• <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
    人成视频在线观看免费观看| 精品一区二区三区视频在线观看免费 | 自线自在国产av| 高清视频免费观看一区二区| 男人舔女人的私密视频| 麻豆乱淫一区二区| 免费在线观看视频国产中文字幕亚洲| 久久人妻av系列| 久久久国产成人精品二区 | 女警被强在线播放| 两性夫妻黄色片| 狠狠狠狠99中文字幕| 男女之事视频高清在线观看| 国产三级黄色录像| 巨乳人妻的诱惑在线观看| 好男人电影高清在线观看| 亚洲国产欧美日韩在线播放| 日本黄色视频三级网站网址 | 午夜福利在线观看吧| 高清黄色对白视频在线免费看| 丝袜美腿诱惑在线| 亚洲av电影在线进入| 91av网站免费观看| 国产精品 国内视频| 青草久久国产| 亚洲五月婷婷丁香| 日韩人妻精品一区2区三区| av网站免费在线观看视频| 俄罗斯特黄特色一大片| 久久人妻福利社区极品人妻图片| 色精品久久人妻99蜜桃| 国产成人影院久久av| 如日韩欧美国产精品一区二区三区| 久久久国产成人免费| 女人精品久久久久毛片| 夜夜夜夜夜久久久久| 免费久久久久久久精品成人欧美视频| 欧美大码av| 久久午夜综合久久蜜桃| 丰满迷人的少妇在线观看| 脱女人内裤的视频| 制服人妻中文乱码| 黄色丝袜av网址大全| xxx96com| xxx96com| 午夜日韩欧美国产| 无限看片的www在线观看| 在线观看66精品国产| 妹子高潮喷水视频| 亚洲精品在线观看二区| 亚洲美女黄片视频| 欧美av亚洲av综合av国产av| 欧美在线黄色| 久久天堂一区二区三区四区| 久久精品人人爽人人爽视色| 免费在线观看日本一区| 99久久国产精品久久久| 操美女的视频在线观看| 大码成人一级视频| 亚洲精品国产一区二区精华液| 两个人看的免费小视频| 日日夜夜操网爽| 少妇 在线观看| 下体分泌物呈黄色| 一级a爱视频在线免费观看| 9191精品国产免费久久| 天天躁日日躁夜夜躁夜夜| 国产精品久久电影中文字幕 | 不卡av一区二区三区| 在线十欧美十亚洲十日本专区| 老司机在亚洲福利影院| 久久香蕉精品热| 三上悠亚av全集在线观看| 少妇粗大呻吟视频| 午夜免费成人在线视频| 美女午夜性视频免费| 宅男免费午夜| 成年人免费黄色播放视频| 日韩三级视频一区二区三区| 久久人妻熟女aⅴ| 亚洲精品自拍成人| 久久久久国内视频| 黄色片一级片一级黄色片| 国产97色在线日韩免费| 老司机福利观看| 熟女少妇亚洲综合色aaa.| 人人澡人人妻人| 啦啦啦在线免费观看视频4| 少妇猛男粗大的猛烈进出视频| 不卡av一区二区三区| 丰满饥渴人妻一区二区三| ponron亚洲| 欧美精品高潮呻吟av久久| 另类亚洲欧美激情| 久久久水蜜桃国产精品网| 满18在线观看网站| 十八禁人妻一区二区| 69精品国产乱码久久久| 可以免费在线观看a视频的电影网站| 精品国产乱子伦一区二区三区| 在线观看免费高清a一片| 国产精品久久久久成人av| 亚洲精品成人av观看孕妇| ponron亚洲| 巨乳人妻的诱惑在线观看| 日韩欧美三级三区| 99精国产麻豆久久婷婷| 久久亚洲真实| 18禁裸乳无遮挡免费网站照片 | 久久中文字幕人妻熟女| 国产精品一区二区在线观看99| 狠狠婷婷综合久久久久久88av| av网站免费在线观看视频| 香蕉国产在线看| 亚洲熟女精品中文字幕| 亚洲精品乱久久久久久| 成人影院久久| 91精品国产国语对白视频| 欧美精品啪啪一区二区三区| 亚洲中文字幕日韩| 午夜精品国产一区二区电影| 