• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 17
    • 下载费用:30 金币  

    重庆时时彩自动关机: 基于色度的颜色和空间不均匀的纹理差异双通道医学图像的分割方法.pdf

    关 键 词:
    基于 色度 颜色 空间 不均匀 纹理 差异 双通道 医学 图像 分割 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201610940333.1

    申请日:

    2016.10.25

    公开号:

    CN106570881A

    公开日:

    2017.04.19

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G06T 7/149申请日:20161025|||公开
    IPC分类号: G06T7/149(2017.01)I 主分类号: G06T7/149
    申请人: 重庆金山医疗器械有限公司
    发明人: 汪成亮; 刘小琪; 郭凌; 白家莲; 严莎莎
    地址: 401120 重庆市渝北区回兴街道霓裳大道18号金山国际工业城1幢办公楼
    优先权:
    专利代理机构: 重庆市前沿专利事务所(普通合伙) 50211 代理人: 方洪
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201610940333.1

    授权公告号:

    |||

    法律状态公告日:

    2017.05.17|||2017.04.19

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明提出了一种基于色度的颜色和空间不均匀的纹理差异双通道医学图像的分割方法,包括:S1,采集医学图像数据,对该图像数据进行初步筛选,获得具备差异性的图像数据,将具备差异性的图像数据进行空间转换,从RGB空间图像转化到HIS空间图像,从HIS空间图像中获得色度图像IH和饱和度图像IS;S2,获得最终的用于分割的带有全局颜色信息的图像IHue;S3,获得带有局部纹理信息的图像Itexture;S4,将IHue和Itexture的图像信息构建出色度纹理嵌入的基于区域活动轮廓模型,用于分割具有色度和纹理差异的医学图像数据。为专业人员自动分割感兴趣的区域,降低时耗,提高效率。

    权利要求书

    1.一种基于色度的颜色和空间不均匀的纹理差异双通道医学图像的分割方法,其特征
    在于,包括:
    S1,采集医学图像数据,对该图像数据进行初步筛选,获得具备差异性的图像数据,将
    具备差异性的图像数据进行空间转换,从RGB空间图像转化到HIS空间图像,从HIS空间图像
    中获得色度图像IH和饱和度图像IS;
    S2,使用归一化规则对色度图像IH进行归一化转换,然后对归一化后的色度图像进行高
    斯低通滤波,获得最终的用于分割的带有全局颜色信息的图像IHue;
    S3,在饱和度图像IS上通过自适应阈值的PIF纹理描绘子描述纹理特征,获得带有局部
    纹理信息的图像Itexture;
    S4,将IHue和Itexture的图像信息嵌入到基于区域活动轮廓模型(C-V模型)中,构建出色度
    纹理嵌入的基于区域活动轮廓模型,用于分割具有色度和纹理差异的医学图像数据。
    2.根据权利要求1所述的基于色度的颜色和空间不均匀的纹理差异双通道医学图像的
    分割方法,其特征在于,所述S1从HIS空间图像中获得色度图像步骤包括:
    S1-1,色度图像Ih作为图像的全局颜色信息,色度是使用角度来反映空间波长的一种颜
    色信息,


    其中θ∈[0,2π],Ir,Ig,Ib是RGB空间上图像在R,G,B通道上的像素值。
    3.根据权利要求1所述的基于色度的颜色和空间不均匀的纹理差异双通道医学图像的
    分割方法,其特征在于,所述S1从HIS空间图像中获得饱和度图像步骤包括:
    S1-4,计算饱和度图像Is(x),在饱和度图像Is(x)上获得局部纹理信息,图像饱和度Is
    计算如下:
    其中Ir,Ig,Ib是RGB空间上图像在R,G,B通道上的像
    素值。
    4.根据权利要求2所述的基于色度的颜色和空间不均匀的纹理差异双通道医学图像的
    分割方法,其特征在于,所述S2归一化规则步骤包括:
    S2-1,获取经过计算后的全局颜色信息图像IHue(x),
    自定义的归一化规则对图像进行归一化,获得归一化图像I',根据如下公式:

