摘要
本发明公开了一种基于纹理特征提取与融合的小样本细胞图像分类方法,主要包括:在纹理特征提取中对预处理后的图像提取纹理特征图像,对图像提取LBP和GLCM特征图像;然后将纹理特征提取的纹理图像输入至深度特征提取模块,获取SoftMax层之前的特征编码;然后对LBP和GLCM各自提取的特征编码进行融合;最后在分类模块中计算未分类图像和样本图像提取并融合后的特征编码之间的距离,根据欧氏距离对待分类样本进行KNN分类;本发明通过采用有效的特征融合机制,充分利用不同特征之间的互补信息,提升模型对细胞图像的表征能力和分类准确性。
技术关键词
细胞图像分类方法
纹理特征提取
样本
LBP算法
训练神经网络模型
LBP纹理
深度特征提取
KNN算法
分类准确率
编码
图像类别
处理器
计算中心
像素点
邻域
网格
系统为您推荐了相关专利信息
不孕不育
蛋白质芯片
体外受精
数据输入设备
数据记录模块
序列分类方法
状态空间模型
多尺度稀疏特征
编码器
解码器结构
红外传感器
识别人脸图像
人脸活体检测模型
检测人脸
运动状态信息