国产深夜福利视频在线观看| 国产xxxxx性猛交| 国产91精品成人一区二区三区| 国产精品av久久久久免费| 国产精品成人在线| 亚洲免费av在线视频| 欧洲精品卡2卡3卡4卡5卡区| 亚洲情色 制服丝袜| 欧美日韩瑟瑟在线播放| 国产高清视频在线播放一区| 99久久人妻综合| 国产精品久久久人人做人人爽| 亚洲精品国产精品久久久不卡| 99国产精品一区二区蜜桃av | 在线观看免费视频日本深夜| 日韩制服丝袜自拍偷拍| 黄色女人牲交| 免费在线观看完整版高清| 老司机影院毛片| 电影成人av| 久久香蕉激情| 成年女人毛片免费观看观看9 | 午夜两性在线视频| 每晚都被弄得嗷嗷叫到高潮| 亚洲片人在线观看| 亚洲精品国产精品久久久不卡| 狠狠狠狠99中文字幕| 日韩有码中文字幕| 欧美国产精品一级二级三级| 久久精品国产综合久久久| 韩国精品一区二区三区| 亚洲精品一二三| 天堂中文最新版在线下载| 老司机午夜十八禁免费视频| 伦理电影免费视频| 老司机深夜福利视频在线观看| 身体一侧抽搐| 国产淫语在线视频| 亚洲精品美女久久久久99蜜臀| 国产伦人伦偷精品视频| 波多野结衣一区麻豆| 欧洲精品卡2卡3卡4卡5卡区| 色播在线永久视频| 丰满饥渴人妻一区二区三| 在线视频色国产色| 黑人巨大精品欧美一区二区mp4| 精品福利观看| 91成人精品电影| 黄色视频不卡| 青草久久国产| 午夜久久久在线观看| 无限看片的www在线观看| 一进一出抽搐gif免费好疼 | 深夜精品福利| 精品福利永久在线观看| 国产亚洲欧美98| 亚洲精品久久午夜乱码| 一二三四在线观看免费中文在| 国产一区在线观看成人免费| 色94色欧美一区二区| 又大又爽又粗| 老司机午夜福利在线观看视频| 在线国产一区二区在线| 国产无遮挡羞羞视频在线观看| 国产不卡av网站在线观看| 久久99一区二区三区| 日本vs欧美在线观看视频| 久久人人爽av亚洲精品天堂| 亚洲自偷自拍图片 自拍| 午夜精品国产一区二区电影| 午夜福利一区二区在线看| 国产精品自产拍在线观看55亚洲 | 久久国产精品影院| www.自偷自拍.com| 18禁国产床啪视频网站| 露出奶头的视频| 如日韩欧美国产精品一区二区三区| 久久久国产一区二区| 亚洲欧美一区二区三区久久| 超碰97精品在线观看| 国产精品香港三级国产av潘金莲| 久久精品人人爽人人爽视色| 亚洲人成电影免费在线| 精品少妇久久久久久888优播| 亚洲欧美精品综合一区二区三区| 99re在线观看精品视频| 性色av乱码一区二区三区2| 国产精品秋霞免费鲁丝片| 国精品久久久久久国模美| 国产亚洲一区二区精品| 国产成人系列免费观看| 国产精品.久久久| 桃红色精品国产亚洲av| 熟女少妇亚洲综合色aaa.| 欧美乱色亚洲激情| 亚洲少妇的诱惑av| 欧美日韩中文字幕国产精品一区二区三区 | 两性夫妻黄色片| 日本一区二区免费在线视频| 久久影院123| 久久国产精品影院| 黄色女人牲交| 色精品久久人妻99蜜桃| 婷婷丁香在线五月| 精品卡一卡二卡四卡免费| 成人av一区二区三区在线看| 亚洲第一青青草原| 久久久久久久精品吃奶| 日韩一卡2卡3卡4卡2021年| 国产激情欧美一区二区| 婷婷成人精品国产| 国产不卡av网站在线观看| 亚洲五月天丁香| 日韩欧美在线二视频 | 国产精品自产拍在线观看55亚洲 | 亚洲专区中文字幕在线| 在线天堂中文资源库| 波多野结衣一区麻豆| 国产激情欧美一区二区| 精品一区二区三区视频在线观看免费 | 久久久精品国产亚洲av高清涩受| 亚洲情色 制服丝袜| 999久久久精品免费观看国产| 