1 上海大学 计算机工程与科学学院, 上海 200444
2 内蒙古科技大学 信息工程学院 内蒙古自治区模式识别与智能图像处理重点实验室, 内蒙古 包头 014010
3 内蒙古科技大学 外国语学院, 内蒙古 包头 014010
针对微钙化点容易漏检的问题, 提出一种非下采样轮廓波变换结合对比度受限自适应直方图均衡的乳腺图像微钙化点增强新算法。对乳腺图像预处理, 提取乳房区域并将胸肌区域去除; 再对图像进行非下采样轮廓波变换提取多尺度、多方向的子带, 对其中的多个高频子带采用高斯拉普拉斯算子检测边缘并增强; 进一步采用对比度受限自适应直方图均衡算法, 提高图像局部小区域的对比度, 实现乳腺图像微钙化点增强算法。结果表明该方法是一种有效的乳腺钼靶图像微钙化点增强方法, 为微钙化点检测和乳腺癌诊断提供支持。
X射线光学 微钙化点 非下采样轮廓波变换 对比度受限自适应直方图均衡 图像增强 X-ray optics microcalcification non-subsampled contourlet transform contrast limited adaptive histogram equalization
提出一种基于双树复数小波变换的微钙化分类方法.通过提取基于小波和灰度直方图的纹理特征,结合遗传算法进行特征优化,分别用神经网络,支持向量机和KNN分类器进行微钙化的良恶性分类.对三种不同的分类器进行对比,结果表明:KNN分类器取得最好的效果,而支持向量机优于神经网络.KNN分类器对比于神经网络和支持向量机,无需训练,可节约训练时间,最直接地利用了样本和样本之间的关系,减少了类别特征选择不当对分类结果造成的不利影响,可以最大程度地减少分类过程中的误差项.在类别决策时,KNN分类器只与极少量的相邻样本有关,可以较好地避免样本数量的不平衡问题.与传统的小波比较,双树复数小波具有近似平移不变性和正则性,对图像信号具有良好的方向选择性,且冗余度有限,计算量较小.
微钙化 双树复数小波变换 纹理特征 分类 Microcalcification Dual-tree complex wavelet transform Texture feature Classification
