Методы согласования полиномиальных признаков текстурных изображений

Abstract

Рассматривается ряд методов автоматической настройки квадратичных признаков цифровых текстурных изображений биологических тканей для повышения качества последующей классификации. В основе предложенных подходов лежат процедуры оптимизации, использующие разнообразные критерии качества признаковых пространств в качестве целевых функций. Исследуются методы на базе случайного поиска, генетического алгоритма, имитации отжига, а также оригинальный гибридный алгоритм. Приводятся результаты экспериментальных исследований предложенных алгоритмов на наборах реальных рентгеновских изображений костной ткани и изображений компьютерной томографии лёгких. Показано, что гибридный алгоритм обеспечивает более стабильные результаты вне зависимости от выбранного критерия качества признакового пространства, что выражается в снижении средней доли неверно распознанных изображений по сравнению с использованием конкретных методов оптимизации. We consider a number of methods of automatic quadratic features adjustment for digital textural images of biological tissues in order to improve the quality of classification. The proposed approaches are based on optimization procedures that use various quality criteria of a feature space as target functions. We investigate the methods based on random search, genetic algorithm, simulation of annealing, as well as the original hybrid algorithm. The results of experimental studies of the proposed algorithms on sets of real X-ray images of bone tissue and the lung CT images are presented. We show that the hybrid algorithm provides more stable results regardless of the chosen quality criterion of the feature space, which is expressed in the reduction of the average percentage of incorrectly recognized images in comparison with the use of specific optimization methods individually.