    S2-2,利用高斯低通滤波对I'图像进行平滑处理获得计算后反映全局颜色信息的色度
    图像IHue(x),如下:
    IHue(x)=G(x)*I'h(x)
    G(x)高斯低通滤波器。
    5.根据权利要求1所述的基于色度的颜色和空间不均匀的纹理差异双通道医学图像的
    分割方法,其特征在于,所述S3包括:
    S3-1,计算局部纹理信息图像Itexture(x);
    获得纹理图像Itexture(x),计算如下:

    Ω'(p)={q∈N(p):|I(p)-I(q)|>v},其中,p为图像数据像素标号,N(p)={q∈I:|px-
    qx|≤k,|py-qy|≤k,k∈z},N(p)以k为尺度以q为中心的方形区域内的像素点集合,Z是实数
    集合,|·|表示集合中元素的个数,Ω'(p)指代灰度不均匀的像素点集合,q表示中心像素
    点坐标或者标号。
    6.根据权利要求1所述的基于色度的颜色和空间不均匀的纹理差异双通道医学图像的
    分割方法,其特征在于,所述S4图像信息嵌入到基于区域活动轮廓模型步骤包括:
    S4-1,获取全局颜色能量泛函,将全局颜色信息嵌入基于区域活动轮廓模型之中,全局
    颜色能量泛函计算公式为:

    分别表示初始化曲线C内部和外部的颜色信息平均值;
    S4-2,获得局部纹理信息能量泛函,将局部纹理信息嵌入基于区域活动轮廓模型之中,
    局部纹理信息能量泛函计算公式为:

    和分别是图像Itexture(x)中初始化曲线C内部和外部的平均值。
    7.根据权利要求1所述的基于色度的颜色和空间不均匀的纹理差异双通道医学图像的
    分割方法,其特征在于,所述S4分割具有色度和纹理差异的医学图像数据步骤包括:
    A,初始化水平集函数φ0=φ0和n=0;
    B,在色度图像通道上获得带有全局颜色信息的图像IHue(x);
    C,在饱和度图像通道上通过自定义的PIF算子,获得带有局部纹理信息的图像Itexture;
    D,固定水平集轮廓函数φn,通过如下公式:




    计算拟合变量
    F,固定拟合变量通过如下公式:


    迭代计算出φn+1;
    F,检查是否满足条件停止条件。如果不满足,n=n+1,返回到D;
    G,输出最终医学图像数据和φn。
    8.根据权利要求7所述的基于色度的颜色和空间不均匀的纹理差异双通道医学图像的
    分割方法,其特征在于,还包括:
    将全局颜色信息和局部能量信息嵌入到基于区域的活动轮廓之中并添加规则化项,如
    下所示:

    λ1和λ2是大于0的常量,EH为全局颜色信息能量泛函,ET为局部饱和度信息能量泛函,ER
    表示初始曲线C的长度,计算如下:
    ER=μ·Length(C),其中μ≥0;
    在水平集框架下,将
    改成如下的能量泛函:


    其中,H是Sigmoid函数H1,ε(z),如下所示:

    说明书

    基于色度的颜色和空间不均匀的纹理差异双通道医学图像的分割方法

    技术领域

    本发明涉及计算机视觉图像分割领域,尤其涉及一种基于色度的颜色和空间不均
    匀的纹理差异双通道医学图像(NBI)的分割方法。

    背景技术

    目前,ME-NBI(奥林巴斯研发的一种医学成像器械)内镜已经成为一种用于人的肠
    胃道的疾病检测的有效的工具。其放大高清的图像质量能够很好的描述人体肠胃道中的黏
    膜上层及下层的血管和腺管等微组织的形态和颜色,是一种诊断肠胃道疾?。ㄈ纾涸缙诎?,
    慢性炎症等)的可靠依据。但是,根据ME-NBI图像的诊断,主观性强,分类粗放且初学者门槛
    高,学习曲线陡。同时,随着病人数量的增多,图像数量庞大,然而这些海量的图片数据只能
    由专业的内镜医务人员进行人工判读,工作强度大、效率低、消耗大量的时间。因此,寻找一
    种可靠的高效的方法为专业人员自动分割感兴趣的区域,降低时耗,提高效率。这就亟需本
    领域技术人员解决相应的技术问题。

