新疆地方性肝包虫病CT图像的灰度共生矩阵分析

采用灰度共生矩阵法对新疆地方性肝包虫CT图像进行了统计纹理特征提取,并对各个特征参数进行了计算和分析.结果表明,肝包虫病CT图像在不同方向的相关性、熵、对比度与正常肝脏相比较具有显著的差异,能有效的区分单囊型肝包虫CT图像和多囊型肝包虫CT图像,该项研究可为新疆地方性肝包虫病的临床诊断提供依据.     

基于综合特征的新疆地方性肝包虫病图像特征的提取与分析

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。     

新疆地方性肝包虫CT图像纹理特征的分类研究

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。     

基于多特征软概率级联的土地利用/土地覆盖分类

为实现高分辨率遥感影像低层特征的有效组织与优化,提高特征的可判别性,重点研究了基于稀疏编码的中层特征学习、基于支持向量机(Support Vector Machine,SVM)的分类技术,提出了基于软概率级联中层特征学习模型实现土地利用/土地覆盖(Land Use and Land Cover,LULC)分类。首先,提取影像的灰度共生矩阵(Graylevel Co-occurrence Matrix,GLCM)、光谱特征、密集尺度不变特征转换(Dense Scale Invariant Feature Transform,DSIFT)作为低层特征;然后由稀疏编码分别对GLCM、DSIFT和光谱特征进行稀疏编码,并结合最大平滑方法对稀疏系数进行优化,获得影像的中层特征,并通过SVM分类器分别计算LULC类别软概率,对其级联获得影像的特征表达;最后,利用SVM分类器再次分类获得LULC分类结果。选用武汉市远城区农村居民点作为实验样区,对该方法进行了验证,实验结果表明,该方法总体精度达到88%左右;相较于提取单一低层特征的分类方法,本文算法可有效提高LULC分类精度。     

多尺度分割的高分辨率GIS影像建筑物提取模型

高分辨率GIS影像在建筑物提取时由于高分图像细节丰富也增加了一定的噪声,使得提取精度下降。本文提出了一种基于多尺度分割的高分辨率GIS影像建筑物提取模型。首先结合图像的纹理特征分别对形状信息的权重值和光谱信息的权重值进行设置,并以此进行多尺度分割,然后将纹理、形状、空间特征引入到最近邻监督分类的特征空间中进行分类,接着采用知识规则将分割图像进行细分类,最后采用Sobel算子对建筑物轮廓进行边缘检测。通过仿真实验表明,本文提出的改进算法相比较目前常用的算法具有更高的建筑物提取精度。     

SVM和C4.5决策树在肝包虫CT图像分类中的研究

探讨C4. 5决策树、支持向量机分类器在新疆地方性肝包虫CT图像分类中的应用。使用sym4小波变换方法对预处理的图像进行特征提取,运用统计学方法筛选出最优的特征子集,并构建C4. 5决策树分类模型和支持向量机分类模型,进一步对模型的准确性、召回率等进行评估。结果显示,3种CT图像两两分类和综合分类时,C4. 5决策树分类模型的分类精度都明显高于支持向量机分类模型,C4. 5决策树分类模型的分类精度均达到87%以上,分类效果较好。实验结果表明,将C4. 5决策树分类器应用于肝包虫CT图像的分型中,为肝包虫病影像学诊断提供了一定的依据,也为后续新疆地方性肝包虫病计算机辅助诊断系统的研发奠定了基础。     

纹理分区相融合的建筑区三维影像数据提取

在城市筑群空间分布模式中,需要对建筑区的三维影像特征进行数据提取,用遥感影像中包含的光谱特征和纹理特征,实现对建筑物的特征融合检测。传统方法采用高亮线条和阴影区域融合的方法实现对建筑区的三维影像数据提取,当图像本身受斑点噪声影响较大和光程较远的情况下,影像数据提取效果不好。提出一种基于形状特征与纹理分区相融合的建筑区三维影像数据提取方法,采用骨架线模式和三角网模式构建建筑物的三维纹理模型,设计基于纹理分区的建筑区三维影像图像分割算法。在三角网纹理分区结构模型的基础上,通过相互近似正交的直线模式建立建筑群直线模式的方向关系图,实现对建筑区的三维影像数据提取。仿真实验表明,采用该模型对建筑区的三维影像数据提取,影像分割准确,能准确有效提取影像局部区域的亮度特征,受斑点噪声影响较大和光程的影响较小,对建筑区图像特征的检测正确率较高。     

