基于梯度方向直方图特征和支持向量机的医学影像分类方法

《基于梯度方向直方图特征和支持向量机的医学影像分类方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于梯度方向直方图特征和支持向量机的医学影像分类方法ClassificationMethodforMedicalImagesBasedonHOGFeaturesandSVM周显国吉林省人民医院信息中心，吉林长春130021[摘要]本文阐述了基于内容的图像检索技术的特点，采用梯度方向直方图（HOG）特征来描述图片的边缘特征，利用支持向量机（SVM）对多类别的图片进行分类，并比较了几种核函数对分类效果的影响，指出基于HOG特征和支持向量机的分类方法可以辅助医护人员进行医学影像检索。[关键词]PACS；医学影像分类；梯度方向直方图特征；支持向量机Abstract:Thispaperintrodu

2、cesthecharacteristicsofcontent-basedimageretrievaltechnology,anddescribestheedgefeaturesofmedicalimageswithhistogramoforientedgradientfeatures.Thentheseimagesareclassifiedwithsupportvectormachine.Theeffectofseveralkernelfunctionsonclassificationresultsisalsodiscussedinthispaper.Thispaperpointsoutt

3、hattheclassificationmethodbasedonHOGandSVMcanhelpmedicalstaffretrievemedicalimags.Keywords:PACS;medicalimageclassification;histogramoforientedgradient;supportvectormachineZHOUXian-guoInformationCenter,JilinProvincePeople’sHospital,ChangchunJilin130021,China[中图分类号]TP399[文献标志码]Bdoi：10.3969/j.issn.16

4、74-1633.2014.02.044[文章编号]1674-1633(2014)02-0132-02随着计算机技术和数据库技术的发展，图片存档及通信系统（PictureArchivingandCommunicationSystems，PACS）在医院得到了普遍的应用，医院每天会产生大量的医学影像数据[1]。如何检索医学影像，使海量的医学影像为科研和临床诊断服务，成为当前医学影像领域研究的热点。现有PACS只能提供基于文本的、按照病人名字和流水号进行检索的手段，不能满足临床医生按照图像内容检索出一些相似的历史病历或检索出图像内容满足某一图像语义的影像用于诊断的需要[2]。1基于内容的图像检索

5、技术基于内容的图像检索技术主要是根据图像的一些低级视觉特征[3]，如颜色、纹理、图像对象的形状以及他们之间的空间关系等作为图像的索引，计算示例查询图像和图像数据库中图像的相似距离，按照相似度匹配进行检索。其主要目的是要克服基于文本图像检索技术的局限性。基收稿日期：2013-05-03修回日期：2013-09-18作者邮箱：zxg2004zxg@126.com于内容的图像检索技术具有如下特点：（1）直接从图像的内容中提取线索。这一特点使得基于内容的图像检索技术突波了传统的基于关键词检索的局限，可直接对图像本身进行分析并提取特征，使得检索能够更加接近目标。（2）提取特征的方法多种多样。从图像

6、中可以提取的特征包括颜色、纹理、形状、边缘和目标轮廓等。（3）基于内容的图像检索是一种近似匹配。在检索中，可以采取逐步求精的算法，每一层中间结果都是一个集合，不断减小集合的范围，直到定位到近似目标[3]。2梯度方向直方图法国国家计算机科学及自动控制研究所DALAL等于2005年提出了一种解决人体目标检测的图像描述子，即梯度方向直方图（HistogramofOrientedGradient，HOG），该方法使用HOG特征来提取人体的外形信息和运动信息，形成丰富的特征集[4]。梯度方向直方图特征是在尺度不变特征变换（ScaleCLINICALENGINEERING临床工程InvariantF

7、eatureTransform，SIFT）的基础上发展而来的，能很好地刻画图像的边缘方向特征。因此本文采用它作为签，其值为+1或者-1，K(X，Xi)为核函数，常见的核函数有：线性核函数K(X，Xi)=(X，Xi)；多项式核函数td医学图像检索系统的描述子。支持向量机具有训练方便、容易使用、泛化能力较好的优点，因此本文采用它作为医学影像分类系统的分类器[5]。近年来，由于HOG特征能很好地描述图像的边缘方向特征，因此广