王生生,王 琪
(吉林大学计算机科学与技术学院,吉林 长春 130012)
融合LBP和小波矩特征的肺癌图像精细分类
王生生,王 琪
(吉林大学计算机科学与技术学院,吉林 长春 130012)
在肺癌图像精细分类中,进一步区分小细胞肺癌、鳞肺癌、腺肺癌、细支气管肺泡癌还不够成熟,为此,在改进现有精细图像分类研究工作的基础上,利用无须码本与释文的快速模板匹配框架,融合了LBP(Local Binary Pattern)纹理特征和小波矩形状特征,提出了适合肺癌数据的精细图像分类新方法.将纹理特征与形状特征融合,通过分配两种特征的权重,用融合特征进行模板匹配.匹配结果表示成特征响应图的形式,再通过改进的均值空间金字塔模型,从特征响应图中抽取有用特征,进行分类训练.实验结果表明,该方法在肺部影像数据库联盟(LIDC)数据库上达到了91.75%的平均正确率,证明了肺癌图像精细分类方法的有效性.
医学图像;特征融合;精细分类;空间金字塔模型
精细图像分类[1-3]是指区分具有相同基本层类别,或具有相似形状和视觉表观等对象.例如区分不同种类的飞机、花类、鸟类等[4-5].近年来,计算机技术及人工智能技术飞速发展,为精细图像分类的发展提供了理论与技术上的支持.由于精细图像分类在生态环境监控、食品监控、地质勘探、材料分析及刑事侦查等领域具有广泛的应用前景和实用价值,因此越来越受到计算机视觉领域研究者的广泛关注.但是将精细图像分类在医……