高分辨率遥感影像天然林与人工林植被覆盖信息提取

森林类型识别是森林资源遥感监测的基础工作,低分辨率遥感影像缺少纹理细节信息,高分辨率遥感影像不仅具有光谱信息,而且提供丰富的空间、纹理特征信息,因此基于高分辨率遥感影像的纹理特征进行森林内部信息的提取成为近年研究的热点及难点,传统基于单个象元纯光谱及面向对象建立规则集的方法难以有效区分天然林与人工林植被覆盖信息.本文利用面向对象多尺度分割算法、Sobel算子边缘检测及骨架线提取等方法,提取天然林与人工林的纹理线特征,构建了一种新的特征指数——纹理线条密度指数(TLDI).研究表明:与常用的NDVI、SAVI、EVI等植被特征及VAR、HOMO、CON等GLCM纹理特征指数相比,TLDI指数的离散度更好、分类效果更佳;当TLDI＞0.1时,为天然林植被覆盖区;当0＜TLDI＜0.1时,为人工林植被覆盖区.典型区域的实验表明,除极少数稀疏天然林对象斑块错分人工林,总体分类精度较高,人工林错分率小于0.83％,面向对象的TLDI指数可以有效地提取森林内部天然林与人工林植被覆盖信息.     

基于TM遥感影像的玉米地专题信息自动提取

TM遥感影像中专题信息的自动提取是目前遥感界的研究热点，也已成为遥感信息生产流程中的瓶颈环节。本文分析了耕地专题信息自动提取的研究现状，选取了吉林中部和辽宁省东北部作为研究区，采用监督分类的方法对研究区TM遥感影像进行分类，提取了玉米地专题信息，玉米地信息的提取精度为85.5%。根据遥感影像目视解译的原理，提出了基于多特征空间的遥感影像专题信息自动提取的研究方法，通过对多特征空间的数学描述和计算机处理实现 遥感专题信息的自动提取。采用多特征空间的方法将玉米地信息分为光谱特征空间、形状特征空间、区域地学特征空间和干扰特征空间，应用ERDAS8.5遥感图像处理软件中的knowledge engineer模块的开发功能，设计了基于多特征空间的玉米地专题信息自动提取的专家库，使用专家库对玉米地信息进行了自动提取，提取精度为92.9%。从基于多特征空间的分类结果与监督分类结果的比较发现，基于多特征空间的自动提取方法可以提高专题信息的提取效率，对未来实现遥感影像的智能解译是一种研究方法的探索。     

基于遥感图像特征的分类方法研究

基于光谱特征的遥感图像信息提取方法存在分类精度和效率低的不足,在ENVI软件下采用基于灰度共生矩阵提取纹理特征的方法,将纹理特征参与到光谱特征中进行分类,并与基于光谱单源数据分类进行分析和比较。实验结果表明,纹理特征参与分类在一定程度上提高了遥感图像的分类精度。     

基于灰度共生矩阵的遥感图像分类研究

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。     

肝包虫疾病中螺旋CT的应用价值

目的：评价肝包虫病检查、诊断中CT的应用价值。方法：分析我院经临床、手术、病理证实的90例肝包虫疾病CT表现,讨论其在肝包虫病检查中的CT应用价值。结论：CT在肝包虫疾病的检查中,对诊断肝包虫病提供了更加直观的影像学证据,凭借其良好的密度分辨率及无重叠影对肝包虫病的定位、定性诊断、鉴别诊断有着重要意义。现代螺旋CT检查对该病的检查、诊断,甚至成为“金标准”。     

浅谈遥感影像纹理特征提取及应用

现阶段,遥感图像具有相对丰富的数据信息,纹理信息也不例外。遥感影像在纹理方面的分析研究已经逐渐发展为提高遥感影像具体分类精度的有效手段,可以在一定程度上准确提取相关的纹理特征,实现影像的成功分类。本文就纹理特征提取方法进行分析,然后有效结合遥感影像实际纹理特点,利用专业化的灰度共生矩阵方法对其特征进行详细描述。另一方面,介绍了纹理特征在遥感图像处理上的应用。     

基于线性迭代的高光谱图像压缩方法

为了实现对高光谱遥感影像的高效压缩,提出了一种基于线性迭代聚类的高光谱遥感影像分割算法。首先,采用线性迭代聚类算法对图像过分割,在得到不同尺度上的超像素后,用联合稀疏表示分类方法对多尺度超像素进行分类。其次,通过选择合适大小的超像素,来构造相应空间下的图像中像素之间的特征差异;最后,通过线性迭代聚类算法把具有相似性特征的像素聚类。实验结果表明该方法能够得到较好的效果。     

