2、基于模糊逻辑与多特征融合的视觉分析与中医舌像分类方法

基于模糊逻辑与多特征融合的视觉分析与中医舌像分类方法

视觉分析算法部分

在视觉分析的实现中，为了获取所需的独立分量特征（ICFs）、计算已学习ICFs的频率响应以及从每个特征通道获取显著性图，需要完成三个处理步骤。

1. 获取ICFs

   • 采用统计学习方法构建注意力模型，从真实场景视频数据中学习特征提取器。
   • ICFs通过独立分量分析（ICA）方法学习，具体使用FastICA算法进行训练。与其他通过ICA学习的ICFs不同，训练得到的ICFs是三维时空特征提取器，可直接应用于动态场景。其中两个维度用于提取空间特征，最后一个维度用于提取时间或动态特征。

2. ICFs的频率响应分析

   • 使用快速傅里叶变换（FFT）算法计算幅度和相位响应，进而获取每个ICF的最佳幅度和时间频率。
   • 对于第i个ICF，其最佳时间频率$f_{t,i}^ $由以下公式给出：
     $f_{t,i}^ = argmax_{fx,fy} \left{ P_i[fx, fy, ft] | ft \in {0, \Delta t, 2\Delta t, …, k(l)\Delta t} \right}$
     其中，$\Delta t = \frac{1}{T_s l}$（Hz）是基本时间频率，$T_s$是时间轴上的采样率，$l$是每个ICF的总帧数，$k(l)$是对$l$除以2的结果进行最近舍入操作。
   • 相