分数小波散射网络及其应用
计算机视觉与模式识别
2018-07-03 v1
摘要
目的：本研究提出一种分数小波散射网络（FrScatNet），它是经典小波散射网络（ScatNet）的广义平移不变版本。方法：在我们的方法中，FrScatNet 基于分数小波变换（FRWT）构建。分数散射系数通过 FRWT 与模算子迭代计算。由分数散射系数构造的特征向量通常用于信号分类。本文给出一个 FrScatNet 在病理图像上的应用实例以评估其性能。首先，FrScatNet 在不同阶数下从原始组织学图像块中提取特征向量。然后我们将这些图像块分类为目标（良性或恶性）与背景组。并通过分别比较不同分数阶数计算得到的错误率来分析 FrScatNet 的性质。基于上述病理图像分类，结合边界信息与腺体位置，提出一种腺体分割算法。结果：考察了 FrScatNet 不同分数阶数的错误率，表明在分数散射域中分类精度显著提升。我们还将基于 FrScatNet 的腺体分割方法与 2015 年 MICCAI 腺体分割挑战赛中提出的方法进行比较，我们的方法取得了相当的结果。结论：FrScatNet 被证明能够获得准确且鲁棒的结果。本工作中 FrScatNet 获得了更稳定且具有判别力的分数散射系数。意义：所增加的分数阶数参数能够在分数散射域中分析图像。
引用
@article{arxiv.1807.00141,
title = {Fractional Wavelet Scattering Network and Applications},
author = {Li Liu and Jiasong Wu and Dengwang Li and Lotfi Senhadji and Huazhong Shu},
journal= {arXiv preprint arXiv:1807.00141},
year = {2018}
}
备注
11 pages, 6 figures, 3 tables, IEEE Transactions on Biomedical Engineering, 2018