徐涛
- 作品数：1 被引量：4H指数：1
- 供职机构：桂林电子科技大学电子工程与自动化学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于LBP和极限学习机的脑部MR图像分类被引量：4
- 2017年
- 为解决磁共振(magnetic resonance,MR)脑部图像来源不一以及病变位置和形态不固定造成MR脑部图像分类精度不高的问题,提出基于局部二值模式(local binary pattern,LBP)的纹理特征提取,并用极限学习机(extreme learning machine,ELM)对M R图像分类。计算图像感兴趣区域(region of interest,ROI)的掩码,将图像分成扇形的子区域,统计掩码坐标下各块子区域的LBP直方图,连接所有LBP直方图作为特征向量通过ELM进行分类。相比以前的方法,该方法能够计算颅脑内局部纹理特征,能分类来源不一以及多种病变的图像。对脑部M R图像分类进行试验,对所有样本分类正确率超过92%,正类样本正确率超过93%,负类样本正确率超过91%。试验结果表明,该方法能够对较为复杂的MR图像进行正确分类。
- 何其佳刘振丙徐涛蒋淑洁
- 关键词：MR图像局部二值模式极限学习机图像分类图像分块
