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。     

基于SVM的新疆哈萨克族食管癌医学图像特征提取及分类研究

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。     

KNN分类器在新疆哈萨克族食管癌分型中的应用

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。     

基于PCA和C4.5决策树的新疆哈萨克族食管癌图像鉴别研究

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。     

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。     

PCA和SVM在新疆哈萨克族食管癌图像分类中的研究与应用

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。     

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。     

基于模糊聚类和神经网络的医学图像分类

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。     

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。     

基于人工智能的海南黄花梨木与越南黄花梨木识别研究

为实现对海南黄花梨木及越南黄花梨木成品家具在无损伤的情况下进行分类识别,本文通过采集成品家具纹理图像并分别对图像在RGB和HSV颜色空间下的颜色直方图各分量的峰值进行分析,计算图像灰度共生矩阵(GLCM)在步长d取值为2和4的情况下4个方向上图像纹理的对比度、相关性、熵、平稳度、能量,5个特征值用SPSS软件做显著性分析。通过分析最终确定R、G、B、V、相关性、对比度、能量,7个特征值作为海南黄花梨与越南黄花梨识别的特征值向量,通过对比BP神经网络与SVM向量机2种识别方法,发现SVM向量机准确率更高,准确率可达到94%。结果表明本文方法可作为一种在无损伤的情况下识别海南黄花梨木与越南黄花梨木成品家具的可靠方法。     

基于Android系统的植物叶片识别软件

近年来,基于数字图像处理技术的植物叶片识别发展迅速,但是以往都是在PC机上进行识别,实际过程中需要联网,不便于使用。因此设计了一款基于安卓系统的植物叶片识别手机软件,只要通过手机拍摄便可以得到识别结果。工作流程如下:首先用安卓手机拍摄或者在手机相册中选择一张植物叶片图像,接着对叶片图像进行预处理操作,然后提取叶片的几何特征、Hu不变矩特征和灰度共生矩阵特征共19维特征,最后利用支持向量机进行分类识别并在手机上得出识别结果。本文设计的植物叶片手机软件能够实现对植物叶片的快速识别,平均识别时间达到20秒以内,并达到了92.4%的识别准确率。     

基于半监督学习的客户信用评估集成模型研究

将半监督学习技术与多分类器集成模型Bagging相结合,构建类别分布不平衡环境下基于Bagging的半监督集成模型(SSEBI),综合利用有、无类别标签的样本来提高模型的性能.该模型主要包括三个阶段:(1)从无类别标签数据集中选择性标记一部分样本并训练若干个基本分类器;(2)使用训练好的基本分类器对测试集样本进行分类;(3)对分类结果进行集成得到最终分类结果.在五个客户信用评估数据集上进行实证分析,结果表明本研究提出的SSEBI模型的有效性.     

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。     

基于小波变换的二值模式检索

提出了一种基于小波变换后的二值模式图像检索。把图像库里的图像通过小波变换压缩预处理,方便图像快速入库提取图像特征。选取二值模式技术处理,以便有效提取图像的特征进行检索。实验数据库采用Brodatz纹理图像库,对比了边缘拟合算法,共生矩阵和灰度纹理矩检索图像的检索效率,得出小波变换后的二值模式检索效率较高。     

一种基于不变矩的图像分类算法

在图像分类和识别技术中,针对图像特征的提取这一重要问题,文章实现了用三种不变矩对图像目标提取特征并进行分类的方法,该方法分别提取目标的区域中心矩、区域中心不变矩和径向矩作为特征矢量,并与区域协特征方差算子进行图像分类比较分析。将特征用支持向量机的方法进行分类器的训练,再对目标进行分类。实验结果表明,区域径向矩算子运用在车辆目标分类中具有较好的效果。     

基于不变矩的海面红外目标识别

针对焦平面红外探测器对海面目标进行探测所得到的红外图像，提出一种基于不变矩的海面红外目标识别的方法。该方法采用空间域处理和基于灰度相似性的区域分割来提取目标区域，计算其七不变矩值，利用目标区域的面积大小、矩阵组数值等作为先验知识，对识别目标进行识别。此方法经过了实测图像的检验，正确识别率为94.53%。     

基于神经网络的数字识别技术研究

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。     

基于颜色和纹理特征的图像检索技术研究

本文提出一种基于颜色和纹理特征的图像检索方法,利用颜色直方图表示图像的颜色特征,计算图像之间的颜色距离;在提取图像的纹理特征时,首先对原图像进行压缩和灰度化,然后利用图像的灰度共生矩阵,统计出反映纹理一致性、纹理对比性、纹理的嫡和纹理相关性的数据。最后利用这两个特征进行图像检索。实验表明,本文的算法具有较好的检索效果。     

基于ReliefF和SBS的赤潮生物图像特征选择方法研究

针对赤潮生物提出具有较高准确率的实时自动分类方法,本文提出采用ReliefF-SBS进行特征选择,即针对赤潮生物图像原始数据集进行特征分析,并在此基础上,对原始特征集进行特征选择以去除特征集中的无关特征和冗余特征,得到最优特征子集,减少它们对分类器分类精度的影响。文中给出了实验结果和分析,同时验证了对k-Nearest Neighbor algorithm(KNN)和Support Vector Machine(SVM)分类器分类效果的影响。     

基于内容的动画素材检索关键技术研究

为了提高动画素材的使用效率降低制作成本,论文提出了一种基于内容的动画素材检索方法,分别用96色非均匀量化算法、灰度共生矩阵和形状无关矩提取颜色、纹理和形状特征,并将多特征进行融合,通过实验取得了很好的效果。