基于局部二元模式的电子胃镜图像识别.pdfVIP

基于局部二元模式的电子胃镜图像识别.pdf

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于局部二元模式的电子胃镜图像识别

第35 卷 第17 期 计 算 机 工 程 2009 年9 月 Vol.35 No.17 Computer Engineering September 2009 ·图形图像处理· 文章编号:1000—3428(2009)17—0204—03 文献标识码:A 中图分类号:TP391.41 基于局部二元模式的电子胃镜图像识别 1 1 2 1 贺小虎 ,阳 维 ,程时丹 ,张 素 (1. 上海交通大学生命科学技术学院,上海 200240 ;2. 上海交通大学医学院附属瑞金医院,上海 200025) 摘 要:由于受到胃部蠕动、气泡、食物、光照以及图像采集过程中摄像头移动等因素影响,电子胃镜图像存在亮度变化较大等问题,常 用的计算机辅助分析方法难以取得理想的效果。针对该问题,在分析电子胃镜图像特点的基础上,提出一种电子胃镜图像病灶良恶性识别 方法。在不同颜色通道中使用结合局部二元模式算法,提取其纹理特征向量,分别输入支持向量机进行训练和识别,对不同颜色空间的识 别结果采用投票原则确定最终结果。实验结果表明,该方法的识别率达到92.2% 。 关键词:电子胃镜图像;纹理特征;局部二元模式 Electronic Gastroscope Image Recognition Based on LBP 1 1 2 1 HE Xiao-hu , YANG Wei , CHENG Shi-dan , ZHANG Su (1. School of Life Science Biotechnology, Shanghai Jiaotong University, Shanghai 200240; 2. Ruijin Hospital, School of Medicine, Shanghai Jiaotong University, Shanghai 200025) 【Abstract 】The electronic gastroscope image, which is sensitively affected by gastric peristalsis, air bubble, food, illumination and camera moving during the capturing, has some defect such as large illumination variety, so common computer aided analysis method can not achieve good result. Based on analyzing the characteristic of electronic gastroscope image, a new method to distinguish between carcinoid electronic gastroscope image and malignancy ones is presented. It uses the Local Binary Pattern(LBP) method in RGB channel of images and extracts the texture feature which is subsequently trained and classified by Support Vector Machine(SVM), gets the classification of all three channels and decides the image carcinoid or malignancy through vo

文档评论(0)

my18 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档