基于全局特征和尺度不变特征转换特征融合的医学图像检索.pdf

基于全局特征和尺度不变特征转换特征融合的医学图像检索.pdf

ID:55399368

大小:713.32 KB

页数:5页

时间:2020-05-15

基于全局特征和尺度不变特征转换特征融合的医学图像检索.pdf_第1页
基于全局特征和尺度不变特征转换特征融合的医学图像检索.pdf_第2页
基于全局特征和尺度不变特征转换特征融合的医学图像检索.pdf_第3页
基于全局特征和尺度不变特征转换特征融合的医学图像检索.pdf_第4页
基于全局特征和尺度不变特征转换特征融合的医学图像检索.pdf_第5页
资源描述:

《基于全局特征和尺度不变特征转换特征融合的医学图像检索.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、JournalofComputerApplicationsIsSN1oo1—90812015.04-10计算机应用,2015,35(4):1097—1100,1105CODENJYIIDUhttp://www.joca.cn文章编号:1001.9081(2015)04.1097—04doi:10.11772/j.issn.1001—9081.2015.04.1097基于全局特征和尺度不变特征转换特征融合的医学图像检索周东尧,伍岳庆,姚宇(1.中国科学院成都计算机应用研究所,成都610041;2.中国科学院大学,北京100049)(}通信作者电子邮箱hiry1674@sina.com)摘要

2、:特征提取是图像检索或图像配准的关键步骤,针对单一特征不能很好地表述图像的问题,根据医学图像的特点,提出了一种融合全局特征和局部特征的医学图像检索算法。首先在研究单一特征医学图像检索算法的基础上,提出了融合全局特征和相关反馈的检索算法;其次对尺度不变特征转换(SIFT)特征进行了优化,提出了改进的SIFT特征提取算法和匹配算法;最后,为了保证结果的准确性并改进检索效果,采用了融合局部特征的方法逐步求精。通过对标准临床数字式x射线成像(DR)图像数据库的实验研究表明,该算法应用在医学图像的检索中有较好的结果。关键词:医学图像;基于内容的医学图像检索;尺度不变特征转换;特征融合;相关反馈中图

3、分类号:TP391.41文献标志码:ARetrievalofmedicalimagesbasedonfusionofglobalfeatureandscale.invariantfeaturetransfotinfeatureZHOUDongyao‘’,WUYueqing,YAOYu(1.ChengduInstituteofComputerApplwatmn,ChineseAcademyofSciences,ChengduSwhuan610041,China;2.UnivemityofChineseAcademyofSciences,ne~ng100049,China)Abstract:

4、Featureextractionisakeystepofimageretrievalandimageregistration,butthesinglefeaturecallnotexpresstheinformationofmedicalimagesefficiently.Toovercomethisshortcoming,anewalgorithmformedicalimageretrievalcombiningglobalfeatureswithlocalfeaturesWaSproposedbasedonthecharacteristicsofmedicalimages.Firs

5、t,afterstudyingthemedicalimageretrievingtechniqueswithsinglefeature,anewretrievalmethodwasproposedbyconsideringglobalfeatureandrelevancefeedback.ThentooptimizetheScale-InvariantFeatureTransform(SIFT)features,animprovedSIFTfeaturesextractionandmatchingalgorithmwasproposed.Finally,inordertoensureth

6、eaccuracyoftheresultsandimprovetheretrievalresult,localfeatureswereusedforstepwiserefinement.TheexperimentalresultsongeneralDigitalRadiography(DR)imagesprovetheeffectivenessoftheproposedalgorithm.Keywords:medicalimage;Content—BasedMedicalImageRetrieval(CBMIR);Scale-InvariantFeatureTransform(SIFT1

7、;featurefusion;relevancefeedbackQBIC_4J,这些系统主要采取特征提取的方法无法避免地带来0引言语义上的缺陷,而且绝大多数的应用都停留在原理或原型应基于内容的图像检索(Content.BasedMedicalImage用阶段,只有少数得到临床小范围的应用,并且大部分系统只Retrieval,CBIR)技术的思想是利用图像自身的如颜色、纹针对某一特定的应用,针对性很强。而医学图像本身有一些理、形状和语

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。