共查询到20条相似文献，搜索用时 15 毫秒
1.
目的:探讨BP神经网络算法在新疆高发病哈萨克族食管癌X射线图像纹理特征和形状特征分型中的应用。方法:选取哈萨克族正常食管图像、溃疡型食管癌图像和髓质型食管癌图像各100张,利用灰度共生矩阵算法和形状不变距算法分别提取图像的纹理和形状特征。然后,使用BP神经网络算法构造一个分类器,对正常食管和两种中晚期食管癌图像进行分类研究。结果:共提取了14维哈萨克族食管癌X射线图像纹理和形状特征向量,应用BP神经网络算法进行哈萨克族食管癌X射线图像分类实验,基于灰度共生矩阵算法的纹理特征分类准确率为85.333%,基于Hu不变距算法的形状特征分类准确率为65.333%,而纹理和形状综合特征的分类准确率达到了97.667%。结论:本研究提取基于灰度共生矩阵算法和Hu不变距算法的食管癌图像纹理和形状特征,通过构造BP神经网络分类器对食管癌医学图像进行分型研究。结果表明BP神经网络对综合特征的分类准确率较高,为临床医生诊断食管癌提供了参考,也为后期研发食管癌医学图像计算机辅助诊断系统奠定了基础。 相似文献
2.
目的:讨论Bagging、Adaboost、Random Forest(RF) 3个集成分类器对新疆哈萨克族食管图像分型中的分类能力。方法:使用Matlab图像处理软件,对食管X线图像进行预处理,对预处理后的图像使用灰度共生矩阵和Hu不变矩特征进行图像特征的提取;然后,使用主成分分析法对特征值进行筛选优化,得到分类能力较强的特征值;最后,使用Weka软件,将3个不同的集成分类器对正常食管和早期食管癌图像进行分类,并进行分类模型的评估。结果:使用Bagging、Adaboost、Random Forest(RF) 3个集成分类器结合降维后的灰度共生矩阵特征值对食管图像进行分类时,正常食管的分类准确率是82%、94%、88%,早期食管癌的分类准确率是94%、88%和94%;使用降维后的Hu不变矩特征值和3种集成分类器对正常食管和早期食管癌进行分类时,正常食管的分类准确率是60%和64%、61%,早期食管癌的分类准确率是57%、68%和65%;结论:3种集成分类器结合灰度共生矩阵对正常食管和早期食管癌X线图像进行分类,其分类准确率与Hu不变矩相比分类效果更显著。说明灰度共生矩阵结合3种集成分类器更适合用于区分正常食管和早期食管癌X线图像。 相似文献
3.
《科技通报》2017,(2)
目的:利用PCA和SVM对新疆哈萨克族食管癌X射线图像进行特征提取、特征选择及分类研究。方法:利用基于灰度共生矩阵的纹理特征和小波变换的频域特征提取法,提出将ROC曲线面积选择法和主成分分析法相结合的两步式特征选择法,利用Bayes和SVM分类器对图像进行分类以验证所提取特征的分类能力。结果:AUC0.7的特征经主成分分析后输入到SVM分类器和Bayes分类器中得到的分类准确率和AUC值最高,分别为91%和85%、0.945和0.915。结论:SVM具有较好的分类性能,两步式特征选择法能有效地消除特征之间的共线性,极大提高了特征的分类能力,本研究有望提高新疆哈萨克族食管癌CAD系统的整体性能。 相似文献
4.
《科技通报》2016,(9)
目的:探讨C4.5决策树算法结合主成分分析法(PCA)在新疆高发病食管癌X钡剂造影图像分类中的应用。方法:选取新疆高发病食管癌图像200张,其中蕈伞型和溃疡型图像各100张。对图像进行归一化、去噪和空间转换等预处理;对图像进行二尺度小波变换提取图像的低频信息,然后对其进行灰度共生矩阵法提取图像的特征;采用主成分分析(PCA)法对所提取的特征进行筛选;通过构造决策树C4.5算法分类器来验证特征的分类能力。结果:使用决策树C4.5算法分类器,对主成分分析获取的特征及综合特征进行分类。PCA选择的特征分类准确率为95%;使用综合特征分类准确率为80%。结论:综合特征的分类准确率与PCA选择的特征相比较低,表明在进行分类时,冗余特征可能会降低分类准确率;而本研究采用PCA选择后的特征分类准确率较高,表明该算法能有效减少冗余特征,弥补了过高维数的特征向量易引起维数灾难的问题,从而使得分类准确率得到了提高。一定程度上为后续的其它组织器官的特征提取提供了依据。 相似文献
5.
