>[0021] 3)采集顯著區(qū)域?qū)?yīng)的數(shù)據(jù)信息，采用極限學(xué)習(xí)機(jī)的神經(jīng)網(wǎng)絡(luò)算法對(duì)所述顯著區(qū) 域的數(shù)據(jù)信息進(jìn)行在線實(shí)時(shí)的快速學(xué)習(xí)，得到目標(biāo)結(jié)果；
[0022] 4)將目標(biāo)結(jié)果與知識(shí)數(shù)據(jù)庫進(jìn)行圖像匹配，所述的知識(shí)數(shù)據(jù)庫包含了已經(jīng)類別的 多種實(shí)蠅的特征數(shù)據(jù)，所述的特征數(shù)據(jù)也由磁共振成像得到；
[0023] 5)根據(jù)匹配的結(jié)果，判斷待識(shí)別實(shí)蠅是否屬于知識(shí)數(shù)據(jù)庫中的已經(jīng)種類，若是則 確定屬于知識(shí)數(shù)據(jù)庫中的哪一已經(jīng)種類。
[0024] 采用集成神經(jīng)網(wǎng)絡(luò)完成步驟3)，具體步驟為：由多個(gè)個(gè)體分類器分別對(duì)相應(yīng)的訓(xùn) 練數(shù)據(jù)集有放回的重復(fù)取樣，并行單獨(dú)訓(xùn)練，然后采用多數(shù)投票法進(jìn)行集成，得到分類器集 成后的目標(biāo)結(jié)果，作為步驟4)的匹配對(duì)象。
[0025] 步驟4)中所述的圖像匹配采用基于尺度不變特征變換的圖像匹配方法進(jìn)行，具 體為：a、搜索所有尺度上的圖像位置，通過高斯微分函數(shù)來識(shí)別潛在的對(duì)于尺度和旋轉(zhuǎn)不 變的興趣點(diǎn)；b、在每個(gè)候選的興趣點(diǎn)上，通過一個(gè)擬合精細(xì)的模型來確定位置和尺度；c、 基于圖像局部的梯度方向，分配給每個(gè)興趣點(diǎn)位置一個(gè)或多個(gè)方向，所有后面的對(duì)圖像數(shù) 據(jù)的操作都相對(duì)于興趣點(diǎn)的方向、尺度和位置進(jìn)行變換，從而提供對(duì)于這些變換的不變性； d、在每個(gè)關(guān)鍵點(diǎn)周圍的鄰域內(nèi)，在選定的尺度上測(cè)量圖像局部的梯度。
[0026] 本發(fā)明模擬人眼處理視覺信息的方式，提出一種"顯著性檢測(cè)+神經(jīng)網(wǎng)絡(luò)模型 +SIFT特征匹配"的MRI圖像目標(biāo)識(shí)別框架。首先，利用視覺注意機(jī)制定位圖像中的顯著性 區(qū)域，通過對(duì)顯著性區(qū)域的少數(shù)樣本采集，在線構(gòu)建像素分類模型；最終，圖像分割得到的 目標(biāo)與MRI圖像數(shù)據(jù)庫（知識(shí)數(shù)據(jù)庫）中已知類別的實(shí)蠅MRI圖像相對(duì)比，經(jīng)SIFT特征匹 配實(shí)現(xiàn)目標(biāo)分類。
[0027] 1、顯著性檢測(cè)。每秒鐘有大量的視覺信息進(jìn)入人眼。如果沒有一個(gè)智慧的機(jī)制來 濾除視覺中的無關(guān)數(shù)據(jù)，實(shí)時(shí)處理全部數(shù)據(jù)將是一個(gè)非常恐怖的事情。高層次的認(rèn)知和復(fù) 雜處理，比如物體認(rèn)知或者場(chǎng)景理解，都依賴這些經(jīng)過轉(zhuǎn)換過的易處理的數(shù)據(jù)。這個(gè)機(jī)制就 是視覺注意，因此需要對(duì)圖像中的顯著性區(qū)域進(jìn)行識(shí)別。
[0028] 基于頻域分析的模型主要是利用傅里葉變換等方法將圖像從空間域變換到頻域， 并對(duì)頻域信息分析處理，尋找出顯著特征，再反變換到空間域得到顯著度圖。通過求得圖像 傅里葉變換后的幅度譜的殘差，經(jīng)傅里葉逆變換來直接檢測(cè)圖像顯著區(qū)域。與其他顯著性 檢測(cè)方法比較，譜殘差法的計(jì)算速度很快。更具體的顯著性檢測(cè)步驟如下：
[0029] 對(duì)于給定的磁共振圖像I (x)，首先對(duì)其進(jìn)行二維離散傅里葉變換F[I (x)]，將圖 像由空間域轉(zhuǎn)換到頻域，得到幅值A(chǔ)(f)和相位P(f)信息：
[0030] A(f) = |F[I(x)] (1)
[0031] (2)
[0032] 接著對(duì)幅值取對(duì)數(shù)，得到log譜L (f):
[0033] L(f) = log(A(f)) (3)
[0034] 式中F表示二維離散傅里葉變換，|. |表示幅值運(yùn)算，表示相位運(yùn)算；由于log 曲線滿足局部線性條件，所以用局部平均濾波器hn(f)對(duì)其進(jìn)行平滑，獲得log譜的大致形 狀：
[0035] V(f) = L(f)*hn(f) (4)
[0036] 其中hn(f)是一個(gè)nXn的矩陣，定義如下：
【主權(quán)項(xiàng)】
