• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于NSCT和SVM的腦MRI醫(yī)學(xué)圖像識(shí)別

    2014-06-30 18:04:42徐楠楠葛玉榮王佳奕
    現(xiàn)代電子技術(shù) 2014年12期
    關(guān)鍵詞:支持向量機(jī)

    徐楠楠 葛玉榮 王佳奕

    摘 要: 利用NSCT變換具有多尺度和平移不變性,能夠稀疏地表示紋理圖像的特點(diǎn),將具有豐富紋理信息的人體腦部核磁共振(MR)圖像,從空間域變換到頻率域表示。提取變換后表征圖像特性的低頻子帶均值、方差及高頻16個(gè)方向子帶能量作為特征向量,輸入SVM分類器進(jìn)行分類識(shí)別。實(shí)驗(yàn)結(jié)果表明該方法對(duì)非病變腦部MR圖像識(shí)別準(zhǔn)確率達(dá)到100%,病變腦部MR圖像的識(shí)別率達(dá)到90.90%,綜合識(shí)別率達(dá)到95.45%。且該方法提取的特征維數(shù)少,識(shí)別速度快,識(shí)別率高,能夠快速區(qū)分病變與非病變腦部MR圖像。

    關(guān)鍵詞: NSCT; 腦部MR圖像; 紋理特征; 支持向量機(jī)

    中圖分類號(hào): TN919?34; TP391.41 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào): 1004?373X(2014)12?0063?04

    Abstract: Using the characteristics of multi?scale selection and shift invariance of nonsubsampled contourlet transform (NSCT), the features of texture images can be depicted sparsely, and the magnetic resonance (MR) brain images with plenty of texture information can be converted from spatial domain to frequency domain. The mean value and variance of low?frequency subband, and energy of high frequency sixteen direction subbands that can feature the image characters are extracted as feature vectors, and sent into the classifier of support vector machine for classification and identification. The experimental results show that the method's recognition accuracy rate of normal and abnormal brain MR images is 100% and 90.90% respectively, and the mean recognition rate is up to 95.45%. This method can distinguish the normal and abnormal brain MR images quickly with less feature dimensions.

    Keywords: NSCT; MR brain images; texture feature; support vector machine

    0 引 言

    圖像紋理反映了圖像基元的灰度分布規(guī)律,它描述了圖像局部無(wú)規(guī)則而宏觀有規(guī)則的特征。將空間域的紋理圖像變換到頻率域,能在更精細(xì)的尺度上分析紋理,且符合人類的視覺特征,因此得到了廣泛的應(yīng)用。在醫(yī)學(xué)上,通過(guò)分析病變組織和器官醫(yī)學(xué)圖像的紋理結(jié)構(gòu)特征,可以為醫(yī)生在臨床診斷和制定治療方案以及觀察療后恢復(fù)情況等方面獲得科學(xué)的依據(jù)[1?2]。近年來(lái),針對(duì)醫(yī)學(xué)圖像在變換域提取紋理特征進(jìn)行病變圖像的識(shí)別,研究者做了大量的嘗試。Semler和Dettori使用從小波子帶中提取的平均值、方差、共生矩陣等統(tǒng)計(jì)特征作為紋理特征[3],對(duì)5種CT圖像進(jìn)行了分類研究,宋余慶等人用Gabor小波變換技術(shù)和SVM對(duì)醫(yī)學(xué)CT圖像進(jìn)行紋理特征分類,兩者使用特征向量維數(shù)較多,計(jì)算復(fù)雜且用時(shí)較長(zhǎng),識(shí)別的準(zhǔn)確率不高[4];Lee等使用基于M頻帶小波轉(zhuǎn)換和分形幾何的紋理特征來(lái)表征肝臟病變[5];Yeh等人用灰度共生矩陣和不可分小波變換進(jìn)行特征提取,用支持向量機(jī)作分類器,將肝臟纖維化進(jìn)行了分級(jí)[6],兩者雖相對(duì)減少了特征向量維數(shù),但由于小波變換只對(duì)輸入圖像進(jìn)行三個(gè)方向子帶的分解,限制了旋轉(zhuǎn)不變圖像的紋理特征分類效率。

    Do和Vetterli在2002年提出的Contourlet變換可以對(duì)圖像進(jìn)行多子帶、多方向的分解[7?8]。但在對(duì)圖像進(jìn)行Contourlet變換的過(guò)程中,需要對(duì)圖像進(jìn)行下采樣操作,從而使得Contourlet變換不具備平移不變性,導(dǎo)致圖像失真。為此Cunha[9]等又提出一種具有平移不變性的非下采樣Contourlet變換。該方法更適宜具有豐富紋理信息的醫(yī)學(xué)圖像的處理,近年來(lái)得到了廣泛的應(yīng)用。

    支持向量機(jī)(SVM,Support Vector Machine)是20世紀(jì)90年代Vapnik等人在統(tǒng)計(jì)學(xué)習(xí)理論框架下產(chǎn)生出的一種嶄新的通用機(jī)器學(xué)習(xí)方法[10?11]。由于該方法采用二次規(guī)劃尋優(yōu),因而可以得到全局最優(yōu)解,解決了神經(jīng)網(wǎng)絡(luò)中無(wú)法避免的局部極小問(wèn)題;由于采用了核函數(shù),使得算法復(fù)雜度與樣本維數(shù)無(wú)關(guān),因而在圖像分類識(shí)別領(lǐng)域具有非常好的推廣能力[12]。

    本文根據(jù)病變與非病變腦部MR圖像的差異,在對(duì)原圖像進(jìn)行NSCT變換分解后,分別提取低頻和高頻特征,并對(duì)特征向量分析、優(yōu)化,最終選取低頻子帶均值、方差和最高頻16個(gè)方向子帶的能量組成特征向量組,用支持向量機(jī)的方法進(jìn)行分類識(shí)別,自動(dòng)、快速區(qū)分病變和非病變腦部MR圖像。

