目标:低分辨率图提取同类细胞的共性特征(小类间距)和个性特征(大类间距)。
①将LR变为HR再提取特征。类比多帧超分辨率提取不同帧的互补信息进行图像的重构。
②实验:红细胞裂解,提取出白细胞,全息恢复(插值4倍)进行特征提取。
样本:正常白细胞和制造异常的白细胞或死细胞。
一个好的思路:利用CNN和其它特征混合进行特征提取,比如 CNN 和 Gabor 特征融合识别。PCA方法(数据降维)、LBP方法(二值化图谱)
1.1全局特征
PCA主成分分析法原理:高维向量V,通过特殊的特征向量矩阵M,投影到另一个低维度向量空间,变成向量y。
PCA融合出来个图进行训练。(丢失一些次要信息)
<1.2局部特征
LBP特征:表示灰度图像局部纹理的算子。有矩形结构的、圆形的。有旋转不变均匀LBP模式。局部算子处理,对全局特征表征较差,有人提出局部梯度模式(LGP)算子。