基于SVM的医学图像检索的Radon特征与条形码
计算机视觉与模式识别
2016-04-19 v1
摘要
二十多年来，基于内容的图像检索（CBIR）研究一直在进行。通过结合Radon投影与支持向量机（SVM），本文提出了一种基于内容的医学图像检索方法。所提方法利用归一化Radon投影及相应的图像类别标签构建SVM分类器，同时生成以二进制格式编码每幅图像的Radon条形码数据库以标记所有图像。当给定查询图像时，生成其Radon投影和条形码以检索相似图像。随后，应用k近邻搜索方法，在使用Radon特征的已训练SVM分类器预测出的同一类别内，寻找Radon条形码汉明距离最小的图像。所提方法的性能通过使用IRMA 2009数据集（57类14,410张X射线图像）进行了验证。结果表明，我们的方法能够为正确识别的查询图像甚至那些被SVM错误分类的图像检索出相似响应。该方法还非常快速且内存需求低。
引用
@article{arxiv.1604.04675,
title = {Radon Features and Barcodes for Medical Image Retrieval via SVM},
author = {Shujin Zhu and H. R. Tizhoosh},
journal= {arXiv preprint arXiv:1604.04675},
year = {2016}
}
备注
To appear in proceedings of The 2016 IEEE International Joint Conference on Neural Networks (IJCNN 2016), July 24-29, 2016, Vancouver, Canada