版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、宮頸癌日益威脅著廣大女性的健康,因而宮頸癌的早期篩查預防就顯得非常必要,計算機輔助自動化診斷可以有效減少人工對宮頸細胞圖像的判讀的誤差,并降低人工成本,使宮頸癌篩查技術(shù)可以快速推廣,具有很好的社會價值和經(jīng)濟效益。
本文對宮頸細胞圖像分類識別方法的關(guān)鍵技術(shù)進行了研究,包括宮頸細胞圖像去噪,增強,特征提取和分類識別。主要研究內(nèi)容為:
(1)采用基于塊組的非局部自相似先驗學習圖像去噪(patch group basedno
2、nlocal self-similarity prior learning for image denoising, PGPD)方法用于宮頸細胞圖像去噪處理。仿真實驗表明本文所采用的去噪方法對宮頸細胞圖像去噪的同時能夠較好地保護宮頸細胞圖像的結(jié)構(gòu)信息,且在噪聲增加時峰值信噪比(peaksignal to noise ratio,PSNR)與結(jié)構(gòu)相似性指數(shù)(structural similarity index,SSIM)降低的程度較小,
3、因而具有較好的魯棒性。
(2)采用基于自適應S型函數(shù)的B直方圖均衡方法對宮頸細胞圖像進行增強處理,使得圖像特征突出,有利于特征提取。
(3)在PCANet的基礎上構(gòu)造聯(lián)合特征PCANet將網(wǎng)絡中間層提取的特征與最后一層輸出的特征聯(lián)合起來作為最終的特征輸出,聯(lián)合特征PCANet可以減少圖像特征在逐層提取過程中的丟失,因而使最后提取的特征能更好地表征圖像之間的差異。得到提取的特征后再利用SVM進行分類識別。仿真實驗表明本
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 宮頸細胞病理圖像的分類識別方法研究.pdf
- 宮頸細胞圖像特征分析與自動識別方法研究.pdf
- 一種多分類器融合的單個宮頸細胞圖像分割、特征提取和分類識別方法研究.pdf
- 光學顯微宮頸細胞圖像的分割與識別方法研究.pdf
- 基于深度學習的圖像特征識別方法研究.pdf
- 基于圖像分類的車型識別方法研究和實現(xiàn).pdf
- 基于圖像的空間典型目標分類識別方法研究.pdf
- 基于頻域特征的鞋底花紋分類識別方法研究.pdf
- 基于圖像特征的危巖識別方法研究.pdf
- 基于圖像特征的鋼軌表面瑕疵識別方法.pdf
- 圖像處理及特征識別方法研究.pdf
- 基于時頻分析方法的單細胞圖像特征提取及識別方法研究.pdf
- 基于圖像處理的路面紋理特征識別方法研究.pdf
- 基于紅外圖像特征的絕緣子識別方法.pdf
- 基于模式識別方法的多光譜遙感圖像分類研究.pdf
- 基于深度學習的白血細胞分類識別方法研究.pdf
- 基于機器視覺的圖像處理與特征識別方法的研究.pdf
- 基于小波包變換的遙感超譜圖像分類識別方法研究.pdf
- 基于葉片圖像的植物識別方法研究.pdf
- 基于多特征集成和分級分類的圖像序列表情識別方法研究.pdf
評論
0/150
提交評論