• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Journal of Medical Engineering >Hybrid Discrete Wavelet Transform and Gabor Filter Banks Processing for Features Extraction from Biomedical Images
【2h】

Hybrid Discrete Wavelet Transform and Gabor Filter Banks Processing for Features Extraction from Biomedical Images

机译：混合离散小波变换和Gabor滤波器组处理用于从生物医学图像中提取特征

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A new methodology for automatic feature extraction from biomedical images and subsequent classification is presented. The approach exploits the spatial orientation of high-frequency textural features of the processed image as determined by a two-step process. First, the two-dimensional discrete wavelet transform (DWT) is applied to obtain the HH high-frequency subband image. Then, a Gabor filter bank is applied to the latter at different frequencies and spatial orientations to obtain new Gabor-filtered image whose entropy and uniformity are computed. Finally, the obtained statistics are fed to a support vector machine (SVM) binary classifier. The approach was validated on mammograms, retina, and brain magnetic resonance (MR) images. The obtained classification accuracies show better performance in comparison to common approaches that use only the DWT or Gabor filter banks for feature extraction.
机译：提出了一种从生物医学图像中自动提取特征并进行后续分类的新方法。该方法利用了由两步过程确定的已处理图像的高频纹理特征的空间方向。首先，应用二维离散小波变换（DWT）获得HH高频子带图像。然后，将Gabor滤波器组以不同的频率和空间方向应用于后者，以获得新的经过Gabor滤波后的图像，该图像的熵和均匀度得到了计算。最后，将获得的统计信息馈入支持向量机（SVM）二进制分类器。该方法已在乳房X光照片，视网膜和脑磁共振（MR）图像上得到验证。与仅使用DWT或Gabor滤波器组进行特征提取的常规方法相比，获得的分类精度显示出更好的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号