基于PCA多特征融合的肝脏B超临床医学图像识别 - 计算机应用与软件.PDFVIP

第３１卷第４期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．４ ２０１４年４月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｐｒ．２０１４ 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 张卫国　王桂花 （西安科技大学计算机科学与技术学院　陕西西安７１００５４） 摘　要　　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。 关键词　　特征提取　特征选择　ＰＣＡ特征级融合　医学图像识别 中图分类号　ＴＰ３９１．４１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１４．０４．０６０ ＲＥＳＥＡＲＣＨＡＮＤＩＭＰＬＥＭＥＮＴＡＴＩＯＮＯＦＬＩＶＥＲＢＵＬＴＲＡＳＯＵＮＤＣＬＩＮＩＣＡＬＩＭＡＧＥＳ ＲＥＣＯＧＮＩＴＩＯＮＢＡＳＥＤＯＮＰＣＡＭＵＬＴＩＦＥＡＴＵＲＥＦＵＳＩＯＮ ＺｈａｎｇＷｅｉｇｕｏ　ＷａｎｇＧｕｉｈｕａ （ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＸｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｘｉ’ａｎ７１００５４，Ｓｈａａｎｘｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｓｉｎｃｅａｎｙｆｅａｔｕｒｅａｌｏｎｅｃａｎｎｏｔｗｈｏｌｌｙｅｘｐｒｅｓｓｃｌｉｎｉｃａｌｉｍａｇｅｉｎｆｏｒｍａｔｉｏｎ，ｔｈｅｔｈｅｓｉｓｅｘｔｒａｃｔｓｃｌｉｎｉｃａｌｉｍａｇｅｓｃｏｌｏｒｆｅａｔｕｒｅｓ，ｔｅｘ ｔｕｒｅｆｅａｔｕｒｅｓａｎｄｒｅｇｉｏｎｓｈａｐｅｆｅａｔｕｒｅｓｉｎｏｒｄｅｒｔｏｆｕｒｔｈｅｒｒｅｔａｉｎｖａｒｉｏｕｓｉｍａｇｅｉｎｆｏｒｍａｔｉｏｎ．Ｔｈｅｎｉｔｕｔｉｌｉｚｅｓｐｒｉｎｃｉｐｌｅｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ （ＰＣＡ）ｍｅｔｈｏｄｔｏｃａｒｒｙｏｕｔｆｅａｔｕｒｅｌｅｖｅｌｄａｔａｆｕｓｉｏｎｗｉｔｈｔｈｅｅｘｔｒａｃｔｅｄｆｅａｔｕｒｅｓ．ＴａｋｉｎｇｉｎｔｏｃｏｎｓｉｄｅｒａｔｉｏｎｔｈｅｉｎｆｌｕｅｎｃｅｏｆｄｉｍｅｎｓｉｏｎｏｎＰＣＡ ｃｏｍｐｕｔａｔｉｏｎａｌｖｏｌｕｍｅ，ｂｅｆｏｒｅＰＣＡｆｕｓｉｏｎｉｔｕｔｉｌｉｚｅｓｆｕｚｚｙｍｅｔｈｏｄｔｏｃａｒｒｙｏｕｔｃｏａｒｓｅｓｅｌｅｃｔｉｏｎｆｏｒｔｈｅｆｅａｔｕｒｅｓ，ｓｏｔｈａｔｔｈｅｆｅａｔｕｒｅｄｉｍｅｎｓｉｏｎ ｎｕｍｂｅｒｉｓｅｆｆｉｃｉｅｎｔｌｙｄｅｃｒｅａｓｅｄ．ＴａｋｉｎｇｌｉｖｅｒＢｕｌｔｒａｓｏｕｎｄｉｍａｇｅｓａｓｏｂｊｅｃｔｓｔｏｓｔｕｄｙ，ｔｈｅｔｈｅｓｉｓｃａｒｒｉｅｓｏｕｔｅｘｐｅｒｉｍｅｎｔｓ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ ｔｈｅｒｅａｒｅｓｉｇｎｉｆｉｃａｎｔｉｍｐｒｏｖｅｍｅｎｔｓｏｖｅｒｔｈｅｆｕｓｅｄｄａｔａｄｉｍｅｎｓｉｏｎｎｕｍｂｅｒ，ａｎｄｔｈｅｒｅｃｏｇｎｉｔｉｏｎｅｆｆｅｃｔｓａｒｅｇｏｏｄ． Ｋｅｙｗｏｒｄｓ　　Ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ　Ｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎ　ＰＣＡｆｅａｔｕｒｅｌｅｖｅｌｆｕｓｉｏｎ　Ｃｌｉｎｉｃａｌｉｍａｇｅｒｅｃｏｇｎｉｔｉｏｎ 特征级融合主要包括串行融合方法［１２］和并行融合方 法［１３］ ［１４］ ０　引　言 。前者是将特征首尾相连生成一个新的特征矢量 ，在 更高维的矢量空间进