基于PCA多特征融合的肝脏B超临床医学图像识别研究与实现

针对任何单一特征都不能完整地表示医学图像的信息,提取医学图像的颜色特征、纹理特征以及区域形状特征,更多地保留图像的各种信息。并对提取的特征利用主成分分析(PCA)方法进行特征级的数据融合。针对维数对PCA的计算量影响,在PCA融合之前利用模糊方法进行特征的粗选择,有效地降低了特征维数。以肝脏B超图像为研究对象进行实验,结果表明,融合后的数据维数有极大的改善,识别效果良好。

基于融合熵特征的辐射源信号识别

针对相近雷达辐射源信号难以识别的问题,一种新的雷达辐射源信号识别方法被提出。该方法基于小波包分解,用主成分分析法融合含有信号类别特性的小波包重构系数特征,并将融合特征的能量熵和概率熵构成特征向量,基于支持向量机实现信号的分类识别。在较大信噪比(SNR)范围内,使用该方法能获得满意的正确识别率,当SNR为5dB时,十分近似的线性调频信号正确识别率达到了91%,实验结果证实了该方法的有效性。

基于极化特征和纹理特征的PolSAR影像建筑物提取方法

极化合成孔径雷达(PolSAR)以其多参数、多通道、多极化、信息记录更加完整等特点,在城市地物提取领域中发挥着重要作用,并已成为遥感影像研究领域的热点。选择覆盖苏州市的Radarsat2影像,利用极化非相干分解法和灰度共生矩阵法分别提取19种极化特征和8种纹理特征,通过分析建筑物、植被和水体的极化特征和纹理特征进行特征组合,结合主成分分析法(PCA)和支持向量机法(SVM)对城市建筑物进行提取,并定量评估精度。结果表明:基于极化特征的建筑物提取精度最高为92. 4%;基于纹理特征的提取精度最高为88. 9%;极化特征与纹理特征相结合可以提高精度,最高精度为93. 7%;PCA特征融合算法具有较高的运算效率,同时提高了精度。