×
Hilly Gohain巴鲁阿;维杰·库马尔·纳特;哈扎里卡、迪皮卡;拉金帕·哈蒂巴鲁阿

用于生物医学图像检索的非子采样剪切波变换域中的局部位平面邻域差异模式。 （英语） Zbl 1489.92078号

数学。Biosci公司。工程师。 1609-1632（2022）第2期第19页.
摘要：本文介绍了一种新的基于NSST、位平面切片和基于局部模式的特征的用于生物医学图像检索的描述符非二次采样剪切变换（NSST）局部位平面相邻相异模式（NSST-LBNDP）。在NSST-LBNDP中，首先对输入图像进行NSST分解，然后通过计算局部能量特征对NSST系数引入非线性。然后将局部能量特征归一化为8位值。多尺度NSST用于提供平移不变性，并具有灵活的方向敏感性，以捕捉图像的更多各向异性信息。然后将归一化的NSST子带特征分解为位片，以捕获非常精细到粗糙的子带细节。然后利用每个相邻像素与其相邻像素之间的不同关系对所有子带的每个位片进行编码。在两个计算机断层扫描（CT）和一个磁共振成像（MRI）图像数据集上的实验证实，与许多最近众所周知的相关描述符相比，NSST-LBNDP在平均检索精度（ARP）和平均检索召回（ARR）方面的结果更优。

MSC公司：

92 C55 生物医学成像和信号处理

关键词：

基于内容的图像检索;非次采样剪切波变换（NSST）;位平面分解;局部模式;特征;差异;计算机断层扫描;磁共振成像（MRI）
PDF格式BibTeX公司 XML格式引用
\textit{H.G.Baruah}等人，数学。Biosci公司。工程19，编号2，1609--1632（2022；Zbl 1489.92078）
全文： 内政部

