- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于半监督非负矩阵分解与层次聚类的高光谱组织图像分割
摘要： 中红外（mid-IR）波段的组织样本高光谱成像（HSI）能以亚细胞空间分辨率提供光谱化学和组织结构信息。通过分析不同细胞类型（如上皮细胞）和亚细胞组分（如细胞核）的中红外光谱可直接评估疾病状态，前提是能准确分类属于这些组分的像素点。挑战在于从每个像素数百个噪声较大的中红外波段中提取信息——单个波段本身信息量有限，这使得未染色组织HSI图像的标注尤为困难。由于两切片间的组织结构未必完全一致，即使使用连续（或相邻）H&E染色切片作为视觉指引，未染色HSI图像中也只有少数区域能被高置信度标注。为充分利用训练图像中的标记与未标记像素，我们研发了一种采用半监督学习进行光谱降维和分层像素聚类的HSI像素分类方法。相比监督分类器，该方法能处理同种细胞类型亚细胞组分光谱的巨大差异，在20张组织图像的双重交叉验证中达到71.18%的F1分数。为推动这一潜力技术的发展，我们已公开源代码并证明：完成HSI图像分割后，疾病分类将变得直接明了。
关键词： 微光谱学、半监督学习、层次聚类、高光谱成像、非负矩阵分解
更新于2025-09-09 09:28:46
-
基于线性解混图像技术的联合稀疏主成分分析字典融合
摘要： 基于不同地表对象的线性解混图像，采用在线字典学习算法分别计算多光谱线性解混图像与全色图像的稀疏字典。随后利用主成分分析（PCA）通过提取全色图像与解混图像字典的第一主成分，生成联合稀疏PCA字典。综合考虑计算能力限制与重构图像均方根误差后，确定字典数量为480个?；谡庑┳值洌直鸩捎谜黄ヅ渥纷俜扑愣喙馄子肴枷竦南∈柘凳?，同时运用非负矩阵分解融合算法处理多光谱与全色稀疏系数，获得全波段融合图像的稀疏系数矩阵（尺寸为480×255025）。最终利用这些联合稀疏PCA字典和融合稀疏系数重建融合图像。通过五项定量融合评价指标分析表明，所提融合算法既保留了图像的多光谱信息，又增强了图像纹理细节信息。
关键词： 非负矩阵分解（NMF）融合、主成分分析（PCA）字典、线性解混、正交匹配追踪（OMP）算法、在线字典学习（ODL）算法
更新于2025-09-04 15:30:14
-
[计算智能研究] 计算机视觉最新进展 第804卷（理论与应用）|| 基于精确高斯-埃尔米特矩的人脸识别
摘要： 人脸识别系统在过去几十年间受到了更多关注。精准特征是这些系统的基石，其识别与分类过程的表现主要取决于这些特征。本章提出一种高精度人脸识别系统新方法：采用精确高斯-埃尔米特矩(EGHMs)提取人脸图像特征，利用其高阶矩捕捉图像的高阶非线性特征；运用该矩的旋转、缩放及平移不变性克服几何畸变问题。非负矩阵分解(NMF)作为避免主成分分析(PCA)和独立成分分析(ICA)缺陷的主流图像表征方法，能有效保留图像变化特征，被用于提取特征的层级分类。本研究使用具有不同特性的ORL、Ncku和UMIST三个面部数据集进行验证，实验结果表明该方法较其他方法具有更高的识别准确率。
关键词： 特征提取、人脸识别、精确高斯-埃尔米特矩、非负矩阵分解、分类
更新于2025-09-04 15:30:14