    发明内容

    本发明旨在至少解决现有技术中存在的技术问题,特别创新地提出了一种基于色
    度的颜色和空间不均匀的纹理差异双通道医学图像(NBI)的分割方法。

    为了实现本发明的上述目的,本发明提供了一种基于色度的颜色和空间不均匀的
    纹理差异双通道医学图像的分割方法,包括:

    S1,采集医学图像数据,对该图像数据进行初步筛选,获得具备差异性的图像数
    据,将具备差异性的图像数据进行空间转换,从RGB空间图像转化到HIS空间图像,从HIS空
    间图像中获得色度图像IH和饱和度图像IS;

    S2,使用归一化规则对色度图像IH进行归一化转换,然后对归一化后的色度图像
    进行高斯低通滤波,获得最终的用于分割的带有全局颜色信息的图像IHue;

    S3,在饱和度图像IS上通过自适应阈值的PIF纹理描绘子描述纹理特征,获得带有
    局部纹理信息的图像Itexture;

    S4,将IHue和Itexture的图像信息嵌入到基于区域活动轮廓模型(C-V模型)中,构建
    出色度纹理嵌入的基于区域活动轮廓模型,用于分割具有色度和纹理差异的医学图像数
    据。

    所述的基于色度的颜色和空间不均匀的纹理差异双通道医学图像的分割方法,优
    选的,所述S1从HIS空间图像中获得色度图像步骤包括:

    S1-1,色度图像Ih作为图像的全局颜色信息,色度是使用角度来反映空间波长的
    一种颜色信息,



    其中θ∈[0,2π],Ir,Ig,Ib是RGB空间上图像在R,G,B通道上的像素值。

    所述的基于色度的颜色和空间不均匀的纹理差异双通道医学图像的分割方法,优
    选的,所述S1从HIS空间图像中获得饱和度图像步骤包括:

    S1-4,计算饱和度图像Is(x),在饱和度图像Is(x)上获得局部纹理信息,图像饱和
    度Is计算如下:

    其中Ir,Ig,Ib是RGB空间上图像在R,G,B通道上
    的像素值;

    所述的基于色度的颜色和空间不均匀的纹理差异双通道医学图像的分割方法,优
    选的,所述S2归一化规则步骤包括:

    S2-1,获取经过计算后的全局颜色信息图像IHue(x),

    自定义的归一化规则对图像进行归一化,获得归一化图像I',根据如下公式:


    S2-2,利用高斯低通滤波对I'图像进行平滑处理获得计算后反映全局颜色信息的
    色度图像IHue(x),如下:

    IHue(x)=G(x)*I'h(x)

    G(x)高斯低通滤波器。

    所述的基于色度的颜色和空间不均匀的纹理差异双通道医学图像的分割方法,优
    选的,所述S3包括:

    S3-1,计算局部纹理信息图像Itexture(x);

    获得纹理图像Itexture(x),计算如下:


    Ω'(p)={q∈N(p):|I(p)-I(q)|>v},其中,p为图像数据像素标号,N(p)={q∈I:
    |px-qx|≤k,|py-qy|≤k,k∈z},N(p)以k为尺度以q为中心的方形区域内的像素点集合,Z是
    实数集合,|·|表示集合中元素的个数,Ω'(p)指代灰度不均匀的像素点集合,q表示中心
    像素点坐标或者标号。

    所述的基于色度的颜色和空间不均匀的纹理差异双通道医学图像的分割方法,优
    选的,所述S4图像信息嵌入到基于区域活动轮廓模型步骤包括:

    S4-1,获取全局颜色能量泛函,将全局颜色信息嵌入基于区域活动轮廓模型之中,
    全局颜色能量泛函计算公式为:


    分别表示初始化曲线C内部和外部的颜色信息平均值;

    S4-2,获得局部纹理信息能量泛函,将局部纹理信息嵌入基于区域活动轮廓模型
    之中,局部纹理信息能量泛函计算公式为:


