导读:本文包含了共生矩阵论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:灰度,矩阵,肿瘤,遥感,手语,纹理,特征值。
共生矩阵论文文献综述
田士峰,刘爱连,刘静红,王学东,黄侃[1]（2019）在《初探基于肿瘤全域ADC图的灰度共生矩阵纹理分析与子宫内膜癌Ki-67表达的相关性》一文中研究指出目的初步探讨基于肿瘤全域ADC图的灰度共生矩阵(gray level co-occurrence matrix,GLCM)纹理分析与子宫内膜癌(endometrial carcinoma,EC)增值抗原Ki-67表达的相关性。材料与方法回顾性分析37例经手术病理证实为EC的患者影像资料,经后处理获得ADC图。按照EC的Ki-67表达指数(<50%为低表达,≥50%为高表达)将患者分别分为Ki-67低表达组(17例)及Ki-67高表达组(20例)。采用Omni-Kinetics软件,在包含肿瘤实质的ADC图像上沿肿瘤边缘逐层勾画ROI,融合后获得肿瘤全域GLCM纹理参数,包括能量、熵、惯性矩、相关性、逆差距。采用独立样本t检验(正态分布)或MannWhitney秩和检验(偏态分布)比较两组病例GLCM纹理参数的差异,采用ROC曲线评估有统计学差异的参数对Ki-67低、高表达组的鉴别诊断效能,采用Pearson相关分析评价各GLCM参数值与Ki-67表达指数的相关性。结果 Ki-67低表达组的能量、惯性矩大于高表达组,熵、相关性、逆差距小于高表达组,差异具有统计学意义(P<0.05)。能量、熵、惯性矩、相关性、逆差距预估Ki-67高表达的AUC分别为0.724、0.865、0.803、0.809、0.847。能量、惯性矩与EC的Ki-67表达指数负相关(P<0.05),熵、相关性、逆差距与Ki-67表达指数正相关(P<0.05)。结论基于肿瘤全域ADC图的GLCM纹理分析有助于术前评估EC的Ki-67表达情况,具有一定临床应用价值,熵为最佳参数。(本文来源于《磁共振成像》期刊2019年11期）
蒋贤维,张妙娴,朱兆松[2]（2019）在《基于灰度共生矩阵和精度高斯支持向量机的中国手语手指语识别》一文中研究指出手语识别是打破聋人和健听人之间交流障碍的有效途径。中国手语一般可以分为手势语和手指语,手势语因为地区性和个体差异性导致种类和变化繁多,识别相对困难,所以需要不断学习和训练;手指语通过拼音字母的表现形式给出结果,表达具有确定性,尤其在姓名、特殊含义、抽象表达方面效果明显。手语识别中,大部分的研究主要聚焦于某种手势,围绕手形、方向、位置和运动轨迹等关键特征,并结合某些学习算法来提升识别的准确率,然而最基本可靠的手指语识别却往往被忽略。为此,文中提出了一种基于灰度共生矩阵(GLCM)和精度高斯支持向量机(FGSVM)的方法来更准确有效地识别中国手语手指语。首先构建手指语数据集,即通过数码相机直接获取手指语图像或者从视频中选取关键帧作为手语图像素材,然后将手形从图像背景中分割出来,把每个图像调整为N×N的特定尺寸并转换为灰度图像;其次是提取特征,即对灰度图像中强度值的数量进行降维,同时创建对应的灰度共生矩阵,通过调整像素间的距离和角度等参数来获取增强的数据特征;最后,将提取的图像的特征数据提交到精度高斯支持向量机分类器中,进行10倍交叉验证和分类测试。对30种类别的510个中国手语手指语图像样本的实验结果表明,基于GLCM-FGSVM的分类准确率最高可达到92.7%,可以认为该方法在中国手语手指语分类方面卓有成效。(本文来源于《计算机科学》期刊2019年S2期）
郭春凤,庄展梁,叶文森[3]（2019）在《基于20邻域灰度-基元共生矩阵的视频前景提取》一文中研究指出为了提高前景提取的准确率,基于灰度共生矩阵和纹理基元阵,提出了20邻域灰度-基元共生矩阵,并将特征量熵引入到20邻域灰度-基元共生矩阵的特征计算中,建立图像的纹理特征.首先以视频前100帧的情况统计出背景模型,通过计算每个像素点的20邻域灰度-基元共生矩阵计算熵值,然后依据熵值判断前景目标区域,最后对采集的前景区域进行去噪处理.实验结果表明,本文方法比传统灰度共生矩阵算法所提取的目标更为完整,准确率较高.(本文来源于《肇庆学院学报》期刊2019年05期）
