期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合LBP和GLCM的纹理特征提取方法
被引量：
23
1
作者
王国德
张培林
+1 位作者
任国全
寇玺
《计算机工程》
CAS
CSCD
2012年第11期199-201,共3页
为提取有效的特征用于纹理描述和分类,提出一种融合局部二进制模式(LBP)和灰度共生矩阵(GLCM)的纹理特征提取方法。利用旋转不变的LBP算子处理纹理图像,得到LBP图像及其GLCM,采用对比度、相关性、能量和逆差矩描述图像的纹理特征。实验...
为提取有效的特征用于纹理描述和分类,提出一种融合局部二进制模式(LBP)和灰度共生矩阵(GLCM)的纹理特征提取方法。利用旋转不变的LBP算子处理纹理图像,得到LBP图像及其GLCM,采用对比度、相关性、能量和逆差矩描述图像的纹理特征。实验结果表明,与其他方法相比,该方法提取的纹理特征具有更强的纹理鉴别能力,平均分类正确率达到93%。
展开更多
关键词
纹理分析
特征
提取
haralick
特征
GABOR滤波器
局部二进制模式
灰度共生矩阵
下载PDF
职称材料
融合方向测度和灰度共生矩阵的纹理特征提取算法研究
被引量：
8
2
作者
刘天时
肖敏敏
李湘眷
《科学技术与工程》
北大核心
2014年第32期271-275,共5页
为了解决提取图像纹理特征时所遇到的纹理方向抑制问题,提出一种融合方向测度和灰度共生矩阵的纹理特征提取算法。该算法通过灰度共生矩阵,提取图像的Haralick特征,其中包括对比度、相关性、能量、逆差矩等,然后利用方向测度引入权值因...
为了解决提取图像纹理特征时所遇到的纹理方向抑制问题,提出一种融合方向测度和灰度共生矩阵的纹理特征提取算法。该算法通过灰度共生矩阵,提取图像的Haralick特征,其中包括对比度、相关性、能量、逆差矩等,然后利用方向测度引入权值因子,并将其与所提取的Haralick特征相融合,最后对融合后的各个分量进行高斯归一化处理,获取最终的纹理特征集。实验结果表明,与采用灰度共生矩阵方法相比,该算法可以有效的避免图像纹理方向的抑制,所提取的纹理特征具有更强的图像识别能力,对Brodatz标准纹理库分类的正确率也有一定的提高。
展开更多
关键词
纹理
特征
提取
灰度共生矩阵
haralick
特征
方向测度
高斯归一化
下载PDF
职称材料
基于Adaboost-决策树算法的乳腺微钙化区域真假阳性检测
被引量：
4
3
作者
申楠
邢素霞
+2 位作者
何湘萍
潘子妍
王瑜
《中国医学物理学杂志》
CSCD
2021年第8期940-945,共6页
乳腺癌的早期症状在乳腺钼靶图像中主要表现为微钙化点,微钙化区域的真假阳性检测对于乳腺癌早期筛查具有重要意义。本研究选取DDSM图像进行实验,手动截取了400个疑似钙化区域。首先提取全部区域的Haralick纹理特征和灰度游程矩阵特征...