宅男免费午夜| 超色免费av| 丰满人妻熟妇乱又伦精品不卡| 一二三四在线观看免费中文在| 午夜福利欧美成人| 男女免费视频国产| 婷婷丁香在线五月| 天天躁日日躁夜夜躁夜夜| 波多野结衣av一区二区av| 久久中文字幕人妻熟女| 亚洲成国产人片在线观看| 韩国av一区二区三区四区| 日韩欧美国产一区二区入口| 久久国产精品大桥未久av| 女人精品久久久久毛片| 午夜91福利影院| 精品亚洲成国产av| 日韩熟女老妇一区二区性免费视频| 中文欧美无线码| 搡老乐熟女国产| 午夜精品国产一区二区电影| 久久精品人人爽人人爽视色| 69精品国产乱码久久久| 欧美最黄视频在线播放免费 | 脱女人内裤的视频| 精品国产亚洲在线| 久久精品国产清高在天天线| 一级,二级,三级黄色视频| 黑人猛操日本美女一级片| 麻豆成人av在线观看| 久久精品国产清高在天天线| 男女下面插进去视频免费观看| 久久久久国产一级毛片高清牌| 99国产精品一区二区三区| 亚洲av成人不卡在线观看播放网| 久久香蕉国产精品| 免费观看a级毛片全部| 亚洲欧美日韩高清在线视频| 国产成人欧美| 人人妻人人爽人人添夜夜欢视频| 欧美日韩成人在线一区二区| 国产精品.久久久| 女人精品久久久久毛片| 老司机在亚洲福利影院| 黄片小视频在线播放| x7x7x7水蜜桃| 欧美精品亚洲一区二区| 高清视频免费观看一区二区| 99精品久久久久人妻精品| 午夜日韩欧美国产| 丁香欧美五月| 最新的欧美精品一区二区| 日日夜夜操网爽| 亚洲美女黄片视频| 91av网站免费观看| 丰满人妻熟妇乱又伦精品不卡| 天堂俺去俺来也www色官网| 精品人妻熟女毛片av久久网站| 久久久精品国产亚洲av高清涩受| 老司机亚洲免费影院| 国产免费av片在线观看野外av| tocl精华| 精品久久久精品久久久| 丰满的人妻完整版| 精品熟女少妇八av免费久了| 久久国产精品影院| 1024视频免费在线观看| 麻豆成人av在线观看| 亚洲aⅴ乱码一区二区在线播放 | 在线十欧美十亚洲十日本专区| 亚洲精品国产精品久久久不卡| 黑人欧美特级aaaaaa片| 国产一卡二卡三卡精品| 99热网站在线观看| 少妇 在线观看| 久久99一区二区三区| 国产aⅴ精品一区二区三区波| 欧美+亚洲+日韩+国产| 久久香蕉激情| 纯流量卡能插随身wifi吗| 国产精品偷伦视频观看了| 国产精品免费视频内射| 亚洲精品自拍成人| 女同久久另类99精品国产91| 十八禁人妻一区二区| av免费在线观看网站| 满18在线观看网站| 欧美不卡视频在线免费观看 | 高清av免费在线| 亚洲国产精品sss在线观看 | 久久人妻av系列| 少妇被粗大的猛进出69影院| 久久久久精品国产欧美久久久| 一区福利在线观看| 国产男女内射视频| 国产一区在线观看成人免费| 久久久国产一区二区| 丁香欧美五月| 国产亚洲欧美精品永久| 精品一品国产午夜福利视频| svipshipincom国产片| 国产不卡一卡二| 中文字幕色久视频| 搡老岳熟女国产| 久久久久视频综合| 国产不卡一卡二| 婷婷丁香在线五月| 亚洲片人在线观看| 伦理电影免费视频| 午夜福利,免费看| 国产日韩一区二区三区精品不卡| 亚洲av美国av| 精品国内亚洲2022精品成人 | 亚洲精品国产色婷婷电影| 国产av一区二区精品久久| 午夜久久久在线观看| 久久精品熟女亚洲av麻豆精品| 成年女人毛片免费观看观看9 | 精品国产一区二区久久| 免费看a级黄色片| 久久久精品国产亚洲av高清涩受| 精品人妻1区二区| 极品人妻少妇av视频| 国产精品影院久久| 18禁裸乳无遮挡动漫免费视频| 