48、医学图像与通信编码技术研究

医学图像与通信编码技术研究

一、基于支持向量机的新疆本地肝包虫 CT 图像纹理特征提取与分类

1.1 研究背景

肝包虫病常发生在牧区,是动物绦虫幼虫阶段的感染疾病。新疆维吾尔自治区是世界上肝包虫病的重要病灶区之一,CT 检查是早期诊断和疾病筛查的有效方法。纹理作为物体表面的基本属性,在自然界广泛存在,对物体的描述和识别具有重要意义。纹理特征独立于颜色和亮度,能反映视觉特征的均匀现象,已广泛应用于模式识别和计算机视觉领域。

1.2 研究方法

1.2.1 图像预处理

图像预处理的目的是增强图像或减少光照变化的影响,为医生诊断提供更好的支持。对于肝脏 CT 图像,具体操作步骤如下:
- 将 RGB 图像转换为灰度强度图像。
- 通过中值滤波器去除图像噪声。
- 使用自适应直方图均衡化增强对比度。

正常肝脏 CT 图像和单包虫囊肿 CT 图像的预处理结果表明,图像的对比度明显增强,为后续图像处理奠定了良好基础。

1.2.2 灰度梯度共生矩阵

灰度梯度共生矩阵的元素 Cij 定义为归一化灰度图像 F(m, n)和梯度图像 G(m, n)中灰度值为 i 且梯度值为 j 的总像素数。该矩阵模型反映了图像中每个像素的灰度和梯度之间的关系,不仅描述了图像中每个像素的灰度和梯度分布,还反映了像素与其相邻像素之间的空间关系。

1.2.3 灰度梯度共生矩阵的归一化

归一化灰度梯度共生矩阵的目的是在不影响图像纹理特征的情况下,通过转换灰度和梯度来减少计算量。具体公式如下:
- 灰度数组归一化:(此处原文未给出

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值