الگوهای مِش محلی در برابر الگوهای باینری محلی: نمایه­ سازی و بازیابی تصویر پزشکی

الگوهای مِش محلی در برابر الگوهای باینری محلی: نمایه­ سازی و بازیابی تصویر پزشکی

نام مجله:

IEEE JOURNAL OF BIOMEDICAL AND HEALTH INFORMATICS

عنوان مقاله:

Local Mesh Patterns Versus Local Binary Patterns Biomedical Image Indexing and Retrieval

Abstract—In this paper a new image indexing and retrieval algorithm
using localmesh patterns are proposed for biomedical image
retrieval application. The standard local binary pattern encodes
the relationship between the referenced pixel and its surrounding
neighbors whereas the proposed method encodes the relationship
among the surrounding neighbors for a given referenced pixel in
an image. The possible relationships among the surrounding neighbors
are depending on the number of neighbors P . In addition
the effectiveness of our algorithm is confirmed by combining it
with the Gabor transform. To prove the effectiveness of our algorithm
three experiments have been carried out on three different
biomedical image databases. Out of which two are meant for computer
tomography (CT) and one for magnetic resonance (MR)
image retrieval. It is further mentioned that the database considered
for three experiments are OASIS-MRI database NEMA-CT
database and VIA/I–ELCAP database which includes region of
interest CT images. The results after being investigated show a
significant improvement in terms of their evaluation measures as
compared to LBP LBP with Gabor transform and other spatial

and transform domain methods

الگوهای مِش محلی در برابر الگوهای باینری محلی: نمایه­ سازی و بازیابی تصویر پزشکی

چکیده

در این مقاله، یک الگوریتم جدید نمایه­سازی و بازیابی تصویر با استفاده از الگوهای مِش برای استفاده در بازیابی تصویر پزشکی پیشنهاد شده است. الگوریتم باینری محلی استاندارد رابطه­ی بین پیکسل مرجوعی (مورد نظر) و همسایه­های اطراف آن را کدگذاری می­کند، در حالیکه روش پیشنهادی رابطه­ی میان همسایه­های اطراف یک پیکسل مرجوعیِ مشخص در یک تصویر را کدگذاری می­کند. روابط ممکن میان همسایه­های اطراف به تعداد همسایه­ها، P، بستگی دارد. علاوه بر این، کارایی الگوریتم پیشنهادی در این مقاله با ترکیب این الگوریتم با تبدیل گابور اثبات شده است. برای اثبات کارایی این الگوریتم سه آزمایش بر روی سه پایگاه داده­ی مختلف تصویر پزشکی پیاده­سازی شده است. دو آزمایش از این سه آزمایش برای توموگرافی کامپیوتری (CT) و یک آزمایش برای رزونانس مغناطیسی (MR) بازیابی تصویر انجام می­شود. سپس اشاره خواهد شد که پایگاه داده­ی مورد نظر برای سه آزمایش عبارتند از: پایگاه داده­ی OASIS-MRI، پایگاه داده­ی NEMA-CT و پایگاه داده­ی VIA/I-ELCAPکه شامل ناحیه­ی تصاویر CT مورد نظر است. نتایج پس از بررسی بهبود معناداری بر حسب معیارهای ارزیابی آن­ها در مقایسه با LBP، LBP با تبدیل گابور، و دیگر روش­های فضایی و دامنه­ی تبدیل نشان داد.

واژگان کلیدی

بازیابی تصویر پزشکی (CBIR)، تبدیل گابور (GT)، الگوری باینری محلی (LBP)، الگوهای مش محلی (LMeP)، بافت.