基于投影梯度的NMF相关反馈医学图像检索算法【荐】.pdfVIP

第16卷第2期 电路与系统学报 V01．16No．2 2011年4月 JOURNALOFCIRCUITSANDSYSTEMS April，2011 文章编号：1007．0249(2011)02-0051—05 M 基于投影梯度的N F相关反馈医学图像检索算法· 蒋利勇， 卢振泰， 陈武凡， 冯前进撑 (南方医科大学医学图像处理重点实验室，广东广州，510515) 摘要。相关反馈技术是近年来在图像检索中较为重要的研究方法，由于有人的参与，它能在一定程度上弥补图像 的底层特征难以表达图像语义内容的不足。由于NMF在一定程度上勾勒出了相关图像在基矩阵所代表的空间中的分 布，因而对整个图像库进行检索时可以查找到更多的相关图像。提出了一种基于投影梯度的非负矩阵分解(NMF)相 关反馈方法，与常用的基于乘法更新的NMF相比，在保证查准率、查全率基本不变的情况下，能大大的提高反馈速度。 使用由586幅脑出血图像组成的图像库进行实验，结果表明该方法的可行性。 关键词。相关反馈；医学图像检索；投影梯度；非负矩阵分解；交互式检索 文献标识码tA 中图分类号；[P39I．3 1 引言 基于内容的图像检索，是近年来较为活跃的研究领域之一。传统的基于特征抽取和相似性距离度 量的方法，由于计算机自动抽取的图像特征和人所理解的语义间存在巨大的差距，其检索结果难以令 人满意。因此近年来出现了相关反馈方法。相关反馈方法的基本思路是在检索过程中，允许用户对检 索结果进行评价和标记，指出结果中哪些是与查询图像相关的，哪些是不相关的，然后将用户标记的 相关信息，作为训练样本反馈给系统进行训练，指导下一轮检索，从而使得检索结果更符合用户的需 要。 分解，得到基矩阵和系数矩阵，构成NMF分解模型。并依此模型，对库中的图像进行检索。典型的NMF 是用乘法更新的迭代方法进行迭代，由于收敛速度相对较慢、迭代步数长等缺点，本文提出基于投影 梯度的NMF方法。实验证明：在保证与乘法更新的NMF方法差不多的查全率和查准率情况下，能大大 的提高检索速度。 2 NMF算法介绍 2．1非负矩阵分解 给定一个F／X／Y／的非负矩阵y和一个正整数，，NMF算法找到一个大小为F／X，．的非负矩阵形和一个 大小为，×所的非负矩阵日，使得V≈WH，将其写成列向量形式：，≈Wit。 式中l，和h是矿和日中相对应的列向量。每一个数据向量h近似等于矩阵形的列向量的线性组合， 权值系数为h的各个分量。这说明∥组成一个基矩阵，它可以通过线性的组合来近似的表示y。由于 这相当于用相对少的基向量来表示大量的数据向量，则只有在基向量覆盖了V中隐含的数据分布结构 时，才能达到令人满意的效果。NMF不允许∥和日中有负数元素。就是由于这个约束，使得在用部 分表示整体的过程中，只有加法的运算而没有减法的运算，它反映了由部分构成整体最直观的感受。 有两种评价函数来评价y与WH之间的接近程度，第一种评价函数为： n 1 JH min∥月／(∥，奶兰去∑∑(％一(嘲F)2 ’收稿日期·2010—04—27修订日期：2010—06-07 基金项目·国家自然科学基金重点项目 Emaih #通信作者t fengqj99@fimmu．COll) 52 电路与系统学报 第16卷 subjectto既≥0，H所≥0，Vi，a，b，_，． (1) 对于(1)式中的求和式，写成F范数形式有： ∑∑(％一(嗍F)2--Uv一侧： 这个函数以y与WH间的欧式距离来评价近似程度。第二种评价函数为：