基于互补特征合成的医学图像自动标注
来源期刊:控制工程2017年第5期
论文作者:邱尚明 李冬睿 罗拥华
文章页码:1025 - 1031
关键词:图像匹配;特征提取;SURF;HOG;深度神经网络;
摘 要:针对图像匹配过程存在的精度较低问题,提出一种基于特征融合提取机制的医学图像深度神经网络自动匹配的方法,它可以非常有效地用于医学图像序列的识别和分类。首先,基于图像快速鲁棒特征(Speed Up Robust Feature,SURF)和梯度直方图特征(Histogram of Oriented Gradient,HOG)对图像进行预处理,并提出互补特征不确定性融合,形成主要描述形状和兴趣点两方面视觉感受的特征描述符;其次,基于深度神经网络分类器进行图像特征匹配,并针对深度神经网络隐藏层级较多,计算效率不高的问题,提出基于Hessian矩阵优化的改进深度神经网络,并应用于上述图像匹配过程。实验表明,该方法在数字医学图像匹配方面具有较高精度,可用来构造医学图像自动匹配系统。
邱尚明,李冬睿,罗拥华
广东农工商职业技术学院计算机系
摘 要:针对图像匹配过程存在的精度较低问题,提出一种基于特征融合提取机制的医学图像深度神经网络自动匹配的方法,它可以非常有效地用于医学图像序列的识别和分类。首先,基于图像快速鲁棒特征(Speed Up Robust Feature,SURF)和梯度直方图特征(Histogram of Oriented Gradient,HOG)对图像进行预处理,并提出互补特征不确定性融合,形成主要描述形状和兴趣点两方面视觉感受的特征描述符;其次,基于深度神经网络分类器进行图像特征匹配,并针对深度神经网络隐藏层级较多,计算效率不高的问题,提出基于Hessian矩阵优化的改进深度神经网络,并应用于上述图像匹配过程。实验表明,该方法在数字医学图像匹配方面具有较高精度,可用来构造医学图像自动匹配系统。
关键词:图像匹配;特征提取;SURF;HOG;深度神经网络;