午夜影院日韩av| 最新在线观看一区二区三区| 免费少妇av软件| 久久久国产成人精品二区 | 男女免费视频国产| 午夜激情av网站| a级毛片在线看网站| 国产乱人伦免费视频| 亚洲av欧美aⅴ国产| 国产乱人伦免费视频| 母亲3免费完整高清在线观看| 国产乱人伦免费视频| 日韩人妻精品一区2区三区| 国产精品98久久久久久宅男小说| 欧美亚洲 丝袜 人妻 在线| 亚洲精品成人av观看孕妇| 十八禁人妻一区二区| 日本黄色视频三级网站网址 | 国产男靠女视频免费网站| 免费不卡黄色视频| 啦啦啦免费观看视频1| 欧美日韩亚洲国产一区二区在线观看 | 国产av精品麻豆| 韩国av一区二区三区四区| 亚洲九九香蕉| 国产精品国产高清国产av | 三上悠亚av全集在线观看| 日本一区二区免费在线视频| 新久久久久国产一级毛片| 亚洲一区高清亚洲精品| 亚洲国产看品久久| 亚洲欧洲精品一区二区精品久久久| 国产91精品成人一区二区三区| 两个人看的免费小视频| 国产一区二区激情短视频| 亚洲成人手机| 国产成人精品在线电影| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲一区二区三区欧美精品| 国产无遮挡羞羞视频在线观看| 午夜精品久久久久久毛片777| 亚洲专区中文字幕在线| 成人国语在线视频| 欧美黑人精品巨大| 丰满人妻熟妇乱又伦精品不卡| 18禁国产床啪视频网站| 啦啦啦在线免费观看视频4| 90打野战视频偷拍视频| 亚洲va日本ⅴa欧美va伊人久久| 国产成人精品久久二区二区91| 国产精品99久久99久久久不卡| 一边摸一边抽搐一进一小说 | 免费不卡黄色视频| 午夜福利欧美成人| 最近最新中文字幕大全电影3 | 亚洲avbb在线观看| 欧美午夜高清在线| 日日爽夜夜爽网站| 免费观看人在逋| www日本在线高清视频| 国产精品久久久久久人妻精品电影| 少妇 在线观看| 久久午夜亚洲精品久久| 乱人伦中国视频| 久久草成人影院| avwww免费| 久久ye,这里只有精品| 亚洲av成人av| 女人爽到高潮嗷嗷叫在线视频| 亚洲精品中文字幕一二三四区| 9热在线视频观看99| 欧美日韩成人在线一区二区| 18禁观看日本| 久久久久国产一级毛片高清牌| 久热这里只有精品99| 久久人人爽av亚洲精品天堂| 国产精品一区二区在线观看99| 99国产精品一区二区三区| 久久久久国产精品人妻aⅴ院 | 欧美日韩黄片免| 男人操女人黄网站| 国产精品影院久久| 亚洲avbb在线观看| 欧美午夜高清在线| av国产精品久久久久影院| 黄色视频,在线免费观看| 看黄色毛片网站| 免费观看人在逋| 亚洲欧美精品综合一区二区三区| 久久久国产成人免费| 精品人妻1区二区| 一级片'在线观看视频| a级片在线免费高清观看视频| 人妻丰满熟妇av一区二区三区 | 午夜免费鲁丝| 亚洲av电影在线进入| 色婷婷久久久亚洲欧美| 青草久久国产| 新久久久久国产一级毛片| 国产精品久久电影中文字幕 | www.精华液| 免费在线观看完整版高清| 男男h啪啪无遮挡| 男女免费视频国产| 妹子高潮喷水视频| 国产区一区二久久| 欧美午夜高清在线| 男男h啪啪无遮挡| 满18在线观看网站| 婷婷成人精品国产| 久久久久视频综合| 亚洲男人天堂网一区| 色播在线永久视频| av超薄肉色丝袜交足视频| 久久婷婷成人综合色麻豆| 国产亚洲欧美98| 少妇被粗大的猛进出69影院| 久久 成人 亚洲| 亚洲av第一区精品v没综合| 午夜两性在线视频| 色婷婷av一区二区三区视频| 一区二区日韩欧美中文字幕| 亚洲精品av麻豆狂野| 精品免费久久久久久久清纯 | 老司机午夜十八禁免费视频| 日韩欧美一区视频在线观看| 亚洲精品av麻豆狂野| 久久精品国产亚洲av高清一级| 成人特级黄色片久久久久久久| 久久这里只有精品19| 免费看a级黄色片| av一本久久久久| 国产精品.