    1 紋理特征提取

    非下采樣Contourlet變換(NSCT)是在Contourlet變換的基礎(chǔ)上發(fā)展起來(lái)的一種新的多尺度、多方向變換,解決了Contourlet變換因下采樣而不滿足平移不變性和頻譜泄漏及頻譜混疊等缺陷,在圖像表示上能更好地表現(xiàn)圖像的細(xì)節(jié)特征。

    非下采樣Contourlet變換由非下采樣金字塔(Nonsubsampled Pyramid,NSP)和非下采樣方向?yàn)V波器(Nonsubsampled Directional Filter Banks,NSDFB)兩個(gè)具有平移不變性的部分組成。首先由非下采樣金字塔濾波器將圖像分解為低頻和高頻部分,由于不存在下采樣過(guò)程,因此具有平移不變性。再由非下采樣方向?yàn)V波器將高頻部分分解為若干個(gè)方向,如圖1所示。對(duì)圖像進(jìn)行NSP分解時(shí)若給定NSDFB的分解級(jí)數(shù)的系數(shù)為[l],則NSDFB分解的級(jí)數(shù)為[2l],即可得到[2l]個(gè)方向圖像。因此經(jīng)[j]級(jí)NSCT分解后可得到[1+j=1J2lj]個(gè)子帶圖像。其中為[lj]尺度[j]下的方向分解級(jí)數(shù),分解后各級(jí)圖像大小與源圖像相同[13]。

    核磁共振(Magnetic Resonance,MR)成像利用射頻(RF)電磁波對(duì)置于磁場(chǎng)中的含有自旋不變?yōu)榱愕脑雍说奈镔|(zhì)進(jìn)行激發(fā),用感應(yīng)線圈采集磁共振信號(hào),經(jīng)計(jì)算機(jī)處理重建后形成一種數(shù)字圖像。因?yàn)镸R圖像通過(guò)人體器官中不同組織反映出的不同信號(hào)強(qiáng)度變化,來(lái)體現(xiàn)組織器官之間、正常組織和病理組織之間圖像明暗的對(duì)比,軟組織間具有高的對(duì)比度和分辨率等特點(diǎn)[14]。因此,對(duì)MR圖像來(lái)說(shuō),圖像的灰度對(duì)比度、均勻度、紋理的深淺程度和粗細(xì)度,是區(qū)分病變與非病變圖像的重要特征。均值反映圖像灰度值的分散程度,方差是灰度對(duì)比度的量度,表達(dá)了灰度值相對(duì)于均值的分布情況,可反映圖像中紋理的深淺程度。方差越大,則灰度級(jí)分布越分散,圖像反差大,對(duì)比度大;方差小,則圖像反差小,對(duì)比度小。能量是系數(shù)矩陣各元素的平方和,是圖像紋理灰度變化均一的度量,反映了灰度圖像紋理變化的均勻程度和紋理的粗細(xì)度。因此,可提取均值、方差和能量來(lái)表征MR圖像。

    NSCT變換將圖像分解為低頻子帶和高頻子帶。本文提取分解后低頻子帶均值、方差和能量,高頻子帶的能量作為特征向量。特征向量的維數(shù)取決于NSCT變換所取的變換層數(shù)和方向數(shù)。

    均值[μ]和方差[σ]計(jì)算表示為:

    [μ=1M×Nx=1My=1NP(x,y)] (1)

    [δ=1M×Nx=1My=1N(P(x,y)-μ)2] (2)

    能量的計(jì)算表示為:

    [E=x=1My=1NP(x,y)2] (3)

    式中[P(x,y)]為大小為[M×N]的子帶系數(shù)矩陣中坐標(biāo)為[(x,y)]的分解系數(shù)。

    提取低頻子帶的能量、均值和方差以及各高頻子帶能量組成特征向量f=[el,μ,σ,eh1,eh2,…,ehn]。其中n為子帶數(shù)。為了均衡各特征分量在特征向量中的比重,對(duì)特征向量做歸一化處理:

    [fnormal=f-min(f)max(f)-min(f)] (4)

    2 紋理識(shí)別方法?支持向量機(jī)

    SVM是從線性可分情況下的最優(yōu)分類面發(fā)展而來(lái)的,圖2所示為二維兩類線性可分情況,圖中實(shí)心點(diǎn)和空心點(diǎn)分別代表兩類樣本,H為分類線,H1,H2分別為過(guò)兩類樣本中中離分類線最近的樣本且平行于H的直線,它們之間的距離稱為分類間隔(margin)。所謂最優(yōu)分類線不但能將兩類正確分開(訓(xùn)練錯(cuò)誤率為0),而且使樣本分類間隔最大。

    要求兩類訓(xùn)練樣本正確分開就是保證經(jīng)驗(yàn)風(fēng)險(xiǎn)最?。?),使分類間隔最大也就是使推廣性界中的置信范圍最小,從而使真實(shí)風(fēng)險(xiǎn)最小[15]。

    支持向量機(jī)對(duì)紋理特征進(jìn)行分類識(shí)別時(shí),核函數(shù)起著重要的作用,實(shí)驗(yàn)表明,核函數(shù)的構(gòu)造與選擇可以提升分類器的分類性能。目前研究中常用的核函數(shù)有:

    (1) 線性核函數(shù)

    [K(x,xi)=(x?xi)] (5)

    (2) 多項(xiàng)式核函數(shù)(高斯核函數(shù)):

    [K(x,xi)=[(x,xi)+1]q] (6)

    式中[q]是多項(xiàng)式的階次。

    (3) 徑向基核函數(shù)(RBF核函數(shù))

    [K(x,xi)=exp{-x-xi2σ2}] (7)

    (4) Sigmoid核函數(shù):

    [K(x,xi)=tanh(v(x?xi)+c)] (8)

    此外還有其他形式的核函數(shù),如樣條核函數(shù)、傅里葉級(jí)數(shù)核函數(shù)、小波核函數(shù)、張量積核函數(shù)等。徑向基核函數(shù)對(duì)數(shù)據(jù)的描述能力較強(qiáng),可以得到很好的分類效果,因此本文選擇徑向基核函數(shù)作為SVM分類器的核函數(shù)。

    3 仿真實(shí)驗(yàn)

