基于局部特征醫(yī)學(xué)圖像分類中關(guān)鍵技術(shù)研究.pdf

1、隨著數(shù)字醫(yī)學(xué)圖像技術(shù)的發(fā)展，近十年來，醫(yī)院每天采集的圖像數(shù)量呈現(xiàn)出爆炸增長趨勢。如何從這些大量的數(shù)據(jù)中檢索出需要的信息是一個迫切需要解決的問題。通過把醫(yī)學(xué)圖像進(jìn)行分類，可以有效的改善圖像的檢索性能。傳統(tǒng)采用人工對圖像進(jìn)行分類的方法耗時耗力，因此利用計算機(jī)來對這樣巨大的圖像數(shù)據(jù)集進(jìn)行自動分類成為一個重要的研究問題。
　　目前，基于局部特征的圖像分類技術(shù)因其具有良好的性能得到了廣泛的應(yīng)用，其分類流程主要包含如下環(huán)節(jié)：局部特征提取、詞典

2、構(gòu)建、根據(jù)詞典對圖像進(jìn)行編碼、分類器的訓(xùn)練。本文首先對基于局部特征的圖像分類現(xiàn)狀進(jìn)行了回顧，并對分類方法的一些基本理論做了介紹。比較了不同局部特征采樣方式以及視覺單詞分配方法對分類精度的影響。為了適應(yīng)在更大規(guī)模數(shù)據(jù)集上的應(yīng)用，分析和比較了幾種能提高詞典構(gòu)建速度以及單詞查詢效率的改進(jìn)K均值聚類算法。考慮到稀疏編碼對局部特征更好的重構(gòu)性，本文分析和比較了傳統(tǒng)稀疏編碼以及其改進(jìn)的局部約束線性編碼方式在醫(yī)學(xué)圖像分類任務(wù)中的性能。
　　本文

3、的主要貢獻(xiàn)包括：
　　1.比較了Patch和SIFT局部特征在幾種不同采樣方式以及視覺單詞軟分配和硬分配對分類精度的影響。實驗表明采用稠密網(wǎng)格抽取SIFT特征以及視覺單詞軟分配的方式在醫(yī)學(xué)圖像分類任務(wù)中達(dá)到了最好的性能。
　　2.分析和比較了傳統(tǒng)K均值聚了算法、層次K均值聚類算法、近似K均值算法在詞典構(gòu)建上的速度，以及所構(gòu)建的詞典在查找效率上的區(qū)別。實驗表明采用層次K均值算法和近似K均值算法構(gòu)建的詞典能極大的提高詞典的查找效