業大學， 2022.

[23] 鐘俐芹， 辛國江， 彭清華， 等. 中醫舌診染苔圖像數據集[J]. 中國科學數據（中英文網絡版）， 2023， 8（3）： 444-453.

〔收稿日期〕2024-01-14

〔基金項目〕國家自然科學基金面上項目（82274588）;湖南省教育廳重點項目（21A0250）;湖南中醫藥大學研究生創新課題項目（2022CX02）;湖南省研究生科研創新項目（QL20220183）。

〔通信作者〕*晏峻峰，女，博士，教授，博士研究生導師，E-mail：teacheryan@qq.com。