局部特征与多示例学习结合的超声图像分类方法
利用全局特征对超声图像进行描述具有一定的局限性,而且对图像进行手工标注的成本过高,为解决上述问题,本文提出了一种利用局部特征描述超声图像,并结合多示例学习对超声图像进行分类的新方法.粗略定位图像中的感兴趣区域(Region of interest,ROI),并提取局部特征,将感兴趣区域看作由局部特征构成的示例包,采用自组织映射(Self-organizing map,SOM)的方法对示例特征进行矢量量化,采用Bag of words方法将示例特征映射到示例包空间,进而采用传统的支持向量机对示例包进行分类.本文提出的方法在临床超声图像上进行了实验,实验结果表明,该方法具有良好的泛化能力和较高的准确性.
图像分类、局部特征、多示例学习、超声图像
39
国家自然科学基金61073128,61100097,60973077;National Natural Science Foundation of China61073128,61100097,60973077
2013-08-19(万方平台首次上网日期,不代表论文的发表时间)
共7页
861-867