Fisher准则下面向判别性特征的字典学习方法及其组织病理图像分类研究

• 作者: 张东波 张小刚 李骁 毛丽珍 汤红忠 王翔
• 来源期刊: 自动化学报
• 关键词: 组织病理图像 Fisher准则 字典学习 判别性特征
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 论文与报告
• 页码范围: 1842-1853
• 页数: 12页
• 字数: 8049字
• 语种: 中文
• DOI: 10.16383/j.aas.2017.c160814

摘要

针对当前面向组织病理图像特征提取的字典学习方法中存在着学习的无病字典与有病字典相似程度高,判别性弱的问题,本文提出一种新的面向判别性特征字典学习方法(Discriminative feature-oriented dictionary learning based on Fisher criterion,FCDFDL).该方法基于Fisher准则构造目标函数的惩罚项,最小化学习字典的类内距离与最大化学习字典的类间距离,大大降低无病字典与有病字典间的相似性.同时,优化学习字典对同类样本的重构性能,并约束学习字典对非同类样本的重构性能.然后,利用本文学习的无病与有病字典对测试样本进行稀疏表示,采用重构误差向量的统计量构造分类器.最后,分别在ADL数据集与BreaKHis数据集上验证了本文方法的有效性.实验结果表明,本文学习字典的判别性更强,获得了更优的分类性能.