面向乳腺病理图像分类的非相干字典学习及稀疏表示算法

摘要：

针对乳腺病理图像分类,提出一种非相干字典学习及其稀疏表示算法.首先针对不同类别的图像,基于在线字典学习算法分别学习各类特定的子字典;其次利用紧框架建立一种非相干字典学习模型,通过交替投影优化字典的相干性、秩与紧框架性,从而有效地约束字典的格拉姆矩阵与参考格拉姆矩阵的距离,获得判别性更强的非相干字典;最后采用子空间旋转方法优化非相干字典的稀疏表示性能.利用乳腺癌数据集BreaKHis进行实验的结果证明,该算法所学习的非相干字典能平衡字典的判别性与稀疏表示性能,在良性肿瘤与恶性肿瘤图像分类上获得了86.0％的分类精度;在良性肿瘤图像中的腺病与纤维腺瘤的分类上获得92.5％的分类精度.

关键词：非相干字典学习、紧框架、稀疏表示、组织病理图像分类

所属期刊栏目：31

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61573299,61602397;湖南省自然科学基金2017JJ3315,2017JJ2251

在线出版日期：2019-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1368-1375