[发明专利]用于生物细胞显微镜图像分类的特征子空间集成方法

摘要

本发明公开了一种用于生物细胞显微镜图像分类的特征子空间集成方法，包括提取待分类的生物细胞显微镜图像的特征；使用核主成分分析法（KPCA）对提取的生物细胞显微镜图像的三种图像特征构建特征子空间模型，使每类生物细胞显微镜图像具有三个特征子空间；采用每一类已训练好的三个特征子空间对待分类的生物细胞显微镜图像重建三种图像特征，得到由每一类中各特征子空间对待分类图像特征的重建结果，通过各个特征子空间重建结果与原提取的图像特征向量的比较获得分类图像对每一类的分类置信度；将待分类图像将分类到置信度最高的类别当中。该方法可以有效地降低特征维数，提高集成分类器的多样性，进一步提升分类效果。

主权项

一种用于生物细胞显微镜图像分类的特征子空间集成方法，其特征在于所述方法包括以下步骤：(1)通过以下方法提取待分类的生物细胞显微镜图像的特征：i)将生物细胞显微镜图像变换到不同的频率子带Sub‑band中，然后对各个频率子带进行特征统计；以及ii)采用灰度共生矩阵的多个统计特征得到生物细胞显微镜图像的全局纹理特征；以及iii)通过完整局部二值模式提取生物细胞显微镜图像的局部纹理特征；(2)使用核主成分分析法KPCA对提取的生物细胞显微镜图像的三种图像特征构建特征子空间模型，使每类生物细胞显微镜图像具有三个特征子空间；(3)采用每一类已训练好的三个特征子空间对待分类的生物细胞显微镜图像重建三种图像特征，得到由每一类中各特征子空间对待分类图像特征的重建结果，通过各个特征子空间重建结果与原提取的图像特征向量的比较获得分类图像对每一类的分类置信度；将待分类图像将分类到置信度最高的类别当中,具体包括如下步骤:1)使用每一类已训练好的相应特征子空间对待分类的生物细胞显微镜图像的三种图像特征分别进行重建，得到由每一类中各特征子空间对待分类图像特征的重建结果，即Y1m'、Y2m'、Y3m'；其中，m＝1，…，C，C为总类别个数；2)使用每一类已训练好的相应特征子空间对Y1、Y2和Y3分别进行重建Preimage reconstruction，得到由每一类中各特征子空间对待分类图像特征的重建结果，即Y1m′=KS1m·Y1;]]>Y2m′=KS2m·Y2;]]>Y3m′=KS3m·Y3;]]>其中，m＝1,…C，C为总类别个数；Ym′是用第m类的特征子空间对Y的重建结果；分别计算各个特征子空间重建结果与原特征向量的距离：D1=(Y1-Y1m′)2;]]>D2=(Y2-Y2m′)2;]]>D3=(Y3-Y3m′)2;]]>其中，D1、D2，D3为三个特征子空间重构结果Ym′与原始特征数据Y之间的距离；将计算得到的距离D1、D2，D3映射成为分类概率：pn＝exp(‑Dn)，n＝1,…,3；其中，exp()为以自然对数e为底指数函数；3)将计算得到的距离映射成为分类概率：pn＝exp(‑Dn)，n＝1,…,3；其中，exp()为以自然对数e为底指数函数，Dn为上一步骤计算得到的距离；集成三个特征子空间得到的分类概率，使待分类的生物细胞显微镜图像x得到对每一类的最终分类置信度：ym(x)=Πmpm(x|wT)Πmpm(x|wT)+Πmpm(x|wO);]]>其中，为判断当前分类为真的概率，为判断为其他类别的概率；经过所有特征子空间的分类概率集成，待分类图像对于每一类都计算得到一个分类置信度y(x)，根据分类置信度进行分类，将待分类图像分类到置信度最高的类别当中。