1. 一種基于中等場(chǎng)強(qiáng)磁共振解剖成像的實(shí)蛹識(shí)別方法，其特征在于：包括w下各步 驟： 1) 在磁共振成像系統(tǒng)中，采用小尺寸圓柱形磁共振射頻線圈對(duì)待分類實(shí)蛹成像，成像 時(shí)將實(shí)蛹置于射頻線圈內(nèi)，得到實(shí)蛹的解剖結(jié)構(gòu)磁共振圖像；所述磁共振成像系統(tǒng)主磁場(chǎng) 場(chǎng)強(qiáng)為1. 0特斯拉W上中等場(chǎng)強(qiáng)，成像區(qū)域場(chǎng)強(qiáng)不均勻性小于化pm ; 2) 根據(jù)得到的實(shí)蛹磁共振圖像，對(duì)圖像進(jìn)行顯著性檢測(cè)，通過求得圖像傅里葉變換后 的幅度譜的殘差，經(jīng)傅里葉逆變換得到空間域的顯著度圖像，所述顯著度圖像由平均濾波 器進(jìn)行一次平滑，W消除少數(shù)孤立的顯著點(diǎn)，從處理后的顯著度圖像可得到顯著區(qū)域； 3) 采集顯著區(qū)域?qū)?yīng)的數(shù)據(jù)信息，采用極限學(xué)習(xí)機(jī)的神經(jīng)網(wǎng)絡(luò)算法對(duì)所述顯著區(qū)域的 數(shù)據(jù)信息進(jìn)行在線實(shí)時(shí)的快速學(xué)習(xí)，得到目標(biāo)結(jié)果； 4) 將目標(biāo)結(jié)果與知識(shí)數(shù)據(jù)庫進(jìn)行圖像匹配，所述的知識(shí)數(shù)據(jù)庫包含了已經(jīng)類別的多種 實(shí)蛹的特征數(shù)據(jù)，所述的特征數(shù)據(jù)也由磁共振成像得到； 5) 根據(jù)匹配的結(jié)果，判斷待識(shí)別實(shí)蛹是否屬于知識(shí)數(shù)據(jù)庫中的已經(jīng)種類，若是則確定 屬于知識(shí)數(shù)據(jù)庫中的哪一已經(jīng)種類。
2. 根據(jù)權(quán)利要求1所述的基于中等場(chǎng)強(qiáng)磁共振解剖成像的實(shí)蛹識(shí)別方法，其特征在 于；采用集成神經(jīng)網(wǎng)絡(luò)完成步驟3)，具體步驟為；由多個(gè)個(gè)體分類器分別對(duì)相應(yīng)的訓(xùn)練數(shù) 據(jù)集有放回的重復(fù)取樣，并行單獨(dú)訓(xùn)練，然后采用多數(shù)投票法進(jìn)行集成，得到分類器集成后 的目標(biāo)結(jié)果，作為步驟4)的匹配對(duì)象。
3. 根據(jù)權(quán)利要求1或2所述的基于中等場(chǎng)強(qiáng)磁共振解剖成像的實(shí)蛹識(shí)別方法，其特 征在于：步驟4)中所述的圖像匹配采用基于尺度不變特征變換的圖像匹配方法進(jìn)行，具體 為；a、捜索所有尺度上的圖像位置，通過高斯微分函數(shù)來識(shí)別潛在的對(duì)于尺度和旋轉(zhuǎn)不變 的興趣點(diǎn)；b、在每個(gè)候選的興趣點(diǎn)上，通過一個(gè)擬合精細(xì)的模型來確定位置和尺度；C、基 于圖像局部的梯度方向，分配給每個(gè)興趣點(diǎn)位置一個(gè)或多個(gè)方向，所有后面的對(duì)圖像數(shù)據(jù) 的操作都相對(duì)于興趣點(diǎn)的方向、尺度和位置進(jìn)行變換，從而提供對(duì)于該些變換的不變性；d、 在每個(gè)關(guān)鍵點(diǎn)周圍的鄰域內(nèi)，在選定的尺度上測(cè)量圖像局部的梯度。
【專利摘要】本發(fā)明公開了一種基于中等場(chǎng)強(qiáng)磁共振解剖成像的實(shí)蠅識(shí)別方法，采用磁共振線圈對(duì)待識(shí)別實(shí)蠅進(jìn)行磁共振成像，根據(jù)磁共振圖像的特性以及模擬人類視覺，將磁共振圖像用傅里葉變換從空間域變換為頻域，根據(jù)頻域中的突出區(qū)域再經(jīng)傅里葉逆變換來得到圖像空間域的顯著區(qū)域，采用神經(jīng)網(wǎng)絡(luò)算法對(duì)顯著區(qū)域的數(shù)據(jù)信息進(jìn)行學(xué)習(xí)和訓(xùn)練，得到較為可靠的目標(biāo)結(jié)果，將該目標(biāo)結(jié)果與知識(shí)數(shù)據(jù)庫中已經(jīng)種類的實(shí)蠅進(jìn)行圖像匹配，以得到待識(shí)別實(shí)蠅種類。本發(fā)明將磁共振成像用于實(shí)蠅種類的識(shí)別，無需進(jìn)行生物學(xué)和解剖學(xué)的分析對(duì)比，完成磁共振成像后通過軟件完成上述方法步驟，即可得到實(shí)蠅的種類，識(shí)別準(zhǔn)確度高。
【IPC分類】G06K9-62, G06K9-46
【公開號(hào)】CN104573699
【申請(qǐng)?zhí)枴緾N201510030721
【發(fā)明人】徐文龍, 潘晨, 劉曉芳
【申請(qǐng)人】中國(guó)計(jì)量學(xué)院
【公開日】2015年4月29日
【申請(qǐng)日】2015年1月21日