[发明专利]一种基于支持向量机排序的有丝分裂事件识别方法

摘要

本发明公开了一种基于支持向量机排序的有丝分裂事件识别方法，包括对候选子序列的每一帧图像提取视觉特征向量，并对提取的视觉特征进行池化，以捕捉序列的外观信息；对得到的外观信息，利用基于支持向量机排序方法，将学习到的排序函数的参数向量作为整个序列的特征向量，以捕捉序列范围内随时间的外观演化信息；在新特征上训练支持向量机分类器，对候选子序列进行分类，得到最终的识别结果。本发明避免了训练隐含时序模型的过程，将一个排序函数学到参数作为序列特征向量，该向量能很好地捕捉序列整个的外观特征和序列在时间上的演化信息，不但大提高了识别的准确率，而且简单高效，易于实现。

主权项

一种基于支持向量机排序的有丝分裂事件识别方法，其特征在于，所述有丝分裂事件识别方法包括以下步骤：对输入的细胞图像利用基于成像模型的显微图像分割方法和三维种域生长方法来提取候选子序列；对候选子序列的每一帧图像提取特征向量，使用了HoG、SIFT和Gist三种特征，将提取的向量串起来作为候选子序列的视觉特征，并对提取的视觉特征进行池化，以捕捉序列的外观信息；对得到的外观信息，利用基于支持向量机排序方法，将学习到的排序函数的参数向量作为整个序列的特征向量，以捕捉序列范围内随时间的外观演化信息；在新特征上训练支持向量机分类器，对候选子序列进行分类，得到最终的识别结果。