一种集成改进MTCNN、U-Net、RF的舌象检测、分割、识别方法

本发明公开了一种集成改进MTCNN、U‑Net、RF的舌象检测、分割、识别方法，包括基于改进的MTCNN的人脸检测及舌头图像提取层、基于改进的U‑Net的舌象分割层、基于HSV和灰度共生矩阵的舌象特征提取层以及基于随机森林的舌象病理分析层。增加生成框的密度来减少图像金字塔层数的P‑Net网络改进方法，采用了深度可分离卷积策略优化R‑Net网络模型，优化了模型损失函数、特征提取模块和跳跃连接层，并引入了注意力机制，增强了U‑Net模型的舌象边缘分割精度、降低训练复杂度；在舌象特征提取阶段，针对舌头的不同区域，通过HSV色彩空间中提取颜色特征，并利用灰度共生矩阵提取了纹理特征，然后由RF模型识别不同舌象区域的病理类别。本发明计算量小，提高了检测效率。