基于WLD的纹理分类研究

提出了一种基于韦伯局部特征(WLD)的纹理分类方法。韦伯定律证明了人眼感知能力不仅与刺激的改变相关还与刺激的原始大小相关。而韦伯局部特征正是基于这个原理所设计的,能够很好的反映出纹理的特征。实验表明利用韦伯局部特征进行纹理分类效果明显好于利用其它的图像特征。     

基于四元数小波变换的纹理分类

提出了一种基于四元数小波变换的纹理图像分类方法.首先通过四元数小波变换提取纹理特征,再通过k最近邻算法进行分类.实验表明,四元数小波变换应用干纹理图像分类是一种有效的方法.     

遥感影像房屋自动提取

遥感影像数据量大、地物种类多、噪声多,难以分割出代表现实世界中的实体,同时房屋形态复杂,纹理信息丰富,提取难度较大。探索了借助机器学习方法的房屋自动提取技术,具体分为训练和测试两个步骤。训练中利用机器学习主成分分析算法进行降维,自动计算参数,输出最优模型;测试中,利用所得分类模型处理测试图像,输入训练所得模型,得到提取后房屋图像。以高空间分辨率遥感影像为样本进行实验,利用机器学习对遥感影像进行房屋提取,对于纯净的房屋窗口子区提取率达到百分之九十,而对于非纯净的房屋窗口子区提取率为百分之六十,说明本方法适用于房屋密度高的遥感影像提取。     

数据挖掘算法对乳腺肿瘤超声图像特征的优化及良恶性分类研究

目的:研究数据挖掘算法对乳腺肿瘤超声图像特征的属性选择优化,探讨适用于乳腺肿瘤良恶性分类的数据挖掘分类算法。方法:对乳腺肿瘤超声图像进行预处理,获取病灶区形状,提取病灶区图像形态、形状、纹理特征。应用数据挖掘算法进行图像特征属性选择,形成优化的乳腺肿瘤超声图像混合特征。应用分类算法评价其分类性能,筛选适用于乳腺肿瘤良恶性判定的数据挖掘分类算法。结果:利用混合特征结合随机森林算法对图像进行分类,其ROC曲线下面积AUC为0.7914,平均查准率达到了79%。结论:属性选择优化后的混合特征对乳腺肿瘤良恶性分类性能高于其他特征。在混合特征条件下,随机森林分类算法性能与Bayes网络相近,分类准确率高且性能稳定,更适于乳腺肿瘤良恶性分类评价。     

基于新疆地方性高发病肝包虫病CT图像灰度直方图特征检索方法的研究

新疆地方性肝包虫病是新疆牧区发病率较高的传染性寄生虫病,严重影响牧区各族人民生活质量的提高.根据图像特征,选择合适距离算法,实现快速准确地图像检索,对辅助医生早期发现、诊断和治疗肝包虫病有重大意义.本文研究比较了使用肝包虫病CT医学图像灰度直方图特征进行图像检索时,不同距离算法的有效性.实验结果表明:对于肝包虫病医学图像的基于灰度直方图特征的图像检索,马氏距离算法与标准欧氏距离算法比其他距离算法较优.     

基于神经网络的新疆高发病哈萨克族食管癌医学图像分型研究

目的:探讨BP神经网络算法在新疆高发病哈萨克族食管癌X射线图像纹理特征和形状特征分型中的应用。方法:选取哈萨克族正常食管图像、溃疡型食管癌图像和髓质型食管癌图像各100张,利用灰度共生矩阵算法和形状不变距算法分别提取图像的纹理和形状特征。然后,使用BP神经网络算法构造一个分类器,对正常食管和两种中晚期食管癌图像进行分类研究。结果:共提取了14维哈萨克族食管癌X射线图像纹理和形状特征向量,应用BP神经网络算法进行哈萨克族食管癌X射线图像分类实验,基于灰度共生矩阵算法的纹理特征分类准确率为85.333%,基于Hu不变距算法的形状特征分类准确率为65.333%,而纹理和形状综合特征的分类准确率达到了97.667%。结论:本研究提取基于灰度共生矩阵算法和Hu不变距算法的食管癌图像纹理和形状特征,通过构造BP神经网络分类器对食管癌医学图像进行分型研究。结果表明BP神经网络对综合特征的分类准确率较高,为临床医生诊断食管癌提供了参考,也为后期研发食管癌医学图像计算机辅助诊断系统奠定了基础。