基于興趣點(diǎn)和視覺字典的眼底病理學(xué)檢測

1、深圳大學(xué)研究生課程論文深圳大學(xué)研究生課程論文題目基于興趣點(diǎn)和視覺字典的眼底病理學(xué)檢測成績專業(yè)生物醫(yī)學(xué)工程課程名稱、代碼專業(yè)英語年級(jí)2010級(jí)姓名袁杰學(xué)號(hào)2100220114時(shí)間2011年7月10任課教師劉維湘用于通信領(lǐng)域，但是已有不少在圖像恢復(fù)和分類方面的嘗試。這些方法背后的原則是：選擇最能代表圖像的點(diǎn)組成一個(gè)大數(shù)量的興趣點(diǎn)(PoI)集，然后計(jì)算每個(gè)興趣點(diǎn)周圍的局部描述子，并存儲(chǔ)在索引數(shù)據(jù)結(jié)構(gòu)中。這個(gè)方法是假設(shè)興趣點(diǎn)比圖像中其他的點(diǎn)能傳

2、達(dá)更多的信息。因此，圖像即使被扭曲后興趣點(diǎn)仍能被穩(wěn)定的檢測到，這是興趣點(diǎn)法則可重復(fù)性的主要標(biāo)準(zhǔn)。定位興趣點(diǎn)后，每個(gè)點(diǎn)用它周圍區(qū)域分解的小片段表示。有文獻(xiàn)指出在興趣點(diǎn)周圍計(jì)算出的局部描述子要比描述圖像細(xì)微差別的全局描述子穩(wěn)定。但是，這樣代表的方法有優(yōu)點(diǎn)也有缺點(diǎn)。當(dāng)搜索一個(gè)特定目標(biāo)時(shí)，這個(gè)辨別力是非常重要的。盡管如此，當(dāng)搜索復(fù)雜的分類時(shí)，概括的能力是最重要的。因此，這些解決方案往往是設(shè)計(jì)完全匹配的，它們在圖像分類時(shí)并不直接轉(zhuǎn)化好的結(jié)果。解決

3、這個(gè)問題的一種可能是視覺字典技術(shù)，它認(rèn)為是高維空間描述和分割成的多個(gè)區(qū)域。通常使用非監(jiān)督學(xué)習(xí)技術(shù)（例如聚類）以便找到最具判別力的興趣點(diǎn)。每個(gè)興趣點(diǎn)的區(qū)域，將變成視覺“字典”里的“字”。字典創(chuàng)建完后，對每個(gè)圖像分析其興趣點(diǎn)并將一個(gè)在字典中最接近的單詞分派給它。最后，每幅圖像都由一系列視覺單詞來描述。在這個(gè)簡單的想法中，最大的挑戰(zhàn)是設(shè)計(jì)一個(gè)好的字典。字典的建立需要對描述空間進(jìn)行量化，這可以使用聚類方法，或者像本文討論到的，由專家來“選擇”重

4、要的詞匯。4.2局部特征為了描述一個(gè)給定圖像的視覺內(nèi)容，我們找到了圖像的一系列興趣點(diǎn)及其周圍區(qū)域的特征。理想的是選擇尺度不變的興趣點(diǎn)，以使得其描述子在可能的圖像變換后仍然保持穩(wěn)定。要做到這一點(diǎn)，我們可以使用多種不同的方法。我們已經(jīng)發(fā)現(xiàn)SURF特征有最好的性能。我們也對SIFT特征做了性能評(píng)估實(shí)驗(yàn)。兩種方法都能達(dá)到較高的重復(fù)性和特殊性。4.2.1尺度不變特征變換（SIFT）SIFT算法是在平移、縮放和旋轉(zhuǎn)變換下最穩(wěn)定的方法之一。SIFT算