联合Gabor和分形的医学影像图像局部特征描述

提出一种联合Gabor小波和分形的医学影像肿瘤外轮廓局部结构特征描述方法.该方法基于Meyer卡通-纹理图像分解模型,利用Gabor尺度空间核函数进行局部尺度描述,以相邻尺度曲率间特征差异度量尺度,通过轮廓局部分形维提取结构不规则特征.该方法可使对医学影像肿瘤外轮廓的描述更具诊断意义.     

基于多尺度局部分形维的黑色素瘤轮廓不规则性描述方法

黑色素瘤轮廓的不规则性是区别于良性皮肤痣的重要临床特征之一,研究皮肤肿瘤轮廓的不规则性描述对黑色素瘤计算机辅助早期诊断和治疗具有重要意义。传统分形维（FD）利用自相似度量表示轮廓的不规则性,但作为全局特征,分类能力较弱。为了探索新的多尺度下轮廓不规则程度的描述方法。提出了高斯滤波和局部分形维相结合的度量模型：两种新的轮廓结构不规则性度量和多尺度下轮廓不规则性特征描述。后者优点在于提供了图像空间不同尺度下轮廓不规则性度量的特征簇。实验分析表明,该轮廓不规则性描述子不仅增强了轮廓复杂性的细节表述,而且不同尺度提取的轮廓不规则度统计特征可有效甄别黑色素瘤和良性皮肤肿瘤。     

基于显著小波子带的轮廓结构不规则性检测

为解决皮肤肿瘤轮廓结构的不规则性表达和特征提取问题,提出一种在重构肿瘤轮廓结构分量上利用局部分形维(LFD)提取轮廓不规则特征的方法。在神经网络中实现肿瘤分类,使用小波分解和Hausdroff Distance确定肿瘤轮廓结构分量所处的频带(显著小波子带),根据重构轮廓结构分量、LFD派生轮廓的不规则性特征对黑色素瘤进行分类。实验结果表明,该方法具有较高的分类准确率、敏感度和特异度。     

基于小波分析的皮肤肿瘤轮廓结构不规则特征分类器设计

皮肤肿瘤轮廓的结构不规则性对黑色素瘤临床早期诊断具有重要意义。针对皮肤肿瘤轮廓结构不规则性度量和特征分类器设计问题,提出了一种基于小波子带分析的轮廓结构分量获取及多尺度特征神经网络分类器构建方法。利用肿瘤轮廓小波子带能量的Hausdorff距离寻找显著性小波子带,进而重构肿瘤轮廓的结构分量;给出基于显著性小波子带的轮廓多尺度结构不规则特征描述——基于统计和几何的轮廓结构不规则性度量。对单尺度/多尺度、小样本/大样本,以及特征选择前后神经网络分类器性能进行了实验。结果表明,在小样本情况下,基于显著性小波子带多尺度特征描述扩展了样本的特征空间维数,使得特征选择后分类器的灵敏度和特异度指标分别等于和优于大样本分类器。     

黑色素瘤表面不均匀性的轮廓描述与分析

为解决皮肤肿瘤表面不均匀性的度量问题,构建一种肿瘤表面灰度不均匀性的虚拟轮廓描述模型。提出虚拟轮廓不规则性和不对称性描述子,将肿瘤表面2D灰度分布的不均匀性转换为虚拟轮廓的不规则性,提取虚拟轮廓的不规则性和不对称性特征,依据Hausdorff距离进行特征选择和融合,实现基于虚拟轮廓不规则性和不对称性的肿瘤表面不均匀性分类。实验结果表明,该模型能实现数据降维,提高分类准确率。     

一种基于多尺度局部分形维轮廓不规熙特征提取算法

黑色素瘤的早期鉴别是计算机辅助诊断研究的热点之一,其中轮廓结构不规则性是黑色素瘤早期诊断的重要特征。提取黑色素瘤轮廓不规则特征值的传统方法为全局分形维。由于此方法仅描述了黑色素瘤轮廓粗糙度的整体特征,且没有剔除轮廓的纹理不规则性,鉴别正确率不高。本文提出了利用多尺度高斯滤波去除轮廓纹理不规则部分,定义了具有重要诊断意义的结构不规则性度量,并在不同尺度下提出了新的基于局部分形维分布的轮廓不规则性特征。试验表明本文提取的特征较全局分形维和基于轮廓空间不规则性度量的方法在多层次上具有显著的不规则性信息,提高了基于轮廓不规则性鉴别黑色素瘤的能力。     