    實(shí)驗(yàn)使用的圖像是青島大學(xué)醫(yī)學(xué)院附屬醫(yī)院放射影像科提供的腦部MR圖像。每幅圖像大小均為512×512。采集200幅正常腦部MR圖像和200幅異常腦部MR圖像,共400幅,構(gòu)成醫(yī)學(xué)圖像庫(kù)。實(shí)驗(yàn)中,用

    9?7濾波器將圖像進(jìn)行分解,分解尺度為4級(jí),分解層數(shù)為[1,2,3,4],則4個(gè)尺度的子帶數(shù)分別為2,4,8,16。方向?yàn)V波器組DBF選用‘pkva。

    3.1 提取的特征向量仿真分析

    隨機(jī)選取10幅非病變和10幅病變腦部MR圖像,如圖3和圖4所示。提取圖3和圖4中的20幅圖像經(jīng)NSCT變換后低頻子帶的均值、方差和能量,如圖5所示。由圖5可以看出,每幅圖像經(jīng)NSCT變換后低頻子帶的均值、方差和能量差別較大,可用來(lái)區(qū)分不同的圖像。因此選取低頻子帶的均值、方差和能量作為特征向量。

    從圖3中任意選取兩幅非病變腦部MR圖像,從圖4中選取一幅病變腦部MR圖像,提取各圖像經(jīng)NSCT變換后各高頻子帶的能量,圖6為兩幅非病變圖像經(jīng)NSCT變換分解后的高頻子帶系數(shù)能量分布圖。圖7為非病變MR圖像和病變MR圖像經(jīng)NSCT變換分解后的各高頻子帶系數(shù)能量分布圖,共2+4+8+16=30維。

    由圖6和圖7可以看出,兩幅非病變腦部MR圖像經(jīng)NSCT變換后各高頻子帶系數(shù)能量相差不大,而非病變和病變腦部MR圖像各高頻子帶系數(shù)能量相差較大,因此提取NSCT變換后各高頻子帶系數(shù)能量作為特征向量可以有效地區(qū)分非病變和病變腦部MR圖像。

    3.2 圖像的仿真識(shí)別

    選取建立的醫(yī)學(xué)圖像庫(kù)中的90幅正常圖像和90幅異常圖像共180幅作為訓(xùn)練樣本。110幅正常圖像和110幅異常圖像共220幅作為測(cè)試樣本。提取低頻子帶均值、方差和能量及各高頻子帶能量組成33維的特征向量組,歸一化后輸入識(shí)別系統(tǒng)進(jìn)行分類識(shí)別。結(jié)果見表1。

    4 結(jié) 語(yǔ)

    本文針對(duì)紋理信息較豐富的腦部MR圖像,分別提取NSCT分解后低頻子帶系數(shù)的均值和方差及高頻子帶最高層系數(shù)的能量組成特征向量組,用SVM方法進(jìn)行分類識(shí)別,確定病變腦部MR圖像。實(shí)驗(yàn)結(jié)果表明,所提取的特征能較準(zhǔn)確的表示腦部MR圖像的紋理特征,識(shí)別準(zhǔn)確率較高,從而為醫(yī)生初步進(jìn)行快速腦疾病診斷提供了依據(jù)。

    參考文獻(xiàn)

    [1] PENG S H, KIM D H, LEE S L, et al. Texture feature extraction based on a uniformity estimation method for local brightness and structure in chest CT image [J]. Computers in Biology and Medicine, 2010, 40(11/22): 931?939.

    [2] PEREIRA W, ALVARENGA A, INFANTOSI A. A non?linear morphometric feature selection approach for breast tumor contour from ultrasonic images [J]. Computers in Biology and Medicine 2010, 40(11/12): 912?918.

    [3] SEMLER L, DETTORI L, FURST J. Wavelet?based texture classification of tissues in computed tomography [C]// Proceedings of 18th IEEE Symposium on Computer Based Medical Systems. [S.l.]: IEEE, 2005: 265?270.

    [4] 宋余慶,劉博,謝軍.基于Gabor小波變換的醫(yī)學(xué)圖像紋理特征分類[J].計(jì)算機(jī)工程,2010,36(11):200?202.

    [5] LEE W, CHEN Y, HSIEH K. Ultrasonic liver tissues classification by fractal feature vector based on M?Band wavelet transform [J]. IEEE Transactions on Medical Imaging, 2003, 22 (3): 382?392.

    [6] YE Wen?chun, HUANG Sheng?wen, LI pai?chi. Liver fibrosis grade classification with B?mode ultrasound [J]. Ultrasound in Medicine& Biology, 2003, 29(9): 1229?1235.

    [7] DO M N, VETTERLI M. Contourlets:a directional multiresolution image representation[C]// Proceeding of IEEE International Conference on Image Processing. [S.l.]: IEEE, 2002, 1: 357?360.

    [8] DO M N, VETTERLI M. The contourlet transform: an efficient directional multiresolution image representation [J]. IEEE Transactions on Image Processing, 2005, 14(12): 2091?2106.

    [9] CUNHA A L, ZHOU Jiang?ping, DO M N. The nonsubsampled contourlet transform: theory, design, and application [J]. IEEE transactions on Image Processing, 2006, 15(10): 3089?3101.

    [10] [英] CRISTIANINI Nello.支持向量機(jī)導(dǎo)論[M].李國(guó)正,譯.北京:電子工業(yè)出版社,2004.

    [11] KIM K I, JUNG K, KIM J H. Texture?based approach for text detection in images using support vector machine and continuously adaptive mean shift algorithm [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003, 25(12): 1631?1639.

    [12] KIM K I, JUNG K, PARK S H, et al. Support vector machine for texture classification [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002, 24(11): 1542?1550.

    [13] 李希寧.基于多尺度幾何分析的圖像融合算法研究[D].青島:中國(guó)海洋大學(xué),2010.

    [14] 車娜.基于偏移場(chǎng)的核磁共振腦圖像分割算法研究[D].長(zhǎng)春:吉林大學(xué),2013.

