钟彩
摘要人体细胞直接关系到身体各项指标的性能,在图像特征的研究过程中,显微细胞图像数据非常复杂,这些数据对下一步的研究将会受到很大的影响。为了提高图像的识别效果,文章以尿液中红细胞图像分析研究为例,采用LDA算法,对细胞图像的主要特征进行变换,提取数据的主要特征,以达到提取图像特征的目的。
关键词LDA算法;图像分析;特征识别
中图分类号:TP391 文献标识码:A 文章编号:1671-7597(2014)12-0067-01
Study of LDA algorithm in image feature extraction
Zhong Cai
(Changde Vocational Technical College Hunan ChangDe 415000)
Abstract: The cells of the body is directly related to the performance indexes of the body,In the process of the image feature;Microscopic cell image data is very complex;These data have great influence on the study will be the next step. In order to improve the recognition effect, In this paper, red blood cells in the urine image analysis as an example, Using LDA algorithm; The main feature of the cell image transform, Feature extraction of data;In order to achieve the purpose of image feature extraction.
Key words: LDA algorithm; Image analysis; Feature recognition
尿液中的红细胞经过分割后,我们可以确定一个圆,但这类圆的形状、大小都是不规则的,其中还有一些杂质,我们将这些特征统称为非红细胞。细胞特征研究是辨别红细胞和非红细胞研究最重要的理论参考依据,而其中的特征提取是目前研究中最主要的课题之一。
1LDA算法原理
线性判别式分析是模式识别和人工智能领域中应用最为广泛而且是最为经典的算法之一。通过将高维的模式样本利用一定的技术手段投影到相关的最佳鉴别矢量空间,通过一系列分析之后抽取相关的分类信息以及压缩特征空间维数的相关数据,从而计算出样本的max类间距和min类间距,作为空间有效分离性的基本数据。线性判别式分析是LDA算法的理论基础,从建立起到现在已经成为LDA最主要的算法之一。
样本类内离散度矩阵可以定义为:
可以定义为:
,
其中,是先验概率,是类的均值。样本的类间离散度矩阵可定义为
是所有样本的均值。由上面公式可以推导出,如果是非异性矩阵的话,投影效果可以得出,各类样本的效果与分散度以及类内离散度有着相当大的关系,通常离散度越大,投影效果越明显;……