资料下载
×
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。
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
- 相关下载
- 相关文章
