目的長(zhǎng)期感染潰瘍性結(jié)腸炎(ulcerative colitis,UC)的患者罹患結(jié)腸癌的風(fēng)險(xiǎn)顯著提升,因此早期進(jìn)行結(jié)腸鏡檢測(cè)十分必要,但內(nèi)窺鏡圖像數(shù)量巨大且伴有噪聲干擾,需要找到精確的圖像特征,為醫(yī)師提供計(jì)算機(jī)輔助診斷。為解決UC圖像與正常腸道圖像的分類問(wèn)題,提出了一種基于壓縮感知和空間金字塔池化結(jié)合的圖像特征提取方法。方法使用塊遞歸最小二乘(block recursive least squares,BRLS)進(jìn)行初始字典訓(xùn)練。提出基于先驗(yàn)知識(shí)進(jìn)行觀測(cè)矩陣與稀疏字典的交替優(yōu)化算法,并利用壓縮感知框架獲得圖像的稀疏表示,該框架改善了原來(lái)基于稀疏編碼的圖像分類方法無(wú)法精確表示圖像的問(wèn)題,然后結(jié)合最大空間金字塔池化方法提取壓縮感知空間金字塔池化(compressed sensing spatial pyramid pooling,CSSPP)圖像特征,由于壓縮感知的引入,獲得的圖像特征比稀疏編碼更加豐富和精確。最后使用線性核支持向量機(jī)(support vector machine,SVM)進(jìn)行圖像分類。結(jié)果對(duì)Kvasir數(shù)據(jù)集中的2 000幅真實(shí)腸道圖像的分類結(jié)果表明,該特征的準(zhǔn)確率比特征...

【文章頁(yè)數(shù)】：11 頁(yè)

【文章目錄】：
0 引言
1 壓縮感知基礎(chǔ)
2 本文框架
3 觀測(cè)矩陣和稀疏字典的交替優(yōu)化
    3.1 基于先驗(yàn)E的觀測(cè)矩陣求解
    3.2 觀測(cè)矩陣和稀疏字典的交替優(yōu)化
4 CSSPP特征提取
    4.1 稀疏表示
    4.2 空間金字塔
    4.3 特征提取
5 實(shí)驗(yàn)
    5.1 評(píng)價(jià)指標(biāo)
    5.2 統(tǒng)計(jì)學(xué)方法
    5.3 訓(xùn)練階段
    5.4 實(shí)驗(yàn)結(jié)果與分析
6 結(jié)論



本文編號(hào)：3860828