    [15] 王佳奕.基于Contourlet變換和支持向量機(jī)的紋理識(shí)別方法[J].計(jì)算機(jī)應(yīng)用,2012,33(3):677?679.

    3.2 圖像的仿真識(shí)別

    選取建立的醫(yī)學(xué)圖像庫(kù)中的90幅正常圖像和90幅異常圖像共180幅作為訓(xùn)練樣本。110幅正常圖像和110幅異常圖像共220幅作為測(cè)試樣本。提取低頻子帶均值、方差和能量及各高頻子帶能量組成33維的特征向量組,歸一化后輸入識(shí)別系統(tǒng)進(jìn)行分類識(shí)別。結(jié)果見表1。

    4 結(jié) 語(yǔ)

    本文針對(duì)紋理信息較豐富的腦部MR圖像,分別提取NSCT分解后低頻子帶系數(shù)的均值和方差及高頻子帶最高層系數(shù)的能量組成特征向量組,用SVM方法進(jìn)行分類識(shí)別,確定病變腦部MR圖像。實(shí)驗(yàn)結(jié)果表明,所提取的特征能較準(zhǔn)確的表示腦部MR圖像的紋理特征,識(shí)別準(zhǔn)確率較高,從而為醫(yī)生初步進(jìn)行快速腦疾病診斷提供了依據(jù)。

    參考文獻(xiàn)

    [1] PENG S H, KIM D H, LEE S L, et al. Texture feature extraction based on a uniformity estimation method for local brightness and structure in chest CT image [J]. Computers in Biology and Medicine, 2010, 40(11/22): 931?939.

    [2] PEREIRA W, ALVARENGA A, INFANTOSI A. A non?linear morphometric feature selection approach for breast tumor contour from ultrasonic images [J]. Computers in Biology and Medicine 2010, 40(11/12): 912?918.

    [3] SEMLER L, DETTORI L, FURST J. Wavelet?based texture classification of tissues in computed tomography [C]// Proceedings of 18th IEEE Symposium on Computer Based Medical Systems. [S.l.]: IEEE, 2005: 265?270.

    [4] 宋余慶,劉博,謝軍.基于Gabor小波變換的醫(yī)學(xué)圖像紋理特征分類[J].計(jì)算機(jī)工程,2010,36(11):200?202.

    [5] LEE W, CHEN Y, HSIEH K. Ultrasonic liver tissues classification by fractal feature vector based on M?Band wavelet transform [J]. IEEE Transactions on Medical Imaging, 2003, 22 (3): 382?392.

    [6] YE Wen?chun, HUANG Sheng?wen, LI pai?chi. Liver fibrosis grade classification with B?mode ultrasound [J]. Ultrasound in Medicine& Biology, 2003, 29(9): 1229?1235.

    [7] DO M N, VETTERLI M. Contourlets:a directional multiresolution image representation[C]// Proceeding of IEEE International Conference on Image Processing. [S.l.]: IEEE, 2002, 1: 357?360.

    [8] DO M N, VETTERLI M. The contourlet transform: an efficient directional multiresolution image representation [J]. IEEE Transactions on Image Processing, 2005, 14(12): 2091?2106.

    [9] CUNHA A L, ZHOU Jiang?ping, DO M N. The nonsubsampled contourlet transform: theory, design, and application [J]. IEEE transactions on Image Processing, 2006, 15(10): 3089?3101.

    [10] [英] CRISTIANINI Nello.支持向量機(jī)導(dǎo)論[M].李國(guó)正,譯.北京:電子工業(yè)出版社,2004.

    [11] KIM K I, JUNG K, KIM J H. Texture?based approach for text detection in images using support vector machine and continuously adaptive mean shift algorithm [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003, 25(12): 1631?1639.

    [12] KIM K I, JUNG K, PARK S H, et al. Support vector machine for texture classification [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002, 24(11): 1542?1550.

    [13] 李希寧.基于多尺度幾何分析的圖像融合算法研究[D].青島:中國(guó)海洋大學(xué),2010.

    [14] 車娜.基于偏移場(chǎng)的核磁共振腦圖像分割算法研究[D].長(zhǎng)春:吉林大學(xué),2013.

    [15] 王佳奕.基于Contourlet變換和支持向量機(jī)的紋理識(shí)別方法[J].計(jì)算機(jī)應(yīng)用,2012,33(3):677?679.

    3.2 圖像的仿真識(shí)別

    選取建立的醫(yī)學(xué)圖像庫(kù)中的90幅正常圖像和90幅異常圖像共180幅作為訓(xùn)練樣本。110幅正常圖像和110幅異常圖像共220幅作為測(cè)試樣本。提取低頻子帶均值、方差和能量及各高頻子帶能量組成33維的特征向量組,歸一化后輸入識(shí)別系統(tǒng)進(jìn)行分類識(shí)別。結(jié)果見表1。

    4 結(jié) 語(yǔ)

    本文針對(duì)紋理信息較豐富的腦部MR圖像,分別提取NSCT分解后低頻子帶系數(shù)的均值和方差及高頻子帶最高層系數(shù)的能量組成特征向量組,用SVM方法進(jìn)行分類識(shí)別,確定病變腦部MR圖像。實(shí)驗(yàn)結(jié)果表明,所提取的特征能較準(zhǔn)確的表示腦部MR圖像的紋理特征,識(shí)別準(zhǔn)確率較高,從而為醫(yī)生初步進(jìn)行快速腦疾病診斷提供了依據(jù)。

    參考文獻(xiàn)

    [1] PENG S H, KIM D H, LEE S L, et al. Texture feature extraction based on a uniformity estimation method for local brightness and structure in chest CT image [J]. Computers in Biology and Medicine, 2010, 40(11/22): 931?939.

    [2] PEREIRA W, ALVARENGA A, INFANTOSI A. A non?linear morphometric feature selection approach for breast tumor contour from ultrasonic images [J]. Computers in Biology and Medicine 2010, 40(11/12): 912?918.

    [3] SEMLER L, DETTORI L, FURST J. Wavelet?based texture classification of tissues in computed tomography [C]// Proceedings of 18th IEEE Symposium on Computer Based Medical Systems. [S.l.]: IEEE, 2005: 265?270.

