共查询到20条相似文献，搜索用时 234 毫秒
1.
目的:讨论Bagging、Adaboost、Random Forest(RF) 3个集成分类器对新疆哈萨克族食管图像分型中的分类能力。方法:使用Matlab图像处理软件,对食管X线图像进行预处理,对预处理后的图像使用灰度共生矩阵和Hu不变矩特征进行图像特征的提取;然后,使用主成分分析法对特征值进行筛选优化,得到分类能力较强的特征值;最后,使用Weka软件,将3个不同的集成分类器对正常食管和早期食管癌图像进行分类,并进行分类模型的评估。结果:使用Bagging、Adaboost、Random Forest(RF) 3个集成分类器结合降维后的灰度共生矩阵特征值对食管图像进行分类时,正常食管的分类准确率是82%、94%、88%,早期食管癌的分类准确率是94%、88%和94%;使用降维后的Hu不变矩特征值和3种集成分类器对正常食管和早期食管癌进行分类时,正常食管的分类准确率是60%和64%、61%,早期食管癌的分类准确率是57%、68%和65%;结论:3种集成分类器结合灰度共生矩阵对正常食管和早期食管癌X线图像进行分类,其分类准确率与Hu不变矩相比分类效果更显著。说明灰度共生矩阵结合3种集成分类器更适合用于区分正常食管和早期食管癌X线图像。 相似文献
2.
《科技通报》2017,(2)
目的:利用PCA和SVM对新疆哈萨克族食管癌X射线图像进行特征提取、特征选择及分类研究。方法:利用基于灰度共生矩阵的纹理特征和小波变换的频域特征提取法,提出将ROC曲线面积选择法和主成分分析法相结合的两步式特征选择法,利用Bayes和SVM分类器对图像进行分类以验证所提取特征的分类能力。结果:AUC0.7的特征经主成分分析后输入到SVM分类器和Bayes分类器中得到的分类准确率和AUC值最高,分别为91%和85%、0.945和0.915。结论:SVM具有较好的分类性能,两步式特征选择法能有效地消除特征之间的共线性,极大提高了特征的分类能力,本研究有望提高新疆哈萨克族食管癌CAD系统的整体性能。 相似文献
3.
本文探讨了不同成像方式下医学图像的分类识别算法,提取了具有代表性的图像特征,如图像面积熵、灰度共生矩阵、图像细小纹理区域个数等,并通过设计模糊聚类、BP神经网络图像分类器,实现对CT图像、MR图像、X线图像及B超图像的分类。结果表明本文提出的分类器对医学图像的分类识别取得了一定的效果。 相似文献
4.
《科技通报》2016,(3)
目的:利用SVM对新疆高发病哈萨克族食管癌X线医学图像进行分类研究。方法:随机选取正常食管和缩窄型食管癌X线医学图像各120张,运用灰度直方图法和灰度共生矩阵法提取图像的特征,采用Lib-SVM工具箱,在SVM类型设置上选择C-SVC,选择4种核函数,通过调整核函数的参数与C-SVC分类器的参数进行实验。结果:利用灰度直方图法提取的特征量进行分类时,线性核函数和RBF核函数的分类准确率较高,均可达92.5%;利用灰度共生矩阵法提取的特征量进行分类时,线性核函数、RBF核函数、Sigmoid核函数的分类准确率较高,均可达87.5%;利用灰度直方图特征和灰度共生矩阵特征组成的综合特征进行分类时,多项式核函数和RBF核函数的准确率较高,均可达97.5%。结论:灰度直方图特征的分类能力优于灰度共生矩阵特征;综合特征的分类能力优于单一特征的分类能力;RBF核函数的分类性能较其他核函数突出。SVM对食管癌X线医学图像具有较高的分类识别率,为新疆高发病哈萨克族食管癌的计算机辅助诊断系统的研究奠定了基础。 相似文献
5.
《科技通报》2016,(8)
目的:探讨KNN(k-Nearest Neighbor algorithm,K近邻结点算法)分类器在新疆哈萨克族食管癌分型中的应用。方法:采用KNN分类器,依据食管癌的灰度-梯度共生矩阵和灰度共生矩阵特征值,对其分型。选取样本量的40%、50%、60%作为三个训练集,K取1-29,训练并得到最优K值;选取样本量的10%到100%(以10%递增率)10个测试集,验证结果;获得最佳KNN分类模型,对模型进行评估。结果:训练结果:当K=1时,三种食管癌都能获得最高分类准确率。测试结果:改变测试集大小,当验证数据量增大时,分类准确率随之增加。最佳KNN分类模型评估:该KNN分类模型有一定的准确度,可以得到可靠的分类结果。结论:KNN分类器为新疆哈萨克族食管癌分型提供一定的依据,也为新疆哈萨克族食管癌的计算机辅助诊断系统的研发奠定基础。 相似文献
6.