本文探讨了不同成像方式下医学图像的分类识别算法,提取了具有代表性的图像特征,如图像面积熵、灰度共生矩阵、图像细小纹理区域个数等,并通过设计模糊聚类、BP神经网络图像分类器,实现对CT图像、MR图像、X线图像及B超图像的分类。结果表明本文提出的分类器对医学图像的分类识别取得了一定的效果。 相似文献
6.
纹理特征是图像分析的重要线索,灰度共生矩阵法提取的纹理特征具有很好的鉴别和分类能力。本文运用灰度共生矩阵分析新疆地方性肝包虫CT图像并进行特征提取,对图像进行尺寸归一、去噪和增强的预处理,计算0°,45°,90°和135°方向的能量、熵、对比度、相关性和逆差矩的均值,构成特征向量,并进行统计分析,用最大类间距法获取图像分类的主要特征,同时使用判别分析法对特征的分类能力进行评价。实验结果表明,灰度共生矩阵法提取的特征在统计分析中存在差异,最大类间距计算获得的特征能提高图像分类的准确率,一定程度上有助于对肝包虫病CT图像进行分类和检索。 相似文献
7.
利用卷积神经网络强大的自学能力,训练合适的CNN来提取图像特征信息,利用RBF函数作为支持向量机的核函数,并结合粒子群算法优化SVM参数,完成图像分类的混合算法。针对乳腺组织的病理图像分类性能的实验分析,给出了混合分类算法的优越性。 相似文献
8.
图像特征提取是图像处理的一个主要环节,是图像处理技术研究和应用的一个重要领域。本文选取了新疆地方性肝包虫病中的单囊型肝包虫和正常肝脏CT图像进行研究,提取了灰度直方图、灰度共生矩阵(GLCM)、kc复杂性三种特征组成综合图像特征。首先对图像进行尺寸归一、去噪、对比度增强的预处理,并对综合特征进行统计学分析,最后应用Fisher判别分析法对特征的分类能力进行评价。实验结果表明运用综合特征对图像分类有较高的准确率,这对基于内容的新疆肝包虫病CT图像的检索的研究奠定了一定的基础。 相似文献
9.
10.
计算建筑物、农田、裸地、道路、林地五类常见地物的灰度共生矩阵并统计纹理特征值,以建立影像纹理样本库。使用与建立样本库相同的方法处理待测影像,通过计算样本库与待测影像纹理特征值的最小欧氏距离实现影像分类。实验结果显示,待测图像正确识别率为92%,说明利用灰度共生矩阵提取影像纹理特征是一种有效性的图像分类辅助方法。 相似文献
11.
积雪面积是融雪径流模型中变量数据输入之一,准确的获取雪盖范围是进行流域尺度融雪水文过程研究的关键,在水资源管理及洪水预报中具有重要意义.本文以天山山区中段为例,利用MODIS数据,提出了结合混合光谱分解的积雪分量及灰度共生矩阵提取的纹理特征的SVM分类方法,对研究区积雪面积信息提取进行了研究.结果表明:通过利用混合光谱分解的积雪分量作为SVM的特征输入,总体分类精度比传统SVM分类结果有了一些提高.同时考虑结合基于灰度共生矩阵提取的纹理特征用于分类中,总体精度比传统SVM方法提高了1.081％,制图精度达到了99.01％.本文提出的分类方法能够适应特征组合之间的非线性关系,从而能提供更多的区域地物空间分布信息,能够调整无样本地表类型地区的积雪面积反演,对今后的融雪水文过程研究有重要意义. 相似文献
12.