    [4] 宋余慶,劉博,謝軍.基于Gabor小波變換的醫(yī)學(xué)圖像紋理特征分類[J].計(jì)算機(jī)工程,2010,36(11):200?202.

    [5] LEE W, CHEN Y, HSIEH K. Ultrasonic liver tissues classification by fractal feature vector based on M?Band wavelet transform [J]. IEEE Transactions on Medical Imaging, 2003, 22 (3): 382?392.

    [6] YE Wen?chun, HUANG Sheng?wen, LI pai?chi. Liver fibrosis grade classification with B?mode ultrasound [J]. Ultrasound in Medicine& Biology, 2003, 29(9): 1229?1235.

    [7] DO M N, VETTERLI M. Contourlets:a directional multiresolution image representation[C]// Proceeding of IEEE International Conference on Image Processing. [S.l.]: IEEE, 2002, 1: 357?360.

    [8] DO M N, VETTERLI M. The contourlet transform: an efficient directional multiresolution image representation [J]. IEEE Transactions on Image Processing, 2005, 14(12): 2091?2106.

    [9] CUNHA A L, ZHOU Jiang?ping, DO M N. The nonsubsampled contourlet transform: theory, design, and application [J]. IEEE transactions on Image Processing, 2006, 15(10): 3089?3101.

    [10] [英] CRISTIANINI Nello.支持向量機(jī)導(dǎo)論[M].李國(guó)正,譯.北京:電子工業(yè)出版社,2004.

    [11] KIM K I, JUNG K, KIM J H. Texture?based approach for text detection in images using support vector machine and continuously adaptive mean shift algorithm [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003, 25(12): 1631?1639.

    [12] KIM K I, JUNG K, PARK S H, et al. Support vector machine for texture classification [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002, 24(11): 1542?1550.

    [13] 李希寧.基于多尺度幾何分析的圖像融合算法研究[D].青島:中國(guó)海洋大學(xué),2010.

    [14] 車娜.基于偏移場(chǎng)的核磁共振腦圖像分割算法研究[D].長(zhǎng)春:吉林大學(xué),2013.

    [15] 王佳奕.基于Contourlet變換和支持向量機(jī)的紋理識(shí)別方法[J].計(jì)算機(jī)應(yīng)用,2012,33(3):677?679.

