基于特征值选择及SVM参数优化的肺部影像识别方法

摘要

本发明公开了一种基于特征值选择及SVM参数优化的肺部影像识别方法，是在GLCM提取8维纹理特征值和SURF提取64维纹理特征值的基础上，结合粒子群优化算法，优化两种特征值及SVM参数，进而得到最优的SVM分类器，自动地对肺部医学影像进行识别分类。本发明方法对肺部医学影像疾病的识别率更高，定位更精准。

主权项

基于特征值选择及SVM参数优化的肺部影像识别方法，其特征在于，该方法包括以下步骤：步骤1：获取初始肺部医学影像；步骤2：采用GLCM和SURF分别提取图像特征：利用GLCM算法提取初始肺部医学影像的8维纹理特征值，得到医学影像特征权重为Wg；利用SURF算法提取初始肺部医学影像的64维纹理特征值，得到医学影像特征权重为Ws；步骤3：特征连接：将GLCM的特征权重Wg、SURF的特征权重Ws连接，见公式：式中，F为连接GLCM和SURF特征后的连接特征，为GLCM特征，为SURF特征；步骤4：利用粒子群优化算法对GLCM的特征权重Wg、SURF的特征权重Ws、SVM的惩罚因子C和核函数参数gamma进行迭代寻优，包括以下步骤：初始化PSO粒子，设置PSO参数，根据自适应函数寻求每个粒子在每代中的全局最优值Pg和个体最优值Pi，同时更新相应的粒子速度和位置，直至迭代次数达到200次，得到最优值；步骤5：用粒子群优化后的惩罚因子C、核函数参数gamma、 Wg和Ws，训练最优的SVM分类器；步骤6：利用训练好的最优SVM分类器，对肺部医学影像进行分类预测。