学位论文 > 优秀研究生学位论文题录展示

基于纹理特征空间的淋巴组织病理图像协同分类研究

作　者: 张丽熙
导　师: 刘秉瀚
学　校: 福州大学
专　业: 计算机应用技术
关键词: 淋巴组织病理图像 纹理 特征提取 特征选择 粗糙集 协同模式识别
分类号: TP391.41
类　型: 硕士论文
年　份: 2006年
下　载: 100次
引　用: 0次
阅　读: 论文下载
 

内容摘要


淋巴组织病理图像极为复杂,不同类型淋巴组织病理图像视觉差异不大,仅靠传统的肉眼观察和主观判断很难立刻做出正确的诊断。因此可借助计算机技术,对病理图像进行分析、计算,得到相关的数据,辅助医师,为病理诊断提供更客观的信息。本文的研究目的就是如何构造快速,正确率高的淋巴组织病理图像分类器,协助病理专家进行医学诊断。针对传统的病理图像识别存在的缺陷,本文采用协同模式识别与特征选取相结合的方法对淋巴组织病理图像进行模式分类。本文所处理的淋巴组织病理图像是100镜倍下摄取的图片,各类图像的差异主要表现在纹理上,因此本文先提取图像的纹理特征向量,然后再进行特征自动选择,最后再用特征向量替代灰度向量进入协同模式识别系统进行分类。主要研究内容及成果如下: 首先,根据该图像的纹理特点,本文采用纹理谱方法,小波变换后的LAWS纹理能量提取方法,付利叶变换能量提取等多种方法相结合的方式,从多角度提取淋巴组织病理图像的纹理信息。其次在纹理特征提取的基础上,进一步采用粗糙集理论属性约简的方法进行特征选择,为后续图像分类提供尽可能少的特征子集。同时本文又使用主客观相结合的方法对各纹理分量进行权重设置。然后,本文研究了协同模式识别算法,并针对其若干关键技术存在的问题,给出了解决方法。在原型选择方面,本文分析了传统原型选择存在的缺陷,提出了基于粗糙集等价类的原型选择算法; 在注意参数设置方面,针对传统注意参数设置存在的问题,给出了基于图像相似度的设置方法。在上述分析基础上,本文提出了基于纹理特征空间的淋巴组织病理图像协同模式分类,即以纹理特征替代传统的灰度特征,进入协同神经网络,对淋巴组织病理图像进行模式识别。并对二者结合存在的若干问题,给出解决方案,包括数据预处理,序参量计算等。最后,通过实验证明该方法的有效性,且获得了较高的分类精度。

全文目录


摘要  2-3
ABSTRACT  3-6
第1章 绪论  6-11
  1.1 淋巴组织病理图像模式分类的研究意义  6
  1.2 图像模式识别基本思想  6-7
  1.3 病理图像模式分类的研究现状及存在的问题  7-8
    1.3.1 基于传统方法的病理图像分类研究现状及问题  7-8
    1.3.2 基于协同模式识别的病理图像分类研究现状及问题  8
  1.4 本文的基本思路及主要工作  8-11
    1.4.1 基于纹理特征空间的淋巴病理图像协同分类基本框架  8-9
    1.4.2 论文结构  9-11
第2章 淋巴组织病理图像的纹理特征提取  11-22
  2.1 淋巴组织病理图像的特点及纹理分析方法  11-14
    2.1.1 淋巴组织病理图像的特点  11-13
    2.1.2 纹理分析方法  13-14
  2.2 基于约简纹理谱的淋巴组织结构图像纹理分析  14-17
    2.2.1 约简纹理谱及纹理单元  14
    2.2.2 改进的约简纹理单元表示法  14-15
    2.2.3 纹理谱统计特征  15-16
    2.2.4 纹理谱特征  16-17
  2.3 基于傅立叶变换的纹理能量提取  17-18
  2.4 基于LAWS 纹理测量的淋巴组织病理图像纹理测量  18-22
    2.4.1 Laws 纹理测量的基本思想  18-19
    2.4.2 基于小波变换的淋巴组织病理图像Laws 纹理测量  19-22
第3章 纹理特征选择及权重设置  22-30
  3.1 特征选择  22-25
    3.1.1 特征选择的基本思想  22-23
    3.1.2 基于粗糙集属性约简的特征选择  23-25
  3.2 特征权重设置  25-26
  3.3 实验及结果  26-30
第4章 协同模式分类及其具体算法研究  30-43
  4.1 经典HAKEN 协同神经网络的基本思想  30-33
    4.1.1 协同神经网络基本方程  30-32
    4.1.2 经典HAKEN 协同神经网络的基本网络结构  32-33
  4.2 原型选择算法  33-40
    4.2.1 传统的原型选择算法  33-34
    4.2.2 基于粗糙集等价类的原型选择算法  34-36
    4.2.3 实验结果对比及讨论  36-40
  4.3 注意参数设置  40-43
    4.3.1 传统的注意参数设置方法  40-41
    4.3.2 基于图像相似度的注意参数设置  41-43
第5章 基于纹理特征空间的淋巴组织病理图像协同分类系统设计  43-53
  5.1 系统总体设计  43-45
    5.1.1 设计思想  43
    5.1.2 开发平台及实验数据  43-45
  5.2 特征选取及权重设置  45
  5.3 淋巴组织病理图像的协同分类若干具体算法  45-48
    5.3.1 内部数据归一化  46
    5.3.2 零均值和归一化  46-47
    5.3.3 学习算法  47-48
    5.3.4 序参量计算  48
    5.3.5 淋巴组织病理图像协同分类具体流程  48
  5.4 实验对比及讨论  48-53
总结与展望  53-54
参考文献  54-56
致谢  56-57
个人简历、攻读学位期间发表的学术论文  57

相似论文

  1. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  2. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  3. 基于纹理特征的视频编码技术研究,TP391.41
  4. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  5. Q学习在基于内容图像检索技术中的应用,TP391.41
  6. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  7. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  8. 基于仿生模式识别的文本分类技术研究,TP391.1
  9. 空间交会接近视觉测量方法研究,TP391.41
  10. 图像实时采集、存储与处理方法研究,TP391.41
  11. 唇读中的特征提取、选择与融合,TP391.41
  12. 基于图分割的文本提取方法研究,TP391.41
  13. 多币种纸币处理技术的研究与实现,TP391.41
  14. 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
  15. 基于图像的路面破损识别,TP391.41
  16. 移动机器人视觉检测和跟踪研究,TP242.62
  17. 高光谱与高空间分辨率遥感图像融合算法研究,TP751
  18. 基于支持向量机的故障诊断方法研究,TP18
  19. 基于随机森林的植物抗性基因识别方法研究,Q943
  20. 基于图像处理技术的烟叶病害自动识别研究,S435.72
  21. 基于视觉的番木瓜外观品质检测技术研究,S667.9

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com