    猜你喜歡
    支持向量機(jī)
    基于支持向量回歸機(jī)的電能質(zhì)量評(píng)估
    基于智能優(yōu)化算法選擇特征的網(wǎng)絡(luò)入侵檢測(cè)
    數(shù)據(jù)挖掘技術(shù)在電廠經(jīng)濟(jì)性分析系統(tǒng)中的應(yīng)用Q
    基于改進(jìn)支持向量機(jī)的船舶縱搖預(yù)報(bào)模型
    基于SVM的煙草銷售量預(yù)測(cè)
    動(dòng)態(tài)場(chǎng)景中的視覺目標(biāo)識(shí)別方法分析
    論提高裝備故障預(yù)測(cè)準(zhǔn)確度的方法途徑
    基于熵技術(shù)的公共事業(yè)費(fèi)最優(yōu)組合預(yù)測(cè)
    基于支持向量機(jī)的金融數(shù)據(jù)分析研究
    管理類研究生支持向量機(jī)預(yù)測(cè)決策實(shí)驗(yàn)教學(xué)研究
    考試周刊(2016年53期)2016-07-15 09:08:21
    av免费观看日本| 97在线视频观看| 国产成人免费观看mmmm| 中文字幕人妻熟女乱码| 美女中出高潮动态图| 欧美少妇被猛烈插入视频| 少妇被粗大猛烈的视频| 极品人妻少妇av视频| 国产麻豆69| 日韩中字成人| 日日摸夜夜添夜夜爱| 亚洲五月色婷婷综合| 青春草视频在线免费观看| 欧美激情高清一区二区三区 | 久久精品久久久久久噜噜老黄| 黑人猛操日本美女一级片| 又黄又粗又硬又大视频| 久久国产精品男人的天堂亚洲| 国产免费现黄频在线看| av片东京热男人的天堂| 99久久精品国产国产毛片| 老熟女久久久| 免费女性裸体啪啪无遮挡网站| 日韩伦理黄色片| 日本爱情动作片www.在线观看| 热re99久久精品国产66热6| 考比视频在线观看| 午夜福利网站1000一区二区三区| 欧美中文综合在线视频| 久久人人爽人人片av| 久久婷婷青草| 人妻 亚洲 视频| 黄色配什么色好看| 久久精品亚洲av国产电影网| 最近最新中文字幕免费大全7| 性色avwww在线观看| 亚洲国产精品国产精品| 大陆偷拍与自拍| 久久精品久久久久久噜噜老黄| 亚洲色图综合在线观看| 亚洲精品一区蜜桃| 叶爱在线成人免费视频播放| 精品久久蜜臀av无| 午夜老司机福利剧场| 韩国精品一区二区三区| 香蕉丝袜av| 成人国产av品久久久| 久久精品夜色国产| 国产成人一区二区在线| 久久精品久久久久久噜噜老黄| 国产av国产精品国产| 国产一级毛片在线| 精品人妻熟女毛片av久久网站| 久久99蜜桃精品久久| 制服人妻中文乱码| 韩国av在线不卡| 日韩视频在线欧美| 汤姆久久久久久久影院中文字幕| 国产一区二区 视频在线| 欧美成人午夜精品| 黄色配什么色好看| 成人国语在线视频| 99久国产av精品国产电影| 免费黄频网站在线观看国产| 黄频高清免费视频| 97在线视频观看| 亚洲精品第二区| 亚洲av日韩在线播放| 一区二区av电影网| 我要看黄色一级片免费的| 免费黄频网站在线观看国产| 中文天堂在线官网| 国产日韩一区二区三区精品不卡| 欧美成人午夜精品| 女性生殖器流出的白浆| 一本色道久久久久久精品综合| 亚洲综合精品二区| 精品人妻在线不人妻| 日韩一本色道免费dvd| 中文字幕色久视频| 9热在线视频观看99| 秋霞伦理黄片| 婷婷色麻豆天堂久久| 国产精品一区二区在线不卡| 婷婷成人精品国产| 欧美最新免费一区二区三区| 国产男人的电影天堂91| 国产黄色视频一区二区在线观看| 在线精品无人区一区二区三| 亚洲国产av影院在线观看| 9191精品国产免费久久| 日韩精品免费视频一区二区三区| 大香蕉久久成人网| 最近中文字幕高清免费大全6| 午夜精品国产一区二区电影| 欧美xxⅹ黑人| 久久午夜综合久久蜜桃| 如何舔出高潮| 国产高清不卡午夜福利| 日本猛色少妇xxxxx猛交久久| 777久久人妻少妇嫩草av网站| av视频免费观看在线观看| 国产极品天堂在线| 热re99久久国产66热| 高清在线视频一区二区三区| 日韩人妻精品一区2区三区| 久久久久人妻精品一区果冻| 免费黄网站久久成人精品| 成人亚洲欧美一区二区av| 欧美日韩精品成人综合77777| 夫妻午夜视频| 午夜av观看不卡| 最近中文字幕高清免费大全6| 国产精品女同一区二区软件| av不卡在线播放| 亚洲精品中文字幕在线视频| 久久这里有精品视频免费| 精品酒店卫生间| 母亲3免费完整高清在线观看 | 国产综合精华液| 男人爽女人下面视频在线观看| 亚洲av在线观看美女高潮| 亚洲国产看品久久| 亚洲经典国产精华液单| 久久久久久久久久久久大奶| 亚洲欧洲国产日韩| 日韩大片免费观看网站| 最近中文字幕高清免费大全6| 色婷婷久久久亚洲欧美| 蜜桃国产av成人99| 亚洲欧美色中文字幕在线| 国产一区二区三区综合在线观看| 国产成人精品久久二区二区91 | 肉色欧美久久久久久久蜜桃| 波多野结衣一区麻豆| 丰满乱子伦码专区| 欧美人与性动交α欧美软件| 一边摸一边做爽爽视频免费| 成人免费观看视频高清| 色哟哟·www| 日韩中文字幕欧美一区二区 | 亚洲第一青青草原| 边亲边吃奶的免费视频| 免费在线观看黄色视频的| 大码成人一级视频| 9色porny在线观看| 天天躁日日躁夜夜躁夜夜| 精品亚洲成国产av| freevideosex欧美| 精品久久久精品久久久| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 夜夜骑夜夜射夜夜干| 日韩视频在线欧美| 国产国语露脸激情在线看| 中文字幕精品免费在线观看视频| 久久久久精品人妻al黑| 99久久中文字幕三级久久日本| 亚洲欧美中文字幕日韩二区| 伦理电影大哥的女人| 亚洲一级一片aⅴ在线观看| 国产精品久久久久久精品电影小说| 免费在线观看完整版高清| 日韩精品有码人妻一区| 一级黄片播放器| 看免费成人av毛片| √禁漫天堂资源中文www| 蜜桃国产av成人99| 一级片免费观看大全| 综合色丁香网| 国产淫语在线视频| 少妇人妻 视频| 免费日韩欧美在线观看| 国产精品.