版權(quán)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(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著計(jì)算機(jī)視覺技術(shù)及醫(yī)療成像設(shè)備的不斷發(fā)展,醫(yī)學(xué)影像圖像包含的信息也更加豐富,而如何將這些醫(yī)學(xué)圖像進(jìn)行有效的分類,越來越受到人們的重視。為此,本文主要圍繞醫(yī)學(xué)圖像預(yù)處理、特征提取與選擇及分類器設(shè)計(jì)三個(gè)方面展開討論。
第一,針對(duì)醫(yī)學(xué)圖像的特點(diǎn),在圖像進(jìn)行分類識(shí)別之前,對(duì)圖像進(jìn)行相關(guān)的預(yù)處理工作。首先,采用小波變換方法對(duì)圖像進(jìn)行去噪,以減少圖像中噪聲對(duì)分類結(jié)果的影響。然后,采用基于水平集方法的幾何活動(dòng)輪廓模型對(duì)圖像進(jìn)行分割,將目標(biāo)
2、區(qū)域與背景區(qū)域分離開來,以減少背景對(duì)分類結(jié)果的影響。
第二,傳統(tǒng)的圖像直方圖只考慮了像素點(diǎn)彩色的統(tǒng)計(jì)特性,忽略了彩色的空間分布信息,在這種情況下,有可能造成內(nèi)容完全不相同的圖像也可能有近似的彩色直方圖。因此,本文通過計(jì)算像素點(diǎn)的彩色值在原始圖像中所占比例,然后再對(duì)該像素點(diǎn)的灰度級(jí)進(jìn)行加權(quán)處理,從而構(gòu)造出能反映原始圖像中不同彩色像素點(diǎn)數(shù)量的彩色權(quán)值直方圖。同時(shí),采用Tamura紋理特征的粗糙度、對(duì)比度及方向度三個(gè)方面描述圖像的紋
3、理特征。然后,將圖像的彩色特征及紋理特征進(jìn)行歸一化,構(gòu)成描述圖像特征的數(shù)據(jù)場(chǎng)。最后,通過基于模糊核聚類的支持向量機(jī)實(shí)現(xiàn)對(duì)圖像的分類識(shí)別。
第三,提取圖像色彩特征的同時(shí),采用Gabor小波變換來描述圖像的紋理特征,構(gòu)造圖像特征數(shù)據(jù)場(chǎng),并利用脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)神經(jīng)元之間的捕獲-抑制機(jī)制來設(shè)計(jì)分類器,使得同類樣本對(duì)應(yīng)的神經(jīng)元總是較其他類樣本對(duì)應(yīng)的神經(jīng)元先被激勵(lì),即同類樣本對(duì)應(yīng)的神經(jīng)元內(nèi)部活動(dòng)項(xiàng)最大,以實(shí)現(xiàn)對(duì)圖像的有效分類。
4、生物神經(jīng)學(xué)的研究表明,人的大腦皮層有許多不同的神經(jīng)功能區(qū),每個(gè)功能區(qū)都由若干個(gè)可以完成相應(yīng)功能區(qū)特定功能的神經(jīng)元組成。另外,人的大腦記憶并不是某個(gè)神經(jīng)元與模式的一一對(duì)應(yīng),而是一群神經(jīng)元對(duì)應(yīng)某一個(gè)模式,而這種自組織特性是通過后天的學(xué)習(xí)而得到的。神經(jīng)學(xué)研究還表明,某一事物所引起的興奮并不是針對(duì)某一個(gè)神經(jīng)元,而是以某個(gè)神經(jīng)元為中心的一個(gè)區(qū)域內(nèi)的所有神經(jīng)元的興奮,位于區(qū)域中心的神經(jīng)元最興奮,同時(shí)強(qiáng)度隨著與中心的距離的增大而逐漸的減弱,而且遠(yuǎn)離中
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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)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(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 醫(yī)學(xué)圖像智能分類算法研究.pdf
- 基于SVM方法的醫(yī)學(xué)圖像分類研究.pdf
- 基于SVM的醫(yī)學(xué)圖像分類.pdf
- 醫(yī)學(xué)圖像分割中分類器的研究.pdf
- 基于關(guān)聯(lián)規(guī)則的醫(yī)學(xué)圖像分類研究.pdf
- 基于深度學(xué)習(xí)的醫(yī)學(xué)圖像模式分類研究.pdf
- 基于關(guān)聯(lián)規(guī)則的醫(yī)學(xué)圖像智能分類研究.pdf
- 基于深度學(xué)習(xí)的醫(yī)學(xué)圖像分類方法研究.pdf
- 醫(yī)學(xué)試紙條圖像識(shí)別與分類研究.pdf
- 醫(yī)學(xué)圖像智能分類技術(shù)研究與應(yīng)用.pdf
- 基于隨機(jī)森林算法的醫(yī)學(xué)圖像分類研究.pdf
- 基于對(duì)支持向量機(jī)的醫(yī)學(xué)圖像分類研究.pdf
- 基于小波變換特征的醫(yī)學(xué)圖像分類研究.pdf
- 面向醫(yī)學(xué)圖像的分類關(guān)鍵技術(shù)研究.pdf
- 基于多核學(xué)習(xí)的醫(yī)學(xué)圖像模式分類.pdf
- 融合SURF和全局特征的醫(yī)學(xué)圖像分類研究.pdf
- 自然圖像辨識(shí).pdf
- 多分類器組合及其在醫(yī)學(xué)圖像分類中的應(yīng)用.pdf
- 醫(yī)學(xué)圖像分類中的特征融合與特征學(xué)習(xí)研究.pdf
- 基于Adaboost分類學(xué)習(xí)的醫(yī)學(xué)圖像檢索.pdf
評(píng)論
0/150
提交評(píng)論