基于特征融合的醫(yī)學圖像檢索.pdf_第1頁
已閱讀1頁,還剩61頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、圖像檢索技術起源于上個世紀八十年代,人們主要是通過對關鍵字手工標記進行圖像檢索。而后隨著圖像處理技術的迅速發(fā)展,基于內(nèi)容的圖像檢索(CBIR)技術在圖像處理領域得到廣泛應用,尤其是基于內(nèi)容的圖像檢索技術在醫(yī)學臨床輔助診斷和醫(yī)學科研中發(fā)揮著重大的作用,得到了越來越多的關注。本文主要研究基于多種特征融合的醫(yī)學圖像檢索技術。
   論文詳細闡述了基于內(nèi)容的圖像檢索技術的研究意義、應用現(xiàn)狀、基本原理以及關鍵技術。本文通過提取圖像的多種特

2、征(SIFT、SURF和拓撲特征)進行檢索,同時,針對SIFT算法相似性度量方面的不足,提出了利用Hellinger核函數(shù)來進行相似性度量的新方法——ROOTSIFT,在此基礎上結合拓撲特征進行醫(yī)學圖像檢索。
   針對醫(yī)學圖像,本文提出了首先單獨利用SIFT、ROOTSIFT、SURF和拓撲特征分別進行檢索,然后根據(jù)檢索結果的好壞,為各個特征賦予相應的權重,最后在基于前面檢索算法的基礎上,提出一種融合多種底層視覺特征進行圖像檢

3、索的算法,來提高最終的檢索準確率。首先,通過SIFT(SURF、ROOTSIFT)算法得到圖像的特征點和相應的特征向量,其次,為了增加局部特征相似性,對SIFT(SURF、ROOTSIFT)特征得到匹配點提取拓撲特征并進行相似性度量,最后得到拓撲特征和SIFT(SURF、ROOTSIFT)特征都相似的點,進行線性加權后得到與參考圖像最相似的圖像序列。實驗結果表明,融合多特征檢索得到的檢索準確率比單個特征得到的準確率高,該算法與其他算法相

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論