一种基于多尺度局部分形维轮廓不规则特征提取算法

黑色素瘤的早期鉴别是计算机辅助诊断研究的热点之一,其中轮廓结构不规则性是黑色素瘤早期诊断的重要特征。提取黑色素瘤轮廓不规则特征值的传统方法为全局分形维。由于此方法仅描述了黑色素瘤轮廓粗糙度的整体特征,且没有剔除轮廓的纹理不规则性,鉴别正确率不高。本文提出了利用多尺度高斯滤波去除轮廓纹理不规则部分,定义了具有重要诊断意义的结构不规则性度量,并在不同尺度下提出了新的基于局部分形维分布的轮廓不规则性特征。试验表明本文提取的特征较全局分形维和基于轮廓空间不规则性度量的方法在多层次上具有显著的不规则性信息,提高了基     

基于曲率匹配的细胞几何形状特征提取方法

细胞轮廓的几何形状是细胞学涂片判读的重要参考,对研究宫颈病变的计算机辅助诊断具有重要意义。针对现有基于形状模板匹配的几何形状识别方法鲁棒性较差的问题,提出了基于曲率匹配的几何形状特征提取方法,通过比较模板轮廓和待识别轮廓的曲率,计算曲率曲线之间的相似度,进而得到细胞轮廓的形状特征,并采用依次旋转轮廓选取最佳匹配的方法来解决轮廓方向不一致的问题,采用以面积等效圆的半径比作为放大比率进行轮廓缩放的方法来解决轮廓大小不一致的问题。通过相关实验证明了该方法所提取的几何形状特征具有尺度不变性和旋转不变性,并与改进Hausdorff距离进行了实验对比,结果表明提取的形状特征能更加准确地识别出细胞轮廓的几何形状。     

非规则三维碎片部分匹配算法研究

针对三维碎片拼合中的碎片匹配问题,在提取碎片轮廓线的基础上,提出了一种快速的碎片匹配算法。该算法首先对轮廓特征点按其邻域曲面片的形状进行分类;其次根据特征点类型标志、曲率及特征段Hausdorff距离对不同轮廓线上的特征段进行相似性度量;最后利用法矢对相似度较高的轮廓段进行可匹配性验证。该算法较适合于用散乱点云表示的三维碎片模型。     

一种新的二维开曲线匹配算法研究

在提取碎片轮廓的基础上,提出了一种基于相似变换下的新的尺寸不变为标示符的二维开曲线匹配方法。基本思想是首先以弧长的曲率绝对值的积分方法,通过对轮廓重采样来计算轮廓曲线上的特征点,特征点分曲线为若干段,然后特征段之间的Hausdorff距离来比较两曲线的段的相似性,当Hausdorff距离小于给定的容差时,可认为相应的轮廓是匹配的,实验证明算法更快有效。     

基于集成局部费舍尔判别分析的故障分类

实际工业过程数据的局部特性一般都较为复杂,不利于样本特征的提取和故障分类精度的提高.针对此问题,本文提出一种集成的局部费舍尔判别分析(ILFDA)模型,可以同时从变量和样本两个维度挖掘数据的局部结构特征,提高故障分类的性能并降低建模的难度.首先,根据过程的结构原理对复杂系统进行分块,从而可以有效获取变量维度的数据局部信息,并排除无关变量的影响.其次,针对样本维度的数据局部信息,在每个变量子块中分别建立局部费舍尔判别分析(LFDA)模型,并为每个局部模型分配相应的权值,从而可以更准确地衡量不同子块对当前故障的影响程度.最后,利用分类性能加权策略将各个子块的分类结果进行融合.田纳西–伊斯曼(TE)过程中的仿真结果验证本文所提的ILFDA方法具有更好的故障分类效果.     

全局判别与局部稀疏保持HSI半监督特征提取

针对高光谱图像存在“维数灾难”的问题，提出一种全局判别与局部稀疏保持的高光谱图像半监督特征提取算法（GLSSFE）。该算法通过LDA算法的散度矩阵保存有类标样本的全局类内判别信息和全局类间判别信息，结合利用半监督PCA算法对有类标和无类标样本进行主成分分析，保存样本的全局结构；利用稀疏表示优化模型自适应揭示样本数据间的非线性结构，将局部类间判别权值和局部类内判别权值嵌入半监督LPP算法保留样本数据的局部结构，从而最大化同类样本的相似性和异类样本的差异性。通过1-NN和SVM两个分类器分别对Indian Pines和Pavia University两个公共高光谱图像数据集进行分类，验证所提特征提取方法的有效性。实验结果表明，该GLSSFE算法最高总体分类精度分别达到89.10%和92.09%，优于现有的特征提取算法，能有效地挖掘高光谱图像的全局特征和局部特征，极大地提升高光谱图像的地物分类效果。     

一种基于支持向量机的视频对象分割新方法

为了实现基于内容的多媒体交互功能,视频对象的提取具有相当重要的作用.支持向量机是最新的学习机,在许多领域得到了成功的应用.提出使用自适应分级的支持向量机分类器解决对象分割跟踪问题,能够克服传统的基于运动的跟踪算法的固有缺陷.通过帧差图像的边缘图和当前帧边缘图进行匹配运算,自动获得用于训练支持向量机的初始视频对象.描述像素属性的特征向量由离散余弦变换系数计算的局部特征和用邻接区域的熵组成的临域特征共同组成.使用分级的支持向量机二叉树来决策前景和背景.实验结果证实了该方法的有效性和鲁棒性.     