    和分别是图像Itexture(x)中初始化曲线C内部和外部的平均值。

    所述的基于色度的颜色和空间不均匀的纹理差异双通道医学图像的分割方法,优
    选的,所述S4分割具有色度和纹理差异的医学图像数据步骤包括:

    A,初始化水平集函数φ0=φ0和n=0;

    B,在色度图像通道上获得带有全局颜色信息的图像IHue(x);

    C,在饱和度图像通道上通过自定义的PIF算子,获得带有局部纹理信息的图像
    Itexture;

    D,固定水平集轮廓函数φn,通过如下公式:





    计算拟合变量

    F,固定拟合变量通过如下公式:


    迭代计算出φn+1;

    F,检查是否满足条件停止条件。如果不满足,n=n+1,返回到D;

    G,输出最终医学图像数据和φn。

    所述的基于色度的颜色和空间不均匀的纹理差异双通道医学图像的分割方法,优
    选的,还包括:

    将全局颜色信息和局部能量信息嵌入到基于区域的活动轮廓之中并添加规则化
    项,如下所示:


    λ1和λ2是大于0的常量,EH为全局颜色信息能量泛函,ET为局部饱和度信息能量泛
    函,ER表示初始曲线C的长度,计算如下:

    ER=μ·Length(C),其中μ≥0;

    在水平集框架下,将

    改成如下的能量泛函:


    其中,H是Sigmoid函数H1,ε(z),如下所示:


    综上所述,由于采用了上述技术方案,本发明的有益效果是:

    本发明所给出的分割方法对于分割具有颜色和纹理差异的NBI图像,具有适应性
    强和定位医学感兴趣区域能力强等优点,为专业人员自动分割感兴趣的区域,降低时耗,提
    高效率。

    本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变
    得明显,或通过本发明的实践了解到。

    附图说明

    本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得
    明显和容易理解,其中:

    图1是本发明总体示意图。

    具体实施方式

    下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终
    相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附
    图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。

    在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、
    “左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所
    示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装
    置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限
    制。

    在本发明的描述中,除非另有规定和限定,需要说明的是,术语“安装”、“相连”、
    “连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可
    以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据
    具体情况理解上述术语的具体含义。

    如图1所示,我们提出了一种基于双通道的视觉特征提取的自动分割的方法,该方
    法是基于图像的纹理和颜色两个视觉特征,并将其嵌入到基于区域的活动轮廓之中,创建
    了Hue-texture-embedded region-based model用于分割出NBI图像中感兴趣的区域
    (region of interest ROI)。首先,我们基于色度信息,获得图像的全局颜色能量函数;然
    后,我们基于饱和度图像和自适应阈值的PIF算子获得图像的局部纹理能量函数;最后,我
    们将颜色能量和纹理能量分别嵌入到C-V模型(基于区域活动轮廓模型)之中(公式1),构建
    出我们的Hue-texture-embedded region-based model,用于自动分割。


    其中μ,v≥0;λ1,λ2>0是固定常量。lengt(C)是初始化曲线C的长度,inside(C)是初
    始化曲线C的内部,outside(C)是曲线C的外部。area(inside(C))是初始化曲线C内部的面
    积。I(x)是被分割的图像,c1和c2分别是曲线C内部和外部的平均值。

    1.全局颜色泛函

    (1)获取色度图像Ih(x)

    我们选用HIS颜色空间来提取图像的颜色特征,HIS空间不仅适合描述视觉的颜色
    特征同时也解释和反映了图像颜色和图像灰度信息之间的内部联系。颜色的提取,我们选
    用色度图像(H图像)作为图像的全局颜色信息(公式2),色度是使用角度来反映空间波长的
    一种颜色信息。



    其中θ∈[0,2π],Ir,Ig,Ib是RGB空间上图像在R,G,B通道上的像素值。

    (2)获取“干净”的全局颜色(色度)信息图像IHue(x)

    但是,从NBI图像中获得的原始的色度图像中,存在太多的无关信息的干扰。因此,
    我们通过2步来获得更加“干净”的图像,第一步,我们使用本发明自定义的归一化规则对图
    像进行归一化,获得归一化图像I'h,根据如下公式:


    第二步,利用高斯低通滤波对I'h图像进行平滑处理获得“干净”的反映全局颜色
    信息的色度图像IHue(x),如下:

    IHue(x)=G(x)*I'h(x) (4)

    G(x)高斯低通滤波器。

    (3)获取全局颜色能量泛函

    最终,将全局颜色信息嵌入C-V模型之中,获得全局颜色能量泛函:


    分别表示初始化曲线C内部和外部的颜色信息平均值。

    2.局部纹理能量泛函

    仅仅通过全局颜色信息来分割复杂的NBI图像是无法获得满意的结果的,所以像
    素间的局部空间关系不容忽视。我们通过这种局部空间关系来获得图像的局部纹理信息。
    在一幅图像的局部空间关系之中,根据一定的评估准则,中心像素点的空间邻域值要么就
    与其邻域值相似,反之则不相似。不同的评估准则,可以获得不同空间编码,有不同的纹理
    表述方法。

    (1)自适应的PIF局部纹理描述方法

    我们选用PIF(pixel inhomogeneity factor)像素不一致因子准则来进行空间纹
    理特征描述,如下所示:


    Ω'(p)={q∈N(p):|I(p)-I(q)|>v}

    其中|·|表示集合中元素的个数,

    N(p)={q∈I:|px-qx|≤k,|py-qy|≤k,k∈z}以k为尺度以q为中心的方形区域内的
    像素点集合。

    阈值v的设定是决定图像纹理特征信息表达好坏的关键,但是,硬性的规定v的值
    并不能很好的满足NBI图像纹理特征的提取。所以,我们提出了一种自适应阈值的PIF
    (pixel inhomogeneity factor),v的取值方法如下所示:

    1)获得水平,对角线,垂直和斜对角线方向与中心像素点之间的距离集合,如下所
    示:

    D0°I(x)={|I(i,j)-I(i+1,j)|;i=1,2,3,...,m-1,j=1,2,3,...,n}

    D45°I(x)={|I(i,j)-I(i+1,j1)|;i=1,2,3,...,m-1,j=2,3,4,...,n}

    D90°I(x)={|I(i,j)-I(i,j+1)|;i=1,2,3,...,m,j=1,2,3,...,n-1}

    D135°I(x)={|I(i,j)-I(i-1,j-1)|;i=2,2,3,...,m,j=2,2,3,...,n} (7)

    其中D0°I(x),D45°I(x),D90°I(x),D135°I(x)分别表示图像中以像素点I(i,j)为中心
    的方形邻域中水平,对角线,垂直和斜对角线方向的像素点与中心像素点I(i,j)之间的距
    离集合;

    2)分别计算水平,对角线,垂直,斜对角线距离集合中的距离频数,获得距离频数
    集合C(DdI(x))(d=0°,45°,90°,135°),获得C(DdI(x))集合中频数处于最中间的值,然后获
    得其对应的距离值,如下所示:

    M(DdI(p))={DdI(p):min(median[C(DdI(x))])} (8)

    M(DdI(p))表示在方向为D的距离集合中,在点p处获得频数处于最中间的距离值,
    min(median[C(DdI(x))])表示,当处于最中间的频数所对应的距离值不止一个的时候,去
    这几个距离值中最小的一个值。

    3)计算阈值v,如下:


    通过结合公式(6)-(9),获得自适应阈值的PIF描绘子。

    (2)计算饱和度图像(S图像)Is(x)

    在饱和度图像Is(x)上获得局部纹理信息,图像饱和度Is计算如下:


    (3)计算局部纹理信息图像Itexture(x)

    结合公式(6)-(10),获得纹理图像Itexture(x),计算如下:


    Ω'(p)={q∈N(p):|Is(p)-Is(q)|>v}

    (4)获得局部纹理信息能量泛函


    和分别是图像Itexture(x)中初始化曲线C内部和外部的平均值。

    3.Hue-Texture-Embedded Region-Based Model(色度纹理嵌入的基于区域活动
    轮廓模型)和数值计算

    (1)模型建立

    结合公式(5)和(12)将全局颜色能量泛函和局部纹理信息能量泛函嵌入到基于区
    域的活动轮廓之中并添加规则化项,如下所示:


