行程长度纹理特征应用于肠癌病理图片识别

传统的肠癌病理诊断都由病理医生完成,随着图像处理技术的发展,为满足医学病理图像辅助诊断的需要,提出用灰度行程纹理特征(GLRLM)来识别大肠病变切片.考虑到传统的灰度行程长度纹理特征预处理方式未充分利用图像彩色信息和病理图像的组织学信息,提出将模糊C均值应用于大肠彩色病理图像的预处理,然后提取图像的行程长度纹理特征,最后利用支持向量机分类.通过与灰度共生矩阵纹理特征对比,行程长度纹理特征和改进的行程长度纹理特征具有更高的分类准确率.同时用SVM分类器与BP神经网络、最近邻分类器对比,根据实验结果得出SVM分类器更适合小样本肠癌病理图像的分类.

基于HOG-GLRLM特征的肠癌病理图片分类

针对利用单一特征集对肠癌病理图像的识别率难以提高这一情况,提出了一个基于HOG-GLRLM特征肠癌病理图片分类方法。考虑到图像中丰富的纹理和边缘信息,分别利用改进型的灰度行程矩阵和梯度方向直方图提取特征。并采用最小冗余最大关联的方法对各自和合并特征集进行特征选择。实验结果表明该方法的有效性。