使用图像处理识别皮肤病
Identifying a skin disease using image processing
我目前有 2 个独立的数据集，分别属于 2 种不同的皮肤病。我画了一个 abstract image differentiating the 2 diseases on MS Paint. Disease 1 的形状比 Disease 2 更圆，而且也有纹理差异。
使用 Matlab 上的纹理过滤器和分割函数，我能够定位 Disease 1 和 2 的疾病区域（并在其周围绘制边框）。我的问题是如何区分这两种疾病？是否有我可以使用的功能，或者我最好在数据集上使用某种形式的机器学习。
任何建议都很有帮助，因为我才刚刚开始使用 Matlab。
是的，我会说纹理表征：
- 大小区矩阵（对homogeneity/heterogeneity描述确实有效）
- Haralick（共现矩阵）
- 运行 长度矩阵
- 本地二进制模式（现在广泛使用）。
- 如果您认为形状相关，则形状索引可以表征形状。
然后使用您选择的分类器（神经网络、SVM 等）。
另一种解决方案可能是使用卷积神经网络，但这需要更多的工作和数据。但是效率非常高。
您可以使用 regionprops 函数计算各种形状特征，例如面积、周长、偏心率等。特别是，偏心率会告诉您该形状与圆形的接近程度。
对于纹理特征，请尝试计算机视觉系统工具箱中的 extractHOGFeatures 和 extractLBPFeatures 函数。
我目前有 2 个独立的数据集，分别属于 2 种不同的皮肤病。我画了一个 abstract image differentiating the 2 diseases on MS Paint.Disease 1 的形状比 Disease 2 更圆，而且也有纹理差异。
使用 Matlab 上的纹理过滤器和分割函数，我能够定位 Disease 1 和 2 的疾病区域（并在其周围绘制边框）。我的问题是如何区分这两种疾病？是否有我可以使用的功能，或者我最好在数据集上使用某种形式的机器学习。
任何建议都很有帮助，因为我才刚刚开始使用 Matlab。
是的，我会说纹理表征：
- 大小区矩阵（对homogeneity/heterogeneity描述确实有效）
- Haralick（共现矩阵）
- 运行 长度矩阵
- 本地二进制模式（现在广泛使用）。
- 如果您认为形状相关，则形状索引可以表征形状。
然后使用您选择的分类器（神经网络、SVM 等）。
另一种解决方案可能是使用卷积神经网络，但这需要更多的工作和数据。但是效率非常高。
您可以使用 regionprops 函数计算各种形状特征，例如面积、周长、偏心率等。特别是，偏心率会告诉您该形状与圆形的接近程度。
对于纹理特征，请尝试计算机视觉系统工具箱中的 extractHOGFeatures 和 extractLBPFeatures 函数。