甲状腺结节超声图像多特征融合及识别

为更加精确地判别甲状腺结节的良恶性,提出基于改进的CLBP(Completed Local Binary Pattern)模型和GLCM(Gray Level Co-occurrence Matrix)模型相结合的纹理特征提取算法。首先在传统的CLBP模型中引入局部方差信息,使CLBP算子对局部纹理特征的描述更加精细;然后与GLCM模型描述的全局纹理特征相融合;最后结合纵横比、圆形度、紧致度等形状特征并将其输入SVM(Support Vector Machine)分类器。为进一步提高识别率,同时给出基于粒子群算法与网格搜索算法相结合的SVM参数优化算法,以提高识别率。对比实验结果表明,该算法提取的特征用于分类识别时具有更高的识别率,且提出的参数寻优算法相对于传统寻优算法效率更高。