融合纹理与形状信息的 HEp-2 细胞分类
计算机视觉与模式识别
2015-02-17 v1
摘要
间接免疫荧光（IIF）HEp-2 细胞图像是诊断自身免疫性疾病的有效证据。近年来，通过 IIF HEp-2 细胞分类进行自身免疫性疾病的计算机辅助诊断引起了广泛关注。然而，由于类内差异大且类间差异小，HEp-2 细胞分类任务极具挑战性。在本文中，我们提出了一种有效且高效的方法，通过融合多分辨率纹理信息和更丰富的形状信息，实现 IIF HEp-2 细胞图像的自动分类。具体而言，我们提出：a) 通过一种新颖的局部 Gabor 二值模式成对旋转不变共现（PRICoLGBP）描述子捕捉多分辨率纹理信息；b) 利用带有 RootSIFT 特征的改进 Fisher 向量（IFV）模型描绘更丰富的形状信息，这些特征是从多尺度的大图像块中采样得到的；c) 适当地将它们结合起来。我们在 IEEE 国际模式识别会议（ICPR）2012、IEEE 国际图像处理会议（ICIP）2013 和 ICPR 2014 竞赛数据集上系统地评估了所提出的方法。实验结果表明，所提方法的性能显著优于 ICPR 2012 和 ICIP 2013 竞赛的获胜者，并与新发布的 ICPR 2014 竞赛获胜者的性能相当。
引用
@article{arxiv.1502.04658,
title = {HEp-2 Cell Classification via Fusing Texture and Shape Information},
author = {Xianbiao Qi and Guoying Zhao and Chun-Guang Li and Jun Guo and Matti Pietikäinen},
journal= {arXiv preprint arXiv:1502.04658},
year = {2015}
}
备注
11 pages, 7 figures