史志剛

【摘 ? 要】 中藥材及飲片的傳統(tǒng)外觀鑒別方法因其簡單有效快捷實用且不受場地環(huán)境設備等客觀條件的限制成為一種行之有效的科學方法，但因很多指標無法量化而易導致人為鑒別誤差;現(xiàn)代鑒別手段是傳統(tǒng)鑒別的量化標準，但對中藥材這種復雜體系無法進行整體評價而有失片面。而采用view3DETL為主，色、味、質的特征收集為輔收集其主要特征建立數學模型，采用軟件和待測樣品進行分析比對，以確定樣品的真?zhèn)魏唾|量，使傳統(tǒng)的外觀鑒別和現(xiàn)代理化鑒別有機結合。本文簡要分析數據視頻影像分型識別在中藥材鑒別上的應用。

【關鍵詞】 數據視頻影像;中藥材;鑒別

【中圖分類號】 R282.5 ? ?【文獻標識碼】 A

中藥是中華民族傳統(tǒng)藥物的統(tǒng)稱。目前可以統(tǒng)計在冊的有8000種左右。從中藥的使用開始，其質量問題便隨之產生，而中藥鑒別的方法也從傳統(tǒng)的眼觀口嘗鼻嗅手摸等發(fā)展到現(xiàn)代中藥鑒定，包含基原鑒別、性狀鑒別、顯微鑒別和理化鑒別，各種現(xiàn)代檢測手段也在中藥鑒別和檢驗領域得到應用。

1 ?數據采集

既然利用計算機進行中藥材的鑒別在理論上是可行的，那么如何對藥材的特征進行數據采集成為關鍵。怎樣才能做到“觀其形，辨其色，嗅其氣，品其味，查其質”以前的數據庫的建立多為人工輸入數據，且多為二維特征缺乏直觀效應這樣其主觀因素會干擾其數據的準確性，我們擬采用三位掃描儀對樣品進行測量，現(xiàn)有的“照相式”掃描儀其采用可見光將特定的光柵條紋投影到測量工作表面，借助兩個高分辨率CCD數碼相機對光柵干涉條紋進行拍照，利用光學拍照定位技術和光柵測量原理，可在極短時間內獲得復雜工作表面的完整點云[1]。一次測量一個面，掃描速度極快，數秒內可得到100多萬點，建立CAD數據或掃描模型，建立用于檢測部件表面的三維數據。我們可以進行選擇和改造使其適用于中藥材鑒別外觀數據庫的采樣工具[2]。

2 ?數據處理（數字視頻影像分型識別系統(tǒng)）

2.1 ?根據實際需要，識別系統(tǒng)主要分為以下功能框架

2.1.1 ?通過錄像、掃描機采集視頻、圖樣文件

2.1.2 ?視頻文件分割成圖片

2.1.3 ?自動挑選清晰圖片

2.1.4 ?識別圖片與樣本圖的相似特征值

2.1.5 ?記錄編碼號

2.1.6 ?數據庫保存

2.1.7 ?自動識別結果并通知相關授權人員

2.1.8 ?界面框架的布局

2.2 ?視頻影像數字化的具體研究及算法 ?視頻影像view3DETL切塊分析比對分析的目的是抽取視頻影像的內容，轉換/裝載感興趣的部分。3D視頻影像切塊分析按照應用的要求和內容將3D視頻影像切塊分析成一矩陣區(qū)域。3D視頻影像切塊分析是model比對分析和3D視頻影像智能分析的預編譯時序[3]。由于視頻影像點位像素矩陣點位等的復雜度，我們提出了像素色差算法基于矩陣區(qū)域的算法和基于view3Dblock審核的算法.我的算法與其它的不同在于：1 是對view3D視頻影像采用奇偶fun的矩陣變換，2 針對Visionaire對色彩的敏感的不同，我選取了更多的矩陣抽取/轉換色彩特征。我們可以作為SAAS層分布式處理和應用圖像重建和識別，通過內存粹取技術XML方式恢復動態(tài)影像，如出現(xiàn)圖像損壞圖像丟失等問題，通過調用內存相關映像文件及核心模塊來恢復文件，能充分保證圖像安全和數據安全[4]。我的彩色影像算法是由 奇偶函數y=f（x）通過區(qū)域轉變實現(xiàn)的，可以作為本算法的催化劑（1）有全局特征邊緣和矩陣局部特征，（2）有像素變換信息，能抽取不同block像素點和邊緣，（3）有Visionaire的mapreduce依據，奇偶函數y=f（x） Visionaire模型。

算法公式：

公式（xi）表示2d受block的熱點

動態(tài)影像數學算法表達式：

View3D視頻影像128特征選取，把View3D視頻影像彩色區(qū)域換至顏色空間。1 去掉光度不同對model的影響，這對View3D視頻影像的切分/分析很重要。去掉局部光度對各個分量節(jié)點進行算法變換，這樣分量節(jié)點便得到與之對應的28矩陣。Visionaire中對光度的感覺有二十多級左右。對色彩的區(qū)分100級左右。如果選取過多的特征值點會降低算法的效率，且會導致視頻影像被切塊分析的過小[5]。因此我對于光分量Yz進行9個分量的過濾。2 智能影像識別算法，本方法便于性能指標分析。奇偶函數y=f（x）實現(xiàn)xyz的像素矩陣的總和分析。Visionaire能容易地看出視頻影像應該分為幾類：分水嶺變換從數學上抽取自上而下的三角視頻影像，將塔尖視頻影像看作高低起伏的梯形，構成暗影平緩區(qū)域坡度值小，邊界block坡度值大，構成3D亮線點;3 改進算法：本算法以迭代聚類方式確定矩陣圖像參數提高了切分析精TmmU，劃分為圖像前景像素矩陣點和背景點，以這2類像素點分別作為前/背景的樣本點來更新TmmU參數。修偏TmmU參數無限逼近實際的像素密度分布。因此，TmmU無限仿真的前景/背景像素矩陣點密度分布趨勢。

通過本算法將視頻影像切塊分析為若干block得到分塊區(qū)域，該分塊區(qū)域為object進行TmmU參數的迭代聚類估算，根據估算的 TmmU參完成視頻影像切塊分析比對識別。

綜上所述，對于中藥材飲片的外觀鑒別是可以使用數據視頻影像分型識別的方式來進行，本saas算法具備快速、準確、方便檢驗/適用范圍廣等優(yōu)點，特別是可以用量化批量的方法智能動態(tài)分析結論對規(guī)范藥材市場有較大的實用性！

參考文獻

[1] 王亞杰，李一波，李殿起.基于紋理的中藥材貝母顯微圖像的識別[J].計算機工程與設計，2013，7（20）：607-608.

[2] 單成鋼.數字圖像處理技術在中藥材鑒定中的應用[J].現(xiàn)代中藥研究與實踐，2012，9（17）：225-226.

[3] 陳士林.中藥鑒定學新技術新方法研究進展[J].中國中藥雜志，2012，6（29）：347-348.

[4] 周建理，楊青山.中藥微性狀鑒定法[J].安徽中醫(yī)學院學報，2013，5（30）：957-958.

[5] 陳士林.中藥DNA條形碼鑒定體系及研究方向[J].世界科學技術（中醫(yī)藥現(xiàn)代化），2012，4（14）：366-367.