徐圆,尚松安,曹正业,沈力,王猛[4]（2019）在《基于灰度共生矩阵鉴别小细胞肺癌和非小细胞肺癌》一文中研究指出目的:利用CT增强图像灰度共生矩阵进行小细胞肺癌和非小细胞肺癌鉴别的可行性研究。方法:回顾性分析经手术、纤支镜或穿刺活检并经病理证实的小细胞肺癌40例和非小细胞肺癌60例(鳞癌、腺癌各30例)。利用Mazda软件勾画感兴趣区,选取灰度共生矩阵中对比度、相关度、熵、差方差、逆差矩五个纹理特征参数,对服从正态分布的数据采用单因素方差分析,不服从正态分布的数据采用Kruskal-Wallis非参数检验,以P<0.05为差异具有统计学意义。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),比较各参数对小细胞肺癌与非小细胞肺癌的诊断效能。结果:对比度、相关度、差方差及逆差矩在3组肿瘤中的P值均<0.05,差异具有统计学意义,熵P值>0.05,差异无统计学差异。绘制ROC曲线,相关度、逆差矩、相关度与逆差矩的联合预测因子叁者具有诊断效能,AUC分别为0.712、0.639、0.758,最佳阈值分别为0.362、0.249、42372.260,对应的敏感度、特异度分别为75.0、61.7;52.5、78.3;72.5、78.3,均有一定的诊断效能,且联合预测因子诊断效能最好。结论:基于常规CT扫描的灰度共生矩阵有助于鉴别小细胞肺癌和非小细胞肺癌,具有一定的临床应用前景。(本文来源于《中国临床医学影像杂志》期刊2019年09期）
耿蕊,张银霞[5]（2019）在《灰度共生矩阵在叁维模型检索中的应用》一文中研究指出现有的提取叁维模型特征描述符的各类方法需要较大的计算量并且匹配效果不理想,故此,提出了一种基于模型深度图像利用灰度共生矩阵进行叁维模型特征提取的方法。首先从模型的6个方向提取深度信息作为灰度值以获取不同方向的投影视图,并利用灰度共生矩阵的纹理特征提取模型特征,同时,基于视图的空间相关性利用左手法则以降低视图间的相似性匹配次数,从而在降低计算量的同时方便对模型相似性匹配计算。最后通过普林斯顿叁维模型库对算法进行统计分析,实验结果表明,本文提出的方法有效地提高了叁维模型的检索性能,使叁维模型检索的查全率和查准率均得到了提高。(本文来源于《齐齐哈尔大学学报(自然科学版)》期刊2019年05期）
聂雄,陈华,伍思霖[6]（2019）在《基于灰度共生矩阵和BP神经网络的乳腺肿瘤识别》一文中研究指出乳腺肿瘤是女性病发率极高的一种肿瘤疾病,但也是一种可以通过早期确诊、提早治疗来降低病死率的一种疾病。提出灰度共生矩阵结合BP神经网络的方法,提高乳腺肿瘤的识别率。首先将红外乳腺图像进行预处理,突出病灶及血管的纹理,利用灰度共生矩阵提取乳腺等灰度曲线图像的纹理特征,然后通过BP神经网络对样本数据训练,得到的BP神经网络模型能有效地将病变区域识别出来。实验结果表明,该方法对乳腺肿瘤病变区域具有较好的识别效果。(本文来源于《电子技术应用》期刊2019年07期）
杨军,王恒亮[7]（2019）在《结合巴氏系数和灰度共生矩阵的遥感影像分割》一文中研究指出针对遥感影像纹理信息丰富的特点,以及传统分水岭变换用于遥感影像分割容易出现过分割的问题,提出了一种基于巴氏系数和灰度共生矩阵的区域合并方法改进分水岭算法的分割结果。首先,利用数学形态学的方法提取原始影像的梯度图像,并且从梯度图像中获取标记;其次,在标记的梯度图像上进行分水岭变换,得到初始分割图像;最后,利用所提出的结合巴氏系数和灰度共生矩阵的区域合并方法对过分割区域进行合并,得到最终分割结果。实验结果表明,该算法既能得到连通,封闭的分割轮廓,还能有效解决分水岭分割算法的过分割问题,得到了较为准确的分割结果。(本文来源于《遥感信息》期刊2019年03期）
邓远立,卢伟[8]（2019）在《基于灰度共生矩阵的震后倒塌房屋遥感信息提取——以2014年云南鲁甸6.5级地震为例》一文中研究指出以2014年8月3日云南省鲁甸6.5级地震龙头山镇房屋破坏为例,采用两种方法对地震前后卫星影像灰度共生矩阵特征参量进行分析研究。结果表明:①震前无房区对比度值小,有房区值大;无房区逆差距值大,有房区值小;无房区熵值小,有房区值大。②震后无房区对比度值较小,基本完好区值较大,倒塌区居中;无房区逆差距值较大,基本完好区值较小,倒塌区居中;无房区熵值较小,基本完好区值较大,倒塌区居中。③地震前后遥感图像灰度共生矩阵特征参量联合分析方法比地震后倒塌区单时相遥感图像灰度共生矩阵特征参量分析方法的提取结果更准确。(本文来源于《华南地震》期刊2019年02期）