参考文献：

[1] T、 纹理度量与基于特征分布的分类的比较研究，模式识别。，29, 51-59 (1996) ·doi:10.1016/0031-3203（95）00067-4
[2] S、 使用局部二进制模式对肺气肿进行定量分析，IEEE Trans。医学影像学，29555-569（2010）·doi:10.1109/TMI.2009.2038575
[3] S、 局部三值共现模式：用于mri和ct图像检索的新特征描述符，神经计算，119399-412（2013）·doi:10.1016/j.neucom.2013.03.018
[4] S、 用于自然、纹理和生物医学图像索引和检索的球对称三维局部三元模式，神经计算，1491502-1514（2015）·doi:10.1016/j.neucom.2013.03.018
[5] S、 局部对角极值模式：一种新的有效的ct图像检索特征描述符，IEEE信号处理。莱特。，22, 1215-1219 (2015) ·doi:10.1109/LSP.2015.2392623
[6] M、 用于纹理、人脸和生物医学图像检索的中心对称局部二值共生模式，J.Vis。Commun公司。图像表示。，32, 224-236 (2015) ·doi:10.1016/j.jvcir.2015.08.015
[7] M.H.Marko，P.Matti，S.Cordelia，用中心对称局部二进制模式描述感兴趣区域，收录于《计算机视觉、图形和图像处理》，Springer，（2006），58-69。doi:<a href=“http://dx.doi.org/10.1007/11949619-6“target=”_blank“>10.1007/11949619-6</a>。
[8] S、 用于CT图像检索的新型局部位平面差异模式，Electron。莱特。，52, 1290-1292 (2016) ·doi:10.1049/el.2016.1206
[9] S、 局部比特解码模式：生物医学图像检索的新特征描述符，IEEE J.Biomed。健康信息。，2013年11月20日-1147日（2015年）·doi:10.1109/JBHI.2015.2437396
[10] R、 通过使用加法器Int.J.Wavelets Multisresolut组合两个基于局部位平面的差异进行计算层析图像检索。信息处理。，19, 1-18 (2020) ·Zbl 1477.68511号 ·doi:10.1142/S0219691320500587
[11] R、 用于医学ct图像检索的局部位平面邻域不同模式，Procedia Comput。科学。，165, 83-89 (2019) ·doi:10.1016/j.procs.2020.01.073
[12] P、 一种快速有效的小波子带直方图模型及其在纹理图像检索中的应用，IEEE Trans。图像处理。，15, 3078-3088 (2006) ·doi:10.1109/TIP.2006.877509
[13] A、 用于生物医学图像索引和检索的基于快速离散曲线变换的各向异性特征提取，国际医学杂志。信息检索。，6, 281-288 (2017) ·doi:10.1007/s13735-017-0132-0
[14] Y、 基于小波的图像纹理分类使用局部能量直方图，IEEE信号处理。莱特。，18, 247-250 (2011) ·doi:10.10109/LSP.2011.2111369
[15] Y、 使用剪切波和线性回归进行纹理分类和检索，IEEE Trans。赛博。，45, 358-369 (2015) ·doi:10.1109/TCYB.2014.2326059
[16] A、 BMC Med.Inform组织病理学图像分类中剪切域的纹理特征。Decis公司。制造商。，20, 1-19 (2020) ·doi:10.1186/s12911-020-01327-3
[17] S、 使用小波变换的基于Svd的图像纹理分类建模，IEEE Trans。图像处理。，16, 2688-2696 (2007) ·doi:10.1109/TIP.2007.908082
[18] S、 使用小波变换进行纹理分类的两种改进的局部二值模式描述符扩展，IET图像处理。，12, 2002-2010 (2018) ·doi:10.1049/iet-ipr.2018.5410
[19] S、 局部小波模式：医学ct数据库中图像检索的新特征描述符，IEEE Trans。图像处理。，24, 5892-5903 (2015) ·Zbl 1408.94148号 ·doi:10.1109/TIP.2015.2493446
[20] M、 contourlet变换：一种高效的定向多分辨率图像表示，IEEE Trans。图像处理。，14, 2091-2106 (2005) ·doi:10.10109/TIP.2005.859376
[21] D.Labate、W.Q.Lim、G.Kutyniok和G.Weiss，《使用剪切波的稀疏多维表示》，载于《小波XI》（2005），第254-262页。doi:<a href=“http://dx.doi.org/10.1117/12.613494“target=”_blank“>10.1117/12.613494</a>。
[22] P、 使用局部二元曲线共生模式的基于内容的图像检索：一种多分辨率技术，Compute。J.，61，369-385（2018）·doi:10.1093/comjnl/bxx086
[23] G、 使用离散剪切波变换的稀疏方向图像表示，应用。计算。哈蒙。分析。，25, 25-46 (2008) ·兹比尔1147.68794 ·doi:10.1016/j.acha.2007.09.003
[24] G、 具有复合膨胀的临界采样小波，IEEE Trans。图像处理。，21, 550-561 (2012) ·Zbl 1372.94380号 ·doi:10.1109/TIP.2011.2164415
[25] K、 使用剪切波的最优稀疏多维表示，SIAM J.Math。分析。，39, 298-318 (2007) ·Zbl 1197.42017年4月20日 ·数字对象标识代码：10.1137/060649781
[26] J、 使用基于局部剪切波的能量直方图的旋转不变纹理描述符，IEEE信号处理。莱特。，20905-908（2013）·doi:10.1109/LSP.2013.2267730
[27] W.R.Schwartz，R.D.da Silva，L.S.Davis，H.Pedrini，基于shearlet变换的新型特征描述符，IEEE Int.Conf.Image Process</i> ，1033-1036年。doi:<a href=“http://dx.doi.org/10.1109/ICIP.2011.6115600“target=”_blank“>10.1109/ICIP.2011.6115600</a>。
[28] E.J.Candès，D.L.Donoho，《曲线：具有边的物体的令人惊讶的有效非自适应表示法》，斯坦福大学加州统计系，（2000）。
[29] E、 Ridgelets:高维间歇性的关键？，Philos Trans A数学物理工程科学。，357, 2495-2509 (1999) ·Zbl 1082.42503号 ·doi:10.1098/rsta.1999.0444
[30] J、 使用非亚采样剪切波变换的双系数模型进行消噪，J.Appl。遥感，1015002（2016）·doi:10.1117/1.JRS.10.15002
[31] W、 基于nsst域的图像融合技术inmf，Optik，125，2716-2722（2014）·doi:10.1016/j.ijleo.2013.11.025
[32] Nema-ct图像数据库，2016年，可从以下网站获得：<a href=“http://medical.nema.org/medical/Dicom/Multifr-ame“target=”_blank“>http://medical.nema.org/medical/Dic.com/Multifr-ame</a>。
[33] 癌症成像档案，2021年，可从以下网站获得：<a href=“https://www.cancerimagingarchive.net网站“target=”_blank“>https://www.cancerimagingarchive.net网站</a>。
[34] 心脏核磁共振数据集-耶鲁克大学，2021年，可从以下网址获得：<a href=“http://www.cs.yorku.ca/bridataset网站“target=”_blank“>http://www.cs.yorku.ca/bridataset网站</a>。
[35] A、 心脏mri形状和外观分析的高效通用统计模型，医学图像分析。，12, 335-357 (2008) ·doi:10.1016/j.media.2007.12.003
[36] T、 用于图像检索的局部contourlet tetra模式，信号图像视频处理。，12, 591-598 (2018) ·doi:10.1007/s11760-017-1197-1
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。