一个乳腺癌组织病理图像数据集和几种常用的特征提取方法、常用的分类算法

论文标题：A Dataset for Breast Cancer Hsitopathological Image classfication

文章首先列举了几种特征提取算法：

1.Local Binary patterns

LBP是一种简单有效的用于纹理分类的特征提取算法，由ojala等人于1996年提出，从纹理分析的角度看，图像上某个像素点的纹理特征，大多数情况下是指这个像素点和周围像素点的关系，从哪个角度提取这种关系，就形成了不同种类对特征

LPB算子值的计算方法：最初为3*3的方形，新的计算方法是以R为半径的圆形

Uniform模式：从0到1，或从1到0最多有两次跳变

LBP算法可在一定程度上解决光照的影响，只要光照的变化不足以改变两个点像素值间的关系，但当图像光照不均匀，各点像素间大小被破坏，对应但LPB模式也就发生了变化

而研究人员又发现，可将一幅图划分为若干区域，然后对区域内LBP特征建立统计直方图，利用这些直方图，就可以描述这幅图了，而后便可利用分类算法分类

后有对LPB算法改进，使其具有旋转不变性

 

2，completed Local Binary pattern

CLBP是目前LBP的最新形式，传统的LBP算子在提取纹理特征时，会丢失一部分信息，会导致两种不同的结构得到相同的结果，如下图：

因此Guo等人提出了completed LBP，该算子由两部分组成，即中心像素的LBP算子，和局部差分符号数值变换算子，后者又分为符号LBP算子和数值LBP算子，然后将三种算子对应的直方图融合，即可用于分类