基于LBP和极限学习机的脑部MR图像分类

• 作者: 何其佳 刘振丙 徐涛 蒋淑洁
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: MR图像 局部二值模式 极限学习机 图像分类 图像分块
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 86-93
• 页数: 8页
• 分类号: TP393
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.1.2016.282

摘要

为解决磁共振(magnetic resonance,MR)脑部图像来源不一以及病变位置和形态不固定造成MR脑部图像分类精度不高的问题,提出基于局部二值模式(local binary pattern,LBP)的纹理特征提取,并用极限学习机(extreme learning machine,ELM)对MR图像分类.计算图像感兴趣区域(region“interest,ROI)的掩码,将图像分成扇形的子区域,统计掩码坐标下各块子区域的LBP直方图,连接所有LBP直方图作为特征向量通过ELM进行分类.相比以前的方法,该方法能够计算颅脑内局部纹理特征,能分类来源不一以及多种病变的图像.对脑部MR图像分类进行试验,对所有样本分类正确率超过92％,正类样本正确率超过93％,负类样本正确率超过91％.试验结果表明,该方法能够对较为复杂的MR图像进行正确分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘振丙	桂林电子科技大学电子工程与自动化学院	40	122	7.0	9.0
2	蒋淑洁	桂林电子科技大学电子工程与自动化学院	4	33	4.0	4.0
3	何其佳	桂林电子科技大学电子工程与自动化学院	2	4	1.0	2.0
4	徐涛	桂林电子科技大学电子工程与自动化学院	1	4	1.0	1.0