中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2013年
10期
1322-1328
,共7页
李博%曹鹏%栗伟%赵大哲
李博%曹鵬%慄偉%趙大哲
리박%조붕%률위%조대철
影像分类%特征点%Bag-of-Keypoints模型%自适应聚类%核值相似区
影像分類%特徵點%Bag-of-Keypoints模型%自適應聚類%覈值相似區
영상분류%특정점%Bag-of-Keypoints모형%자괄응취류%핵치상사구
image classification%feature point%Bag-of-Keypoints model%adaptive cluster%univalue segment assimilating nucleus (USAN)
针对传统方法通常选取角点或极值点作为特征点,忽略了局部纹理变化从而影响医学影像分类性能的问题,提出一种新的特征点检测和描述方法,并应用Bag-of-Keypoints模型实现医学影像分类.首先改进自适应的Kmeans对影像进行像素级聚类,构建核值相似区并选取邻域内聚类分布变化急剧的像素点作为特征点;然后在极坐标系中定义特征点描述符并生成视觉词典,通过视觉词直方图描述影像;最后利用直方图交集方法度量影像间的相似度来扩展KNN(K-nearest neighbor)完成分类.遵循IRMA(image retrival in medical appication)的医学影像类别编码标准,严格选择实验数据,结果表明该算法较传统方法F1值平均提高4.5％,对于不同类别影像效果更加稳定鲁棒,从而更好地满足临床应用需求.
針對傳統方法通常選取角點或極值點作為特徵點,忽略瞭跼部紋理變化從而影響醫學影像分類性能的問題,提齣一種新的特徵點檢測和描述方法,併應用Bag-of-Keypoints模型實現醫學影像分類.首先改進自適應的Kmeans對影像進行像素級聚類,構建覈值相似區併選取鄰域內聚類分佈變化急劇的像素點作為特徵點;然後在極坐標繫中定義特徵點描述符併生成視覺詞典,通過視覺詞直方圖描述影像;最後利用直方圖交集方法度量影像間的相似度來擴展KNN(K-nearest neighbor)完成分類.遵循IRMA(image retrival in medical appication)的醫學影像類彆編碼標準,嚴格選擇實驗數據,結果錶明該算法較傳統方法F1值平均提高4.5％,對于不同類彆影像效果更加穩定魯棒,從而更好地滿足臨床應用需求.
침대전통방법통상선취각점혹겁치점작위특정점,홀략료국부문리변화종이영향의학영상분류성능적문제,제출일충신적특정점검측화묘술방법,병응용Bag-of-Keypoints모형실현의학영상분류.수선개진자괄응적Kmeans대영상진행상소급취류,구건핵치상사구병선취린역내취류분포변화급극적상소점작위특정점;연후재겁좌표계중정의특정점묘술부병생성시각사전,통과시각사직방도묘술영상;최후이용직방도교집방법도량영상간적상사도래확전KNN(K-nearest neighbor)완성분류.준순IRMA(image retrival in medical appication)적의학영상유별편마표준,엄격선택실험수거,결과표명해산법교전통방법F1치평균제고4.5％,대우불동유별영상효과경가은정로봉,종이경호지만족림상응용수구.
