基于LLE特征降维及改进SVM的肝脏图像识别 |
| |
作者姓名: | 郭依正倪红军 |
| |
作者单位: | 1.南京师范大学泰州学院225300; |
| |
基金项目: | 南京师范大学泰州学院院级教改课题(2020JG12005);泰州市科技支撑计划社会发展项目(SSF20202395);江苏高校“青蓝工程”(苏教师[2019]3号)。 |
| |
摘 要: | 为了提高肝脏CT图像正常和异常的识别率,提出了一种基于LLE特征降维及改进SVM的肝脏图像识别方法。在对采集的CT图提取感兴趣区域的颜色特征、形状特征和纹理特征,利用标准差变换和极差转换把这些特征规格化到0与1之间后,采用LLE算法对特征数据进行降维融合,并使用改进的SVM对待识别图像进行分类。实验结果表明,对多类特征进行降维融合比仅用单类特征能更好地表达感兴趣区域的内容信息,LLE算法较其他流形学习算法表现出更强的鲁棒性,改进的混合核函数SVM较单一核函数SVM识别率要高。该方法可以为医生辅助诊断提供参考。
|
关 键 词: | 肝脏图像 特征提取 局部线性嵌入 支持向量机 |
本文献已被 维普 等数据库收录! |
|