王清涛,杨洁[9]（2019）在《应用改进的灰度共生矩阵识别木材纹理多重特征值》一文中研究指出目前木材的主要分类方式是由人的经验进行分类,分类的好坏取决于人的经验。因此机器自动检测分类木材种类变得迫在眉睫,目前机器识别木材种类最主要的方法是应用灰度共生矩阵(GLCM)提取木材纹理特征识别木材种类。但是基于灰度共生矩阵(GLCM)特征提取分类存在缺陷,这是由于木材图片旋转再识别时导致分类精度下降。本研究应用改进的灰度共生矩阵(I-GLCM)提取木材多重特征值,较前人提取的灰度共生矩阵(GLCM)识别木材种类,具有旋转不变性。应用matlab模式识别算法进行训练、分类。结果表明,应用本方法对木材进行分类,分类精度比应用灰度共生矩阵(GLCM)精度高,分类效果较好,是一种新的木材识别方法。(本文来源于《西北林学院学报》期刊2019年03期）
张宇波,张亚东,张彬[10]（2019）在《基于灰度梯度共生矩阵的桌面灰尘检测算法》一文中研究指出针对桌面灰尘检测在光照变化时有灰尘与无灰尘图像相似度区分界限不明显的问题,提出一种基于兰氏距离改进的图像相似度算法。该算法融合指数函数性质,将模板图与有灰尘和无灰尘图像之间的兰氏距离转换为(0,1]区间的相似度值,同时扩大相似度差值。为增强灰尘纹理特征信息,将灰度图进行拉普拉斯算子卷积,再用共生矩阵特征提取算法提取特征参数并将其组合成一维向量。用改进后的相似度算法计算模板图与待检测图的特征参数向量相似度,根据向量相似度判断桌面是否具有灰尘。实验结果表明在300～900 lux光照范围内,无灰尘图像之间的相似度高于90. 01%,有灰尘与无灰尘图像之间的相似度低于62. 57%。两种相似度的均值能够作为阈值,在光照变化时有效地判断桌面是否具有灰尘。(本文来源于《计算机应用》期刊2019年08期）
共生矩阵论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
手语识别是打破聋人和健听人之间交流障碍的有效途径。中国手语一般可以分为手势语和手指语,手势语因为地区性和个体差异性导致种类和变化繁多,识别相对困难,所以需要不断学习和训练;手指语通过拼音字母的表现形式给出结果,表达具有确定性,尤其在姓名、特殊含义、抽象表达方面效果明显。手语识别中,大部分的研究主要聚焦于某种手势,围绕手形、方向、位置和运动轨迹等关键特征,并结合某些学习算法来提升识别的准确率,然而最基本可靠的手指语识别却往往被忽略。为此,文中提出了一种基于灰度共生矩阵(GLCM)和精度高斯支持向量机(FGSVM)的方法来更准确有效地识别中国手语手指语。首先构建手指语数据集,即通过数码相机直接获取手指语图像或者从视频中选取关键帧作为手语图像素材,然后将手形从图像背景中分割出来,把每个图像调整为N×N的特定尺寸并转换为灰度图像;其次是提取特征,即对灰度图像中强度值的数量进行降维,同时创建对应的灰度共生矩阵,通过调整像素间的距离和角度等参数来获取增强的数据特征;最后,将提取的图像的特征数据提交到精度高斯支持向量机分类器中,进行10倍交叉验证和分类测试。对30种类别的510个中国手语手指语图像样本的实验结果表明,基于GLCM-FGSVM的分类准确率最高可达到92.7%,可以认为该方法在中国手语手指语分类方面卓有成效。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
共生矩阵论文参考文献
[1].田士峰,刘爱连,刘静红,王学东,黄侃.初探基于肿瘤全域ADC图的灰度共生矩阵纹理分析与子宫内膜癌Ki-67表达的相关性[J].磁共振成像.2019
[2].蒋贤维,张妙娴,朱兆松.基于灰度共生矩阵和精度高斯支持向量机的中国手语手指语识别[J].计算机科学.2019
[3].郭春凤,庄展梁,叶文森.基于20邻域灰度-基元共生矩阵的视频前景提取[J].肇庆学院学报.2019
[4].徐圆,尚松安,曹正业,沈力,王猛.基于灰度共生矩阵鉴别小细胞肺癌和非小细胞肺癌[J].中国临床医学影像杂志.2019
[5].耿蕊,张银霞.灰度共生矩阵在叁维模型检索中的应用[J].齐齐哈尔大学学报(自然科学版).2019
[6].聂雄,陈华,伍思霖.基于灰度共生矩阵和BP神经网络的乳腺肿瘤识别[J].电子技术应用.2019
[7].杨军,王恒亮.结合巴氏系数和灰度共生矩阵的遥感影像分割[J].遥感信息.2019
[8].邓远立,卢伟.基于灰度共生矩阵的震后倒塌房屋遥感信息提取——以2014年云南鲁甸6.5级地震为例[J].华南地震.2019
[9].王清涛,杨洁.应用改进的灰度共生矩阵识别木材纹理多重特征值[J].西北林学院学报.2019
[10].张宇波,张亚东,张彬.基于灰度梯度共生矩阵的桌面灰尘检测算法[J].计算机应用.2019
论文知识图
