[发明专利]基于支持向量机的图像处理装置及方法有效

专利信息
申请号: 201810550987.2 申请日: 2018-05-31
公开(公告)号: CN108921172B 公开(公告)日: 2021-01-12
发明(设计)人: 闾海荣;高伟;江瑞;张学工;李林 申请(专利权)人: 清华大学
主分类号: G06K9/46 分类号: G06K9/46;G06K9/62
代理公司: 北京鸿元知识产权代理有限公司 11327 代理人: 曹素云;董永辉
地址: 100084 北京市海淀区1*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 支持 向量 图像 处理 装置 方法
【说明书】:

发明公开了一种基于支持向量机的图像处理装置。该装置包括:图像块获取模块,用于获取图像块;特征提取模块,提取图像块特征,得到特征向量,包括:第一提取单元,第二提取单元,第三提取单元,以及第四提取单元;图像识别模块,基于邻近算法,从低级别到高级别,根据某一级别中是否存在大于该级别预先设置的阈值的置信分数识别该图像块是否正常;图像分类模块,基于支持向量机对图像分类;数据处理模块,对识别出的图像块数目和分类出的图像块数目进行处理,完成图像的识别和分类。本发明还公开了一种基于支持向量机的图像处理方法。本发明可以快速、准确的完成图像识别与分类,提高了识别和分类的准确性,可应用于病理组织图片处理。

技术领域

本发明涉及图像处理技术领域,特别是涉及一种基于支持向量机的图像处理装置及方法。

背景技术

随着多媒体等技术的发展,图像资源日益丰富,而且,相对于文本资源,图像中包含的信息往往能够为用户提供更多的数据量,因此,对图像进行分析管理,成为目前研究的一个热点。目前,在对图像分析管理的过程中,经常需要对图像分类,即根据图像信息中所反映的不同特征,把图像划分为相应的类别。

目前医疗领域在对图像识别分类时,主要通过经验丰富的组织病理学家对微观视野下的病理切片进行识别、分类及评估,而该种对图像的识别与分类方式,在某些情况下存在各种干扰,会造成图像识别不准确,降低图像分类的准确性。因此,提高图像处理速度、提高图像处理的准确率已经成为当今发展趋势。

发明内容

基于上述缺陷,本发明的目的在于提供一种基于支持向量机的图像处理装置,该装置通过各模块之间配合进行图片处理,可提高图像识别和分类的准确性。

本发明的另一目的在于提供一种基于支持向量机的图像处理方法。

上述目的是通过以下技术方案实现的:

根据本发明的一个方面,本发明提供的一种基于支持向量机的图像处理装置,包括:

图像块获取模块,用于获取图像块;

特征提取模块,用于提取图像块的特征,得到图像块特征向量;所述特征提取模块包括:第一提取单元,用于图像识别时,对图像块进行局部二进制式特征提取;第二提取单元,用于图像识别时,对图像块进行灰度共生矩阵特征提取;第三提取单元,用于图像分类时,对图像块进行分形特征提取;第四提取单元,用于图像分类时,对图像块进行方向梯度直方图特征提取;

图像识别模块,将图像块特征向量输入,基于邻近算法,从低级别到高级别进行图像块识别,识别时,根据某一级别中是否存在大于该级别预先设置的阈值的置信分数来识别该图像块是否正常;

图像分类模块,根据支持向量机对图像块进行分类;

数据处理模块,包括:第一处理单元,对图像识别模块识别出的图像块数目进行处理完成图像的识别,以及第二处理单元,对图像分类模块分类出的图像块数目进行处理完成图像的分类。

优选地,所述图像块获取模块,包括:第一图像块获取单元,用于获取进行图像识别时的图像块,在所述第一图像块获取单元中,根据图像块的分辨率对图像块进行分级处理,得到分级采样后图像块;第二图像块获取单元,局域无重叠方式获取图像分类时的图像块。

更优选地,所述图像块获取模块,包括背景图像块标记单元,根据图像块的红黄蓝三通道值均大于200的像素数目所占总像素数目的比例来标记。

优选地,所述特征提取模块还包括归一化处理单元,所述第一提取单元和所述第二提取单元提取特征后做归一化处理再进行连接,得到用于图像识别时的图像块特征向量。其中,归一化处理针对提取到的一张图像块的特征[f1,f2,……,fN],其中N表示提取出的特征的维数,归一化后的各维的值

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810550987.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top