基于迁移学习和卷积神经网络的MR图像特征匹配研究

• 作者: 何儒汉 姜海洋 胡新荣 陈佳
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 迁移学习 MR图像柔性生物组织形变
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 158-163,203
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.12.025

摘要

针对MR影像中非线性柔性生物组织内部特征匹配问题,提出一种基于迁移学习和卷积神经网络(CNN)的特征点匹配方法CNN+.采用DOG算子和Harris检测器,分别从柔性生物组织形变前后的MR图像中提取出特征点;采用Siamese网络结构,结合迁移学习得到预训练的CNN模型,对其进行微调,提升模型性能,并使用微调后的模型获得所提取出的特征点描述符;采用L2标准相似性度量进行计算图像相似性.通过现有的柔性生物组织MR图像数据集进行实验验证.结果表明,在分别基于SIFT、VGG16以及CNN+的特征描述和匹配方法中,该方法有较高的特征匹配准确率,性能均优于其他两种解决方案.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡新荣		20	35	4.0	5.0
2	陈佳		21	56	4.0	6.0
3	何儒汉		9	9	2.0	2.0
4	姜海洋		1	0	0.0	0.0