久久久| 一边亲一边摸免费视频| 日韩制服丝袜自拍偷拍| 丝袜人妻中文字幕| 不卡av一区二区三区| 热99久久久久精品小说推荐| 成人国产av品久久久| 老女人水多毛片| 日韩av不卡免费在线播放| 亚洲 欧美一区二区三区| av在线老鸭窝| 69精品国产乱码久久久| 丝袜脚勾引网站| 精品少妇黑人巨大在线播放| 啦啦啦在线观看免费高清www| 国产日韩欧美视频二区| 亚洲经典国产精华液单| 黄片播放在线免费| h视频一区二区三区| 观看av在线不卡| 我要看黄色一级片免费的| 国产精品不卡视频一区二区| 各种免费的搞黄视频| 三级国产精品片| 色网站视频免费| 午夜91福利影院| 国产色婷婷99| 国产精品秋霞免费鲁丝片| 国产精品99久久99久久久不卡 | 一区二区av电影网| 亚洲精品在线美女| 久久久久久久久久久久大奶| 毛片一级片免费看久久久久| 欧美+日韩+精品| 桃花免费在线播放| 女的被弄到高潮叫床怎么办| 亚洲精品自拍成人| 超碰成人久久| 午夜福利在线免费观看网站| 亚洲情色 制服丝袜| 涩涩av久久男人的天堂| 边亲边吃奶的免费视频| 少妇人妻久久综合中文| 午夜免费鲁丝| 韩国高清视频一区二区三区| 人妻 亚洲 视频| 免费高清在线观看日韩| 搡老乐熟女国产| av在线app专区| 大陆偷拍与自拍| 电影成人av| 黄片小视频在线播放| 人人妻人人澡人人爽人人夜夜| 国产免费福利视频在线观看| 亚洲av成人精品一二三区| 国产97色在线日韩免费| 国产精品国产三级国产专区5o| 大陆偷拍与自拍| 亚洲国产精品一区三区| 日韩欧美一区视频在线观看| 最近最新中文字幕免费大全7| 亚洲精品在线美女| 老鸭窝网址在线观看| 最黄视频免费看| 国产精品一区二区在线观看99| 男人操女人黄网站| 制服人妻中文乱码| 麻豆精品久久久久久蜜桃| 人妻 亚洲 视频| 美女大奶头黄色视频| 国产精品免费大片| 欧美日韩av久久| 美女中出高潮动态图| 欧美激情高清一区二区三区 | 欧美日韩成人在线一区二区| 国产亚洲最大av| av女优亚洲男人天堂| 亚洲少妇的诱惑av| 最近中文字幕2019免费版| 日韩精品有码人妻一区| 少妇猛男粗大的猛烈进出视频| 国产亚洲一区二区精品| 亚洲人成网站在线观看播放| 亚洲精品自拍成人| 黄色怎么调成土黄色| 黄色 视频免费看| 日本黄色日本黄色录像| 两性夫妻黄色片| 国产日韩一区二区三区精品不卡| 天堂俺去俺来也www色官网| 午夜福利,免费看| 国产黄频视频在线观看| 两个人看的免费小视频| 日韩一区二区三区影片| 久久久久精品人妻al黑| 国产极品粉嫩免费观看在线| 美女福利国产在线| 涩涩av久久男人的天堂| 久久精品国产亚洲av高清一级| 一边亲一边摸免费视频| 天堂俺去俺来也www色官网| 熟女av电影| 人人妻人人澡人人看| 免费观看无遮挡的男女| 在线观看一区二区三区激情| 中文字幕人妻丝袜制服| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 熟女av电影| 欧美精品一区二区大全| 十分钟在线观看高清视频www| 王馨瑶露胸无遮挡在线观看| 亚洲欧美精品综合一区二区三区 | 尾随美女入室| 青草久久国产| 一区二区三区四区激情视频| 三上悠亚av全集在线观看| 黑丝袜美女国产一区| 大码成人一级视频| 五月天丁香电影| 热99久久久久精品小说推荐| 制服诱惑二区| 美女福利国产在线| 欧美精品高潮呻吟av久久| 精品福利永久在线观看| 制服人妻中文乱码| 国产精品蜜桃在线观看| 国产精品av久久久久免费| 欧美另类一区| 亚洲精品成人av观看孕妇| 精品少妇黑人巨大在线播放| 人人澡人人妻人| 一区二区日韩欧美中文字幕| 国产亚洲欧美精品永久| 青春草视频在线免费观看| av免费在线看不卡| 国产野战对白在线观看| 日韩大片免费观看网站| 久久久a久久爽久久v久久| 日韩精品有码人妻一区| 免费黄网站久久成人精品| 男人操女人黄网站| 欧美 日韩 精品 国产| 午夜日本视频在线| 狂野欧美激情性bbbbbb| 亚洲精品视频女| 老司机影院成人| 香蕉丝袜av| 精品卡一卡二卡四卡免费| 成年人免费黄色播放视频| 搡老乐熟女国产| 80岁老熟妇乱子伦牲交| 高清av免费在线| 国产一区有黄有色的免费视频| 日韩不卡一区二区三区视频在线| 三上悠亚av全集在线观看| 制服诱惑二区| 欧美 日韩 精品 国产| 两性夫妻黄色片| 国产乱来视频区| 欧美精品人与动牲交sv欧美| 国产精品免费视频内射| 亚洲精品久久久久久婷婷小说| 欧美日韩精品网址| 日韩人妻精品一区2区三区| 国产片特级美女逼逼视频| 免费观看av网站的网址| www日本在线高清视频| 国产熟女欧美一区二区| 如何舔出高潮| 在线观看免费日韩欧美大片| 国产精品久久久久久精品古装| freevideosex欧美| 一区二区三区激情视频| 成人手机av| 建设人人有责人人尽责人人享有的| 久久久亚洲精品成人影院| 在线 av 中文字幕| 永久免费av网站大全| 欧美 亚洲 国产 日韩一| 精品少妇黑人巨大在线播放| 性少妇av在线| 午夜福利影视在线免费观看| 久久婷婷青草| 成人手机av| 99久久综合免费| 美女午夜性视频免费| 超色免费av| 人人妻人人添人人爽欧美一区卜| 自线自在国产av| 久久精品国产亚洲av高清一级| 午夜免费鲁丝| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲一区二区三区欧美精品| 啦啦啦中文免费视频观看日本| 青春草视频在线免费观看| 国产精品偷伦视频观看了| 中文字幕精品免费在线观看视频| 秋霞伦理黄片| 搡女人真爽免费视频火全软件| 国产精品99久久99久久久不卡 | 国产高清不卡午夜福利| 欧美另类一区| 十八禁高潮呻吟视频| 超色免费av| 亚洲四区av| 国产一区二区三区综合在线观看| 免费不卡的大黄色大毛片视频在线观看| 亚洲精品一区蜜桃| 久久久精品国产亚洲av高清涩受| 91成人精品电影| 亚洲成国产人片在线观看| 在线观看一区二区三区激情| 男女边吃奶边做爰视频| 熟女av电影| 我的亚洲天堂| 黄色配什么色好看| 欧美日韩国产mv在线观看视频| 国产精品一区二区在线观看99| 午夜91福利影院| 香蕉丝袜av| 国产精品熟女久久久久浪| 久久99一区二区三区| 人妻少妇偷人精品九色| 只有这里有精品99| 亚洲国产欧美日韩在线播放| 成人国产麻豆网| 十八禁高潮呻吟视频| 色吧在线观看| 男人添女人高潮全过程视频| 成人影院久久| 中文字幕人妻丝袜一区二区 | 亚洲成人一二三区av| 观看av在线不卡| 自线自在国产av| 国产成人91sexporn| 波多野结衣av一区二区av| 中文字幕色久视频| 少妇的逼水好多| 黑人欧美特级aaaaaa片| 国产精品.