换一批基于特征融合的低倍镜下大鼠骨质疏松识别
Recognition of Osteoporosis for Mouse Shin in Low Power Microscope based on Multi-feature Fusion
摘要低倍镜下纹理特征不清晰,并且相较于高倍镜更易受到方向和距离的影响.为此我们提出改进的纹理特征计算方法,结合形状分析方法,进行特征级融合以提高骨质疏松识别准确率. 通过对纹理参数在方向和距离上的分析,发现相关和短游程矩对方向非常敏感,并且距离在等于3时各参数变化趋于稳定.基于变异系数法利用相关和短游程矩计算各个方向权重系数,使用距离等于3时的纹理数据得到最终纹理参数结果,融合形状参数,用线性支持向量机、K-最近邻分类算法和线性判别分析方法进行分类识别. 采用加权纹理参数比常规未加权的纹理参数识别准确率高,同时融合了形状参数后识别准确率比仅用纹理参数高.线性判别分析识别率最高达到了92.3%. 采用加权纹理融合形状参数的方法识别准确率显著提高,具有诊断应用价值.
更多相关知识
关键词
分类识别纹理分析变异系数法形状分析骨质疏松Classification and recognitionCoefficient of variation methodTexture analysisshape analysisOsteoporosis
栏目名称
DOI
10.19529/j.cnki.1672-6278.2017.02.12
发布时间
2017-07-18（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览18
- 被引3
- 下载13
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
