融合SURF和全局特征的醫(yī)學圖像分類研究.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，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、隨著計算機網(wǎng)絡和醫(yī)學圖像技術的迅猛發(fā)展，近年來用于教學和臨床研究的醫(yī)學圖像呈爆炸式地增長，如何準確地判定圖像類別，檢索出相似的醫(yī)學圖像，已成為當前醫(yī)學圖像研究的重點之一。由于醫(yī)學圖像容易受到成像設備、噪聲以及光照等因素的影響，增加了醫(yī)學圖像分類的難度，因此準確提取圖像視覺特征至關重要。
　　本文對圖像全局特征和局部特征進行研究，采用支持向量機(Support VectorMachine，SVM)分別對這兩種特征進行分類，然后決策融

2、合分類結果得到最終的分類結果。主要研究內容如下:
　　(1)研究醫(yī)學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)構建隨機直方圖，并利用隨機直方圖對局部特征SURF(Speed Up Robust Features)進行數(shù)據(jù)歸約，將SURF特征向量集合轉化成一個直方圖，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分別對全局特征和局部特征進行分類，然后基于各個分類后的結果信息進行決策融合，得到最終的分類結果，顯著地提高了分類準確率。
　　(3)分別采用不同的視覺特征和不同特征融合策略進行實驗研究，比較并分析了不同特征和不同融合策略的分類效果，實驗結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)學圖像的分類準確率。
　　(4)在Linux系統(tǒng)下，結合計算機視覺庫Opencv采用C++開發(fā)基于SURF和全局特征融合的醫(yī)學圖像

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，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，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