《科技通报》2016,(9)
目的:探讨C4.5决策树算法结合主成分分析法(PCA)在新疆高发病食管癌X钡剂造影图像分类中的应用。方法:选取新疆高发病食管癌图像200张,其中蕈伞型和溃疡型图像各100张。对图像进行归一化、去噪和空间转换等预处理;对图像进行二尺度小波变换提取图像的低频信息,然后对其进行灰度共生矩阵法提取图像的特征;采用主成分分析(PCA)法对所提取的特征进行筛选;通过构造决策树C4.5算法分类器来验证特征的分类能力。结果:使用决策树C4.5算法分类器,对主成分分析获取的特征及综合特征进行分类。PCA选择的特征分类准确率为95%;使用综合特征分类准确率为80%。结论:综合特征的分类准确率与PCA选择的特征相比较低,表明在进行分类时,冗余特征可能会降低分类准确率;而本研究采用PCA选择后的特征分类准确率较高,表明该算法能有效减少冗余特征,弥补了过高维数的特征向量易引起维数灾难的问题,从而使得分类准确率得到了提高。一定程度上为后续的其它组织器官的特征提取提供了依据。 相似文献
7.
对储粮害虫进行分类识别是非常必要的,本文阐述了利用计算机数字图像处理技术提取静态储粮害虫图像的一阶灰度统计量特征、灰值游程矩阵的纹理特征以及几何形状特征,采用BP神经网络技术对特征进行分类和识别的主要技术和方法.该方法为储粮害虫的分类识别开辟了新的途径. 相似文献
8.
纹理特征是图像分析的重要线索,灰度共生矩阵法提取的纹理特征具有很好的鉴别和分类能力。本文运用灰度共生矩阵分析新疆地方性肝包虫CT图像并进行特征提取,对图像进行尺寸归一、去噪和增强的预处理,计算0°,45°,90°和135°方向的能量、熵、对比度、相关性和逆差矩的均值,构成特征向量,并进行统计分析,用最大类间距法获取图像分类的主要特征,同时使用判别分析法对特征的分类能力进行评价。实验结果表明,灰度共生矩阵法提取的特征在统计分析中存在差异,最大类间距计算获得的特征能提高图像分类的准确率,一定程度上有助于对肝包虫病CT图像进行分类和检索。 相似文献
9.
将图像的像素特征与矩特征结合,构建了神经网络分类器,利用提取的特征向量对分类器进行了训练和测试。将图像二值化,并归一化为16＊16大小,提取了其每个像素点的0、1特征共16＊16—256维,图像的网格特征13维,及Hu矩特征7维,一共276维特征。建立了BP神经网络分类器,分别使用最速下降BP算法、动量BP算法、学习率可变BP算法对BP神经网络分类器进行了训练,得出了在相同条件下学习率可变BP算法训练时间短,收敛快的结论。建立了PNN神经网络分类器,与BP神经网络分类器性能进行比较,实验结果表明,PNN神经网络分类器性能更好。 相似文献
10.
11.
计算建筑物、农田、裸地、道路、林地五类常见地物的灰度共生矩阵并统计纹理特征值,以建立影像纹理样本库。使用与建立样本库相同的方法处理待测影像,通过计算样本库与待测影像纹理特征值的最小欧氏距离实现影像分类。实验结果显示,待测图像正确识别率为92%,说明利用灰度共生矩阵提取影像纹理特征是一种有效性的图像分类辅助方法。 相似文献
12.
13.
14.
15.
16.
17.
为提高图像识别的准确率和速度,结合遗传算法和BP神经网络设计了一种改进图像识别算法。由于传统BP神经网络本身存在结构参数不确定、收敛速率低、容易陷入局部最小值等问题。本文首先提取图像的颜色和纹理特征,利用BP神经网络实现特征的初步识别同时基于遗传算法在线优化BP神经网络结构参数。在此基础上,给出了图像识别流程。最后,根据证据理论实现图像识别结果融合以获得完整图像信息。仿真结果表明:所述算法具有较高的识别率和收敛速度;在少量训练样本条件下,改进BP神经网络依旧具有较好的泛化能力。 相似文献
18.
19.
《科技通报》2016,(3)
研究利用图像增强、灰度阈值、腐蚀运算等图像操作对新疆草药图像做分割预处理,获取草药图像感兴趣区形状,然后对草药形状进行Radon和解析Fourier-Mellin变换,结合图像形状Hu矩和图像主颜色直方图特征,提取草药图像解析Fourier-Mellin矩形状和颜色混合特征用于图像检索,比较该算法对基于内容的新疆草药图像的检索性能。实验结果表明:解析Fourier-Mellin矩结合草药形状和颜色的混合特征算法具有较好的图像旋转、缩放和平移(RST)不变特性。对基于内容的新疆草药形状图像的检索,其检索性能优于解析Fourier-Mellin矩结合形状特征Hu矩混合特征和结合主颜色直方图特征混合特征的检索效率,其检索结果集前60图的平均查准率达到91.82%。 相似文献
20.
图像特征提取是图像处理的一个主要环节,是图像处理技术研究和应用的一个重要领域。本文选取了新疆地方性肝包虫病中的单囊型肝包虫和正常肝脏CT图像进行研究,提取了灰度直方图、灰度共生矩阵(GLCM)、kc复杂性三种特征组成综合图像特征。首先对图像进行尺寸归一、去噪、对比度增强的预处理,并对综合特征进行统计学分析,最后应用Fisher判别分析法对特征的分类能力进行评价。实验结果表明运用综合特征对图像分类有较高的准确率,这对基于内容的新疆肝包虫病CT图像的检索的研究奠定了一定的基础。 相似文献