肺炎X光图像增强分类识别技术:基于改进Retinex算法
刘海龙
马波
西安石油大学电子工程学院,陕西 西安 710065
摘要：目的 引入并改进Retinex算法增强肺图像特征,提升肺炎识别的准确率.方法 提出一种对肺炎X光图像特征增强的Retinex优化方法.将X光图边缘中心化,进行信息重建,利用Retinex进行特征强化,最后将图像赋予权重与原图像相结合,最大程度保留特征.结果 相对于初始图像训练,其准确率提升了2.57个百分点,损失了0.17个百分点的敏感度准确率,却增加了7.15个百分点的特异性准确率.结论 改进后的算法能够使得机器快速自动识别肺炎与非肺炎,在肺炎高发的时期大大提升了诊断效率.
关键词：关键词深度学习肺炎分类图像处理Retinex算法
资助基金：教育厅科学研究项目(20JS123)
论文发表日期：2021-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 739-743 )
英文信息