    λ1和λ2是大于0的常量。

    ER表示曲线C的长度是规则化项来避免初始化轮廓C的重新初始化,计算如下:

    ER=μ·Length(C) (14)

    (2)数值计算

    为了解决我们所提出的能量泛函E最小化问题,我们将在水平集框架下解决这一
    问题。在水平集框架下,我们将

    改成如下的能量泛函:



    其中,H是Sigmoid函数H1,ε(z),如下所示:


    由于这是一个无约束优化问题,所以可以通过分别对拟合4个变量
    和活动轮廓变量进行交替计算,如下所示,

    1)固定水平集轮廓函数,根据最小化能量函数E,如
    下:





    2)固定拟合变量根据水平集
    函数φ最小化能量函数E,如下:


    迭代计算出φn+1

    t≥0是一个人工时间变量,表示梯度下降方向,通常初始化水平集轮廓为φ0=φ
    (0),δ是一个平滑Dirac函数,其是H1,ε的导数,如下所示:


    综上所述,Hue-texture-embedded region-based model的主要计算步骤,如下所
    示:

    步骤1:初始化水平集函数φ0=φ0和n=0;

    步骤2:在H通道上获得带有全局颜色信息的图像IHue(x);

    步骤3:在S通道上通过自定义的PIF算子,获得带有局部纹理信息的图像Itexture
    (x);

    步骤4:通过公式(17)计算拟合变量


    步骤5:通过公式(18)和演化曲线φn,获得演化曲线φn+1;

    步骤6:检查是否满足条件停止条件(等式E达到最小值或者达到迭代次数)。如果
    不满足,n=n+1,返回到步骤4;

    步骤7:输出结果图像和φn。

    效果展示

    1、实验1

    1)挑选图像

    实验挑选了12张拥有同种NBI成像模型,染色效果和放大倍数,但是具有不同程度
    的颜色和纹理差异性的图像:

    2)实验结果

    表1

    方法
    AFm
    AFPR
    Our model
    0.61
    0.16
    C-V model
    0.52
    0.32

    AFm和AFPR用于评估分割结果的好坏,其中AFm值越大,效果越好;AFPR值越小,效
    果越好。AFm是平均F-measure值,综合表示分割结果的精确率和回召率,AFPR是平均FPR值,
    表示分割结果的错误率。

    从表中可以看成,我们的方法不论是错误率还是准确率均优于传统的基于区域的
    分割方法。表明我们的方法用于分割差异性NBI图像分割是一种有效的方法。

    2.实验2

    1)挑选图像

    实验2挑选5张不同模式,不同染色的图像,

    2)实验结果

    表2


    我们的方法同样能更好的适用于不同成像设置(不同染色,不同模式,不同放大倍
    数)的NBI差异性图像。

    (3)实验3

    1)挑选图像

    实验3,我们在图像数据库中,随机挑选了113张不同人和不同部位的NBI差异图
    像。

    2)实验结果

    表3


    实验3是为了证明我们的方法相对于传统的基于区域分割的方法而言,其定位医
    生感兴趣区域的能力更强。这些都能从表3中可以看出。

    在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示
    例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特
    点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不
    一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何
    的一个或多个实施例或示例中以合适的方式结合。

    尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不
    脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本
    发明的范围由权利要求及其等同物限定。

    关于本文
    本文标题:基于色度的颜色和空间不均匀的纹理差异双通道医学图像的分割方法.pdf
    链接地址://www.4mum.com.cn/p-6092999.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • ipad捕鱼大亨 最新一期的码报 美女捕鱼短视频教程 30选5开奖号码 彩世界安卓 江西快三中奖 天天棋牌游戏下载 高频彩导航 江西新时时彩历史数据 陕西快乐10分选号规律 股票涨跌原理和机制 快乐飞艇开奖 查今天p3试机号 怎么找赚钱软件那么多 辽宁快乐12稳赚技巧 不要钱的棋牌游戏