久久久| 午夜91福利影院| 肉色欧美久久久久久久蜜桃| 97人妻天天添夜夜摸| 亚洲精品自拍成人| 久热久热在线精品观看| 久久这里只有精品19| 国产亚洲av片在线观看秒播厂| xxx大片免费视频| 久久精品aⅴ一区二区三区四区 | 精品国产一区二区三区四区第35| 国产精品 欧美亚洲| 国产成人午夜福利电影在线观看| 国产精品女同一区二区软件| 日韩熟女老妇一区二区性免费视频| 久久精品国产综合久久久| 在线天堂最新版资源| 免费日韩欧美在线观看| 2022亚洲国产成人精品| 18禁观看日本| av又黄又爽大尺度在线免费看| 午夜免费观看性视频| av一本久久久久| 亚洲精华国产精华液的使用体验| 一本久久精品| 美女xxoo啪啪120秒动态图| 亚洲美女搞黄在线观看| 久久精品国产自在天天线| 婷婷成人精品国产| 男的添女的下面高潮视频| 国产成人免费无遮挡视频| 成年女人在线观看亚洲视频| 99热网站在线观看| 精品少妇一区二区三区视频日本电影 | 亚洲少妇的诱惑av| 亚洲精品,欧美精品| 一二三四在线观看免费中文在| 日韩av在线免费看完整版不卡| 国产黄色视频一区二区在线观看| 最近最新中文字幕大全免费视频 | 人成视频在线观看免费观看| 丰满少妇做爰视频| 亚洲国产日韩一区二区| 亚洲情色 制服丝袜| 国产精品国产av在线观看| 成人午夜精彩视频在线观看| 街头女战士在线观看网站| 亚洲欧美清纯卡通| 黄片小视频在线播放| 777米奇影视久久| 欧美亚洲日本最大视频资源| 美女大奶头黄色视频| 国语对白做爰xxxⅹ性视频网站| 精品一区二区三卡| 日韩一卡2卡3卡4卡2021年| 亚洲五月色婷婷综合| 欧美日韩一区二区视频在线观看视频在线| 中文字幕最新亚洲高清| 国产精品麻豆人妻色哟哟久久| 欧美日韩一级在线毛片| 热re99久久精品国产66热6| 国产免费福利视频在线观看| 午夜老司机福利剧场| 国产免费现黄频在线看| 久久韩国三级中文字幕| 亚洲人成网站在线观看播放| 高清在线视频一区二区三区| 少妇人妻 视频| 一区二区三区激情视频| 香蕉国产在线看| 欧美成人午夜精品| 久久精品亚洲av国产电影网| 超碰97精品在线观看| 亚洲精品日韩在线中文字幕| 国产精品免费视频内射| 男的添女的下面高潮视频| 久久久久国产精品人妻一区二区| 在线观看免费日韩欧美大片| 欧美成人精品欧美一级黄| 波多野结衣一区麻豆| 美女视频免费永久观看网站| 久久99一区二区三区| 国产精品熟女久久久久浪| 免费观看av网站的网址| av电影中文网址| 亚洲成人av在线免费| 精品久久久精品久久久| freevideosex欧美| 亚洲精品成人av观看孕妇| 亚洲欧美精品自产自拍| 欧美 亚洲 国产 日韩一| 精品国产乱码久久久久久男人| 久久国产亚洲av麻豆专区| 在线精品无人区一区二区三| 久久久久人妻精品一区果冻| 国产淫语在线视频| xxx大片免费视频| 一级爰片在线观看| 国产一区二区在线观看av| 熟妇人妻不卡中文字幕| 欧美日韩精品成人综合77777| 飞空精品影院首页| 69精品国产乱码久久久| 免费看av在线观看网站| 久久99蜜桃精品久久| 在线免费观看不下载黄p国产| 精品福利永久在线观看| 免费在线观看视频国产中文字幕亚洲 | 欧美成人精品欧美一级黄| 久久久精品国产亚洲av高清涩受| 精品99又大又爽又粗少妇毛片| 制服诱惑二区| 性色av一级| 男女边摸边吃奶| 欧美日韩av久久| 国产成人精品无人区| 99久国产av精品国产电影| 国产av码专区亚洲av| 午夜91福利影院| 久久精品人人爽人人爽视色| av天堂久久9| 免费看不卡的av| 国产亚洲午夜精品一区二区久久| 亚洲国产毛片av蜜桃av| 国产麻豆69| 成年av动漫网址| 看非洲黑人一级黄片| 婷婷色av中文字幕| 国产精品国产三级专区第一集| 日韩中文字幕欧美一区二区 | 精品少妇一区二区三区视频日本电影 | 最近中文字幕高清免费大全6| 久久毛片免费看一区二区三区| 啦啦啦在线观看免费高清www| videos熟女内射| 精品一区二区三区四区五区乱码 | 久久久久久久久久久免费av| 我的亚洲天堂| 亚洲第一青青草原| 亚洲欧洲精品一区二区精品久久久 | 免费在线观看黄色视频的| 性色av一级| 国产精品偷伦视频观看了| 9热在线视频观看99| 欧美日韩综合久久久久久| 国产成人免费无遮挡视频| 性高湖久久久久久久久免费观看| 日本av手机在线免费观看| 1024香蕉在线观看| 欧美另类一区| 亚洲精品久久成人aⅴ小说| 一级片'在线观看视频| 午夜福利视频在线观看免费| 成人国产麻豆网| 亚洲图色成人| 十分钟在线观看高清视频www| 亚洲欧美色中文字幕在线| 亚洲国产欧美在线一区| 观看美女的网站| 赤兔流量卡办理| 搡老乐熟女国产| 深夜精品福利| 在线观看免费高清a一片| 少妇人妻精品综合一区二区| 五月开心婷婷网| 高清不卡的av网站| 国产精品二区激情视频| 成人影院久久| 国产又色又爽无遮挡免| 欧美中文综合在线视频| 国产不卡av网站在线观看| 青青草视频在线视频观看| 欧美激情 高清一区二区三区| 久久影院123| 午夜福利,免费看| 黑人欧美特级aaaaaa片| 蜜桃在线观看..| 国产片内射在线| 考比视频在线观看| 男女国产视频网站| 亚洲第一青青草原| 国产综合精华液| 十八禁网站网址无遮挡| 国产综合精华液| 欧美黄色片欧美黄色片| 国产人伦9x9x在线观看 | 亚洲激情五月婷婷啪啪| 国产精品99久久99久久久不卡 | 久久久久久久久久久免费av| 大片免费播放器 马上看| 看十八女毛片水多多多| videossex国产| 中文字幕人妻丝袜制服| 一区二区三区乱码不卡18| 精品国产露脸久久av麻豆| 久久精品国产综合久久久| 丝袜美腿诱惑在线| 我要看黄色一级片免费的| 精品国产乱码久久久久久男人| 一本久久精品| 久久99一区二区三区| 美女国产高潮福利片在线看| 满18在线观看网站| 亚洲欧美日韩另类电影网站|