为实现对海南黄花梨木及越南黄花梨木成品家具在无损伤的情况下进行分类识别,本文通过采集成品家具纹理图像并分别对图像在RGB和HSV颜色空间下的颜色直方图各分量的峰值进行分析,计算图像灰度共生矩阵(GLCM)在步长d取值为2和4的情况下4个方向上图像纹理的对比度、相关性、熵、平稳度、能量,5个特征值用SPSS软件做显著性分析。通过分析最终确定R、G、B、V、相关性、对比度、能量,7个特征值作为海南黄花梨与越南黄花梨识别的特征值向量,通过对比BP神经网络与SVM向量机2种识别方法,发现SVM向量机准确率更高,准确率可达到94%。结果表明本文方法可作为一种在无损伤的情况下识别海南黄花梨木与越南黄花梨木成品家具的可靠方法。 相似文献
13.
14.
《科技通报》2016,(8)
目的:探讨KNN(k-Nearest Neighbor algorithm,K近邻结点算法)分类器在新疆哈萨克族食管癌分型中的应用。方法:采用KNN分类器,依据食管癌的灰度-梯度共生矩阵和灰度共生矩阵特征值,对其分型。选取样本量的40%、50%、60%作为三个训练集,K取1-29,训练并得到最优K值;选取样本量的10%到100%(以10%递增率)10个测试集,验证结果;获得最佳KNN分类模型,对模型进行评估。结果:训练结果:当K=1时,三种食管癌都能获得最高分类准确率。测试结果:改变测试集大小,当验证数据量增大时,分类准确率随之增加。最佳KNN分类模型评估:该KNN分类模型有一定的准确度,可以得到可靠的分类结果。结论:KNN分类器为新疆哈萨克族食管癌分型提供一定的依据,也为新疆哈萨克族食管癌的计算机辅助诊断系统的研发奠定基础。 相似文献
15.
16.
17.
卫星遥感图像的识别技术是遥感图像处理中一个重要的研究领域,并在实践中大量应用。为了利用卫星遥感图像识别沙漠和山脉,选用了不同的方法进行分析。通过对基于直方图统计法的识别、傅立叶功率谱的识别以及基于灰度共生矩阵的纹理识别法的特点和识别效果进行比较,得出基于灰度共生矩阵地识别法是一种简单有效的算法。能够准确的识别出土地类型,对研究土壤沙漠化有很重要的意义,有很好的应用前景。 相似文献
18.
19.
传统的SURF方法对动画图像角度特征匹配准确度较低,计算开销大,稳健性不好。引入Hes.sian矩阵尺度极值检测技术,提出一种改进的基于加速鲁棒特征匹配算法,实现对动画图像的角度特征优化匹配。首先基于摄像机的成像原理利用灰度直方图二进制均衡算法对图像进行增强处理,采用Hessian矩阵检测出图像每个尺度中的极值点,把图像角度极值点聚焦在图像的仿射闭合区域。提取仿射闭合区域的图像角度特征,使用SURF双向匹配算法实现角度特征优化匹配。仿真实验表明,改进方法能使图像的角度特征匹配准确度大幅提升,特征匹配准确率提高显著,有较好的鲁棒性和实时性。 相似文献
20.
【目的/意义】针对当前利用计算机管理图像资源存在图像语义特征表达不足等问题,探索和分析了特征及
特征融合对分类结果的影响,提出了一种提高图像语义分类准确率的方法。【方法/过程】本文定义了四种图像风
格,将图像描述特征划分为三个层次,探究特征融合的特点,寻求能有效表达图像语义的特征。分别采用SVM、
CNN、LSTM 及迁移学习方法实现图像风格分类,并将算法组合以提高分类效果。【结果/结论】基于迁移学习的
ResNet18模型提取的深层特征能够较好地表达图像的高级语义,将其与SVM结合能提高分类准确率。特征之间
并不总是互补,在特征选择时应避免特征冗余,造成分类效率下降。【创新/局限】本文定义的风格数目较少,且图像
展示出的风格并不绝对,往往可以被赋予多种标签,今后应进一步丰富图像数据集并尝试进行多标签分类。 相似文献