【技术实现步骤摘要】
本专利技术属于图像处理
,特别涉及一种图像检索技术,以医学图像的应用为例,可以用于大规模图像数据的检索管理和医学临床诊断的辅助系统。
技术介绍
医学图像是现代医学临床诊断中一种有效的辅助诊断工具。随着医学照影技术的不断发展和广泛应用,被用于辅助临床诊断的医学图像呈爆炸式增长。这使得应用于大规模图像数据的管理工具被迫切需求。传统的图像检索系统主要利用现在已经非常成熟的文本检索技术,通过检索事先对图片做好的标记实现对图像的检索。但这种方法过分地依赖于人工对图片的标记,当人工的经验标记出现错误,或标记格式出现问题时,该类型的图像检索系统性能会大幅的下降。同时,现代医学临床诊断在解读医学图像时,也不再单一依靠诊断者的经验,更多的时候还需要参考数据库中的已有病例。因此,为了进一步辅助临床诊断,医学图像检索系统应该能返回与图像语义最相关的目标,而不仅仅是选出人工划分的疾病类型。而这些都是传统的基于文本的图像检索系统无法实现的。为了解决上述问题,近年来基于图像内容的图像检索技术被广泛研究。该类系统不同于基于文本的图像检索系统,其不再依赖于查找人工标记返回目标图片,而是通过计算机视觉对图像的理解实现以图搜图,从而返回与查询请求内容最相关的图片。随着计算视觉技术的发展,基于图像内容的图像检索系统性能也在不断提高。早期,随着最初用于文本检索检索BoVW(Bag-of-Visual-Word)模型被引入图像分类与检索的领域,多种可
应用于图像检索的图片表达方法基于该模型框架被提出,经典方法如“Jégou,H.,Perronnin,F.,Douze,M., ...
【技术保护点】
一种基于隐层语义中层表达的图像检索方法,其特征在于,包括以下步骤:1)从医学图像数据库划分训练样本集和测试样本集;1.1)在训练医学图像数据库的每个类别中选取等量的样本作为训练样本集;所述训练医学图像数据库是带分类标签的医学图像数据;1.2)将测试医学图像数据库和全部的训练医学图像数据库作为测试样本集;2)生成训练样本集对应的VLAD向量集以及训练样本集对应的标记向量集;2.1)选取全部的训练样本集,利用VLAD方法将训练样本集中的每幅图像表示为VLAD向量,生成训练样本集的对应VLAD向量集Xtrain;2.2)将训练样本集中的每幅图像对应的标记制作成标记向量,生成训练样本集对应的标记向量集Ytrain;所述标记向量集为图片对应的标记二值列向量,若图片属于步骤1.1)中的所述类别,则标记该图片,否则不标记;3)生成映射矩阵M;3.1)选取步骤2)生成的VLAD向量集Xtrain和标记向量集Ytrain作为训练模型的输入集;3.2)使用基于隐层语义的中层表达式建立VLAD向量集Xtrain和标记向量集Ytrain之间的映射模型,生成映射矩阵M;具体如下:将VLAD向量集Xtrain和标 ...
【技术特征摘要】
1.一种基于隐层语义中层表达的图像检索方法,其特征在于,包括以下步骤:1)从医学图像数据库划分训练样本集和测试样本集;1.1)在训练医学图像数据库的每个类别中选取等量的样本作为训练样本集;所述训练医学图像数据库是带分类标签的医学图像数据;1.2)将测试医学图像数据库和全部的训练医学图像数据库作为测试样本集;2)生成训练样本集对应的VLAD向量集以及训练样本集对应的标记向量集;2.1)选取全部的训练样本集,利用VLAD方法将训练样本集中的每幅图像表示为VLAD向量,生成训练样本集的对应VLAD向量集Xtrain;2.2)将训练样本集中的每幅图像对应的标记制作成标记向量,生成训练样本集对应的标记向量集Ytrain;所述标记向量集为图片对应的标记二值列向量,若图片属于步骤1.1)中的所述类别,则标记该图片,否则不标记;3)生成映射矩阵M;3.1)选取步骤2)生成的VLAD向量集Xtrain和标记向量集Ytrain作为训练模型的输入集;3.2)使用基于隐层语义的中层表达式建立VLAD向量集Xtrain和标记向量集Ytrain之间的映射模型,生成映射矩阵M;具体如下:将VLAD向量集Xtrain和标记向量集Ytrain带入以下目标式中的X和Y: min W , θ , V , U = | | WθX - Y | | F 2 + α | | θX - V | | F 2 + | | X - UV | | F 2 + β 1 | | W | | F 2 + β 2 | | ...
【专利技术属性】
技术研发人员:袁媛,卢孝强,梅剑寒,
申请(专利权)人:中国科学院西安光学精密机械研究所,
类型:发明
国别省市:陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。