乳腺癌的早期症状在乳腺钼靶图像中主要表现为微钙化点,微钙化区域的真假阳性检测对于乳腺癌早期筛查具有重要意义。本研究选取DDSM图像进行实验,手动截取了400个疑似钙化区域。首先提取全部区域的Haralick纹理特征和灰度游程矩阵特征建立特征集,然后使用Adaboost算法集成决策树,构建强分类器AB-DT,对400个疑似钙化区域进行分类。实验发现当集成462棵决策树时,模型分类性能最佳。最后进行10折交叉验证,AB-DT算法达到了91.75%的准确率,91.75%的敏感性,91.79%的特异性,F1指数为0.9187。该模型在微钙化真假阳性检测上性能优越,可用于辅助乳腺微钙化点检测,具有一定的临床应用价值。
展开更多
关键词
乳腺癌
Adaboost-决策树
微钙化
haralick
纹理
特征
灰度游程矩阵
下载PDF
职称材料
题名
融合LBP和GLCM的纹理特征提取方法
被引量：
23
1
作者
王国德
张培林
任国全
寇玺
机构
军械工程学院火炮工程系
中国人民解放军武汉军械士官学校高炮教研室
中国人民解放军驻
出处
《计算机工程》
CAS
CSCD
2012年第11期199-201,共3页
基金
国家自然科学基金资助项目(50705097)
清华大学摩擦学国家重点实验室开放基金资助项目(SKLTKF09B06)
文摘
为提取有效的特征用于纹理描述和分类,提出一种融合局部二进制模式(LBP)和灰度共生矩阵(GLCM)的纹理特征提取方法。利用旋转不变的LBP算子处理纹理图像,得到LBP图像及其GLCM,采用对比度、相关性、能量和逆差矩描述图像的纹理特征。实验结果表明,与其他方法相比,该方法提取的纹理特征具有更强的纹理鉴别能力,平均分类正确率达到93%。
关键词
纹理分析
特征
提取
haralick
特征
GABOR滤波器
局部二进制模式
灰度共生矩阵
Keywords
texture analysis
feature extraction
haralick
feature
Gabor filter
Local Binary Pattern（LBP）
Gray-level Co-occurrence Matrix（GLCM）
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
融合方向测度和灰度共生矩阵的纹理特征提取算法研究
被引量：
8
2
作者
刘天时
肖敏敏
李湘眷
机构
西安石油大学计算机学院
出处
《科学技术与工程》
北大核心
2014年第32期271-275,共5页
基金
国家自然科学基金(41301480)
陕西省自然科学基金(2010JM8032)资助
文摘
为了解决提取图像纹理特征时所遇到的纹理方向抑制问题,提出一种融合方向测度和灰度共生矩阵的纹理特征提取算法。该算法通过灰度共生矩阵,提取图像的Haralick特征,其中包括对比度、相关性、能量、逆差矩等,然后利用方向测度引入权值因子,并将其与所提取的Haralick特征相融合,最后对融合后的各个分量进行高斯归一化处理,获取最终的纹理特征集。实验结果表明,与采用灰度共生矩阵方法相比,该算法可以有效的避免图像纹理方向的抑制,所提取的纹理特征具有更强的图像识别能力,对Brodatz标准纹理库分类的正确率也有一定的提高。
关键词
纹理
特征
提取
灰度共生矩阵
haralick
特征
方向测度
高斯归一化
Keywords
textural feature extraction gray level co-occurrence matrix
haralick
textural feature directional measure Gauss normalization
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于Adaboost-决策树算法的乳腺微钙化区域真假阳性检测
被引量：
4
3
作者
申楠
邢素霞
何湘萍
潘子妍
王瑜
机构
北京工商大学人工智能学院
北京海淀妇幼保健院乳腺病防治中心
出处
《中国医学物理学杂志》
CSCD
2021年第8期940-945,共6页
基金
国家自然科学基金(61671028)
国家重大科学研发子课题(ZLJC603-5-1)。
文摘
乳腺癌的早期症状在乳腺钼靶图像中主要表现为微钙化点,微钙化区域的真假阳性检测对于乳腺癌早期筛查具有重要意义。本研究选取DDSM图像进行实验,手动截取了400个疑似钙化区域。首先提取全部区域的Haralick纹理特征和灰度游程矩阵特征建立特征集,然后使用Adaboost算法集成决策树,构建强分类器AB-DT,对400个疑似钙化区域进行分类。实验发现当集成462棵决策树时,模型分类性能最佳。最后进行10折交叉验证,AB-DT算法达到了91.75%的准确率,91.75%的敏感性,91.79%的特异性,F1指数为0.9187。该模型在微钙化真假阳性检测上性能优越,可用于辅助乳腺微钙化点检测,具有一定的临床应用价值。
关键词
乳腺癌
Adaboost-决策树
微钙化
haralick
纹理
特征
灰度游程矩阵
Keywords
breast cancer
Adaboost-decision tree
microcalcification
haralick
texture feature
grey-level run length matrix
分类号
R318 [医药卫生—生物医学工程]
TP301.6 [医药卫生—基础医学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合LBP和GLCM的纹理特征提取方法
王国德
张培林
任国全
寇玺
《计算机工程》
CAS
CSCD
2012
23
下载PDF
职称材料
2
融合方向测度和灰度共生矩阵的纹理特征提取算法研究
刘天时
肖敏敏
李湘眷
《科学技术与工程》
北大核心
2014
8
下载PDF
职称材料
3
基于Adaboost-决策树算法的乳腺微钙化区域真假阳性检测
申楠
邢素霞
何湘萍
潘子妍
王瑜
《中国医学物理学杂志》
CSCD
2021
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