独立分量分析在模式识别中的应用

模式识别中关键的两个环节是模式的特征提取及利用分类器分类识别。采用独立分量分析进行特征提取 ,并比较了最近邻分类器和cos分类器的分类识别性能。利用ORL人脸图像数据库进行实验 ,结果表明独立分量分析与cos分类器相结合可得到更好的识别结果。     

An information fusion based method for liver classification using texture analysis of ultrasound images

This paper presents a method for classification of liver ultrasound images based on texture analysis. The proposed method uses a set of seven texture features having high discriminative power which can be used by radiologists to classify the liver. Feature extraction is carried out using the following texture models: Spatial Gray Level Co-occurrence Matrix, Gray Level Difference Statistics, First order Statistics, Fourier Power Spectrum, Statistical Feature Matrix, Law’s Texture Energy Measures and Fractal Features. Based upon the results of Linear Discriminative Analysis (LDA) followed by box-plot analysis and Pearson’s correlation coefficient, 7 best features from a set of 35 features are selected. These selected features are then fused using a linear classifier. The novelty of the proposed method is that, it combines the best features from different texture domains along with their weights and ‘weighted z-score’ values. Subsequently, these values are used to compute a discriminative index for liver classification. The results show that this method has overall classification accuracy of 95% and low computational complexity.     

半色调图像纹理特征提取方法

提出基于局部二值化模式和像素相关算子的半色调图像纹理特征提取方法,以实现误差分散类半色调图像的分类。该方法是将误差分散类图像先进行局部二值化模式变换,再以任一像素点为中心,取适当的距离提取八个方向的像素相关值作为图像的特征向量,最后将提取的特征通过BP神经网络进行分类。实验结果表明,提出的算法适用于二值图像的特征提取,能够降低局部二值模式的特征维数,提高时间效率和空间利用率;相对灰度共生矩阵算法提出的算法在计算复杂度、识别精度等性能方面都有所改善。     

基于混合滤波LBP和PCA的掌纹识别

针对基于局部二值模式(LBP)的掌纹识别易受噪声影响,导致算法鲁棒性下降,提出一种结合混合滤波LBP(HFLBP)和主成分分析(PCA)的特征提取方法.从滤波和特征提取的角度对传统LBP算法进行改进,先对图像进行去噪处理,然后对掌纹图像进行分块,提取LBP直方图特征向量,并通过PCA算法对特征向量进行降维,最后利用欧氏距离匹配.在香港理工大学PolyU图库和PolyU噪声图库上与几种典型算法进行对比实验,实验结果表明,本文算法分别获得最低等误率为1.1405％、4.0101％,有效地提高了识别率和鲁棒性,具有很好的应用前景.     

结合双视觉全卷积网络的遥感影像地物提取

目的 遥感影像地物提取是遥感领域的研究热点。由于背景和地物类型复杂多样,单纯利用传统方法很难对地物类别进行准确区分和判断,因而常常造成误提取和漏提取。目前基于卷积神经网络CNN（convolutional neural network）的方法进行地物提取的效果普遍优于传统方法,但需要大量的时间进行训练,甚至可能出现收敛慢或网络不收敛的情况。为此,基于多视觉信息特征的互补原理,提出了一种双视觉全卷积网络结构。方法 该网络利用VGG（visual geometry group）16和AlexNet分别提取局部和全局视觉特征,并经过融合网络对两种特征进行处理,以充分利用其包含的互补信息。同时,将局部特征提取网络作为主网络,减少计算复杂度,将全局特征提取网络作为辅助网络,提高预测置信度,加快收敛,减少训练时间。结果 选取公开的建筑物数据集和道路数据集进行实验,并与二分类性能优异的U-Net网络和轻量型Mnih网络进行对比。实验结果表明,本文提出的双视觉全卷积网络的平均收敛时间仅为U-Net网络的15.46%;提取精度与U-Net相当,远高于Mnih;在95%的置信水平上,该网络的置信区间明显优于U-Net。结论 本文提出的双视觉全卷积网络,融合了影像中地物的局部细节特征和全局特征,能保持较高的提取精度和置信度,且更易训练和收敛,为后续遥感影像地物提取与神经网络的设计提供了参考方向。