融合SURF和全局特征的醫(yī)學(xué)圖像分類研究.pdf

1、隨著計(jì)算機(jī)網(wǎng)絡(luò)和醫(yī)學(xué)圖像技術(shù)的迅猛發(fā)展，近年來(lái)用于教學(xué)和臨床研究的醫(yī)學(xué)圖像呈爆炸式地增長(zhǎng)，如何準(zhǔn)確地判定圖像類別，檢索出相似的醫(yī)學(xué)圖像，已成為當(dāng)前醫(yī)學(xué)圖像研究的重點(diǎn)之一。由于醫(yī)學(xué)圖像容易受到成像設(shè)備、噪聲以及光照等因素的影響，增加了醫(yī)學(xué)圖像分類的難度，因此準(zhǔn)確提取圖像視覺(jué)特征至關(guān)重要。
　　本文對(duì)圖像全局特征和局部特征進(jìn)行研究，采用支持向量機(jī)(Support VectorMachine，SVM)分別對(duì)這兩種特征進(jìn)行分類，然后決策融

2、合分類結(jié)果得到最終的分類結(jié)果。主要研究?jī)?nèi)容如下:
　　(1)研究醫(yī)學(xué)圖像的全局特征和局部特征，提出采用局部敏感哈希算法(Local Sensitive Hash，LSH)構(gòu)建隨機(jī)直方圖，并利用隨機(jī)直方圖對(duì)局部特征SURF(Speed Up Robust Features)進(jìn)行數(shù)據(jù)歸約，將SURF特征向量集合轉(zhuǎn)化成一個(gè)直方圖，較大地提高了圖像分類效率。
　　(2)研究了SVM的分類原理，提出了基于SVM的多特征決策融合算法，首

3、先利用SVM分別對(duì)全局特征和局部特征進(jìn)行分類，然后基于各個(gè)分類后的結(jié)果信息進(jìn)行決策融合，得到最終的分類結(jié)果，顯著地提高了分類準(zhǔn)確率。
　　(3)分別采用不同的視覺(jué)特征和不同特征融合策略進(jìn)行實(shí)驗(yàn)研究，比較并分析了不同特征和不同融合策略的分類效果，實(shí)驗(yàn)結(jié)果表明決策融合局部特征和全局特征可以有效地提高醫(yī)學(xué)圖像的分類準(zhǔn)確率。
　　(4)在Linux系統(tǒng)下，結(jié)合計(jì)算機(jī)視覺(jué)庫(kù)Opencv采用C++開(kāi)發(fā)基于SURF和全局特征融合的醫(yī)學(xué)圖像