久久久| 成年人午夜在线观看视频| 亚洲五月婷婷丁香| 国产野战对白在线观看| 制服人妻中文乱码| 国产av精品麻豆| 侵犯人妻中文字幕一二三四区| 中亚洲国语对白在线视频| 午夜视频精品福利| 日本撒尿小便嘘嘘汇集6| 黄色女人牲交| 午夜日韩欧美国产| 亚洲一区二区三区欧美精品| 老熟女久久久| 色尼玛亚洲综合影院| 女人久久www免费人成看片| 又黄又爽又免费观看的视频| 午夜精品在线福利| 一级a爱片免费观看的视频| 成人18禁高潮啪啪吃奶动态图| 99国产精品免费福利视频| 中文字幕精品免费在线观看视频| 国产精华一区二区三区| 精品亚洲成a人片在线观看| av天堂久久9| 大陆偷拍与自拍| 欧美人与性动交α欧美软件| 久久午夜亚洲精品久久| 国产又爽黄色视频| 亚洲色图综合在线观看| 免费人成视频x8x8入口观看| 精品电影一区二区在线| 国产亚洲欧美精品永久| 19禁男女啪啪无遮挡网站| 欧美日韩瑟瑟在线播放| 99精品久久久久人妻精品| 亚洲国产看品久久| 免费一级毛片在线播放高清视频 | 丝袜美腿诱惑在线| 在线观看www视频免费| 国产成人欧美在线观看 | 精品久久久精品久久久| 大香蕉久久成人网| 欧美精品高潮呻吟av久久| 人人妻人人添人人爽欧美一区卜| 性色av乱码一区二区三区2| 国产无遮挡羞羞视频在线观看| 中文字幕色久视频| 成年人免费黄色播放视频| 一边摸一边抽搐一进一出视频| 亚洲人成电影免费在线| 人妻 亚洲 视频| 亚洲国产欧美网| 中国美女看黄片| 极品少妇高潮喷水抽搐| 国产aⅴ精品一区二区三区波| 丝袜美腿诱惑在线| 身体一侧抽搐| 美女扒开内裤让男人捅视频| 视频区欧美日本亚洲| 一级黄色大片毛片| 最新在线观看一区二区三区| 亚洲成av片中文字幕在线观看| 不卡av一区二区三区| 别揉我奶头~嗯~啊~动态视频| 精品一品国产午夜福利视频| 午夜日韩欧美国产| 91国产中文字幕| 国产又爽黄色视频| 久久国产亚洲av麻豆专区| 中国美女看黄片| videos熟女内射| 精品国产乱子伦一区二区三区| 99国产精品一区二区蜜桃av | 亚洲国产中文字幕在线视频| av有码第一页| 国产精品亚洲一级av第二区| 欧美黄色淫秽网站| 捣出白浆h1v1| 亚洲欧美精品综合一区二区三区| 99热网站在线观看| 天堂动漫精品| 美女国产高潮福利片在线看| 久久久精品国产亚洲av高清涩受| 欧美激情 高清一区二区三区| 99国产精品一区二区三区| 久99久视频精品免费| 国产精品国产av在线观看| 又黄又粗又硬又大视频| av福利片在线| 精品国产美女av久久久久小说| 精品久久久精品久久久| 波多野结衣一区麻豆| 日韩欧美一区视频在线观看| 咕卡用的链子| 欧美人与性动交α欧美精品济南到| 久久精品aⅴ一区二区三区四区| 在线观看舔阴道视频| 制服诱惑二区| 久久精品熟女亚洲av麻豆精品| 亚洲国产欧美网| 欧美日韩视频精品一区| 两个人免费观看高清视频| 久久精品亚洲精品国产色婷小说| 欧美日韩视频精品一区| 久久久精品免费免费高清| 久久精品亚洲精品国产色婷小说| 69精品国产乱码久久久| 国产精品国产av在线观看| 欧美性长视频在线观看| 精品国产一区二区久久| 日本精品一区二区三区蜜桃| 水蜜桃什么品种好| 久久久国产成人精品二区 |