基于块稀疏表示的细菌检测
计算机视觉与模式识别
2019-01-25 v2
摘要
在本文中，我们提出一种用于光学内窥显微镜图像中细菌检测的无监督方法。该方法将每幅图像分割为一组重叠块，并假设观测强度为背景图像结构对应实际强度值的线性组合，受到加性高斯噪声污染，并可能受到建模异常的稀疏离群项（被视为候选细菌）污染。表示背景结构的实际强度项被建模为从字典中选取的少数原子的线性组合，该字典从无细菌数据中学习，然后在分析新图像时固定。细菌检测任务被表述为一个最小化问题，随后采用交替方向乘子法（ADMM）来估计未知参数。使用两个离体肺数据集进行的仿真显示了良好的检测性能以及训练临床医生所识别的细菌计数与所提方法计数之间的相关性。
引用
@article{arxiv.1810.12043,
title = {Patch-Based Sparse Representation For Bacterial Detection},
author = {Ahmed Karam Eldaly and Yoann Altmann and Ahsan Akram and Antonios Perperidis and Kevin Dhaliwal and Stephen McLaughlin},
journal= {arXiv preprint arXiv:1810.12043},
year = {2019}
}