×

基于正则化鲁棒稀疏表示肿瘤细胞图像识别

消耗积分:1 | 格式:rar | 大小:0.91 MB | 2017-12-11

分享资料个

  针对胃黏膜肿瘤细胞图像的高维性及复杂性的特点,为了提高稀疏表示图像识别的鲁棒性,提出了一荆基于字典学习的正则化鲁棒稀疏表示(RRC)肿瘤细胞图像识别方法。该方法首先将所有的原始染色肿瘤细胞图像转化为灰度图像;然后利用具有Fisher判别约束的字典学习(FDDL)方法对肿瘤细胞图像训练样本的全局特征进有字典学习,得到具有类别标签的结构化字典;最后将具有判别性的新字典用于RRC模型进行分类识别。RRC模型是基于最大后验概率准则,将稀疏保真度表示为余项的最大后验概率函数,最终识别问题转化为求解正则化加权范塑的优化逼近问题。将提出的识别方法应用于肿瘤细胞图像的最高识别率为92. 4%,表明该方法能够有效地实现肿癌细胞图像的分类。

基于正则化鲁棒稀疏表示肿瘤细胞图像识别

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

评论(1)
发评论
S.ir 2017-12-17
0 回复 举报
不错的学习资料 收起回复

下载排行榜

全部1条评论

快来发表一下你的评论吧 !