GLCM을 사용하여 텍스처를 검색하고 SVM 분류기를 사용하여 분류하려면 어떻게합니까?

나는 간 종양 분할 및 분류 프로젝트에 있습니다. 간과 종양 분할에 각각 지역 성장과 FCM을 사용했습니다. 그런 다음 텍스처 피처 추출에 그레이 레벨 동시 발생 매트릭스를 사용했습니다. 분류를 위해 Support Vector Machine을 사용해야합니다. 그러나 SVM에 입력으로 제공 할 수 있도록 기능 벡터를 정규화하는 방법을 모르겠습니다. 누구나 Matlab에서 프로그래밍하는 방법을 말할 수 있습니까?

GLCM 프로그램에, 나는 종양 분절 이미지를 입력으로 주었다. 내가 맞았 어? 그렇다면 내 출력도 정확할 것이라고 생각합니다.

내가 시도한 한 내 glcm 코딩은

I = imread('fzliver3.jpg');
GLCM = graycomatrix(I,'Offset',[2 0;0 2]);
stats = graycoprops(GLCM,'all')
t1= struct2array(stats)


I2 = imread('fzliver4.jpg');
GLCM2 = graycomatrix(I2,'Offset',[2 0;0 2]);
stats2 = graycoprops(GLCM2,'all')
t2= struct2array(stats2)

I3 = imread('fzliver5.jpg');
GLCM3 = graycomatrix(I3,'Offset',[2 0;0 2]);
stats3 = graycoprops(GLCM3,'all')
t3= struct2array(stats3)

t=[t1,t2,t3]
xmin = min(t); xmax = max(t);
scale = xmax-xmin;
tf=(x-xmin)/scale

이것이 올바른 구현입니까? 또한 마지막 줄에 오류가 발생합니다.

내 출력은 다음과 같습니다

stats = 

   Contrast: [0.0510 0.0503]
Correlation: [0.9513 0.9519]
     Energy: [0.8988 0.8988]
Homogeneity: [0.9930 0.9935]
t1 =

Columns 1 through 6

0.0510    0.0503    0.9513    0.9519    0.8988    0.8988
Columns 7 through 8

0.9930    0.9935
stats2 = 

   Contrast: [0.0345 0.0339]
Correlation: [0.8223 0.8255]
     Energy: [0.9616 0.9617]
Homogeneity: [0.9957 0.9957]
t2 =

Columns 1 through 6

0.0345    0.0339    0.8223    0.8255    0.9616    0.9617
Columns 7 through 8

0.9957    0.9957
stats3 = 

   Contrast: [0.0230 0.0246]
Correlation: [0.7450 0.7270]
     Energy: [0.9815 0.9813]
Homogeneity: [0.9971 0.9970]
t3 =

Columns 1 through 6

0.0230    0.0246    0.7450    0.7270    0.9815    0.9813
Columns 7 through 8

0.9971    0.9970

t =

열 1-6

0.0510    0.0503    0.9513    0.9519    0.8988    0.8988

7 열에서 12 열

0.9930    0.9935    0.0345    0.0339    0.8223    0.8255

열 13 ~ 18

0.9616    0.9617    0.9957    0.9957    0.0230    0.0246

열 19에서 24

0.7450    0.7270    0.9815    0.9813    0.9971    0.9970

??? Error using ==> minus
    Matrix dimensions must agree.

입력 이미지는 다음과 같습니다.

Matlab을 사용하고 있습니까? 그렇다면 SVM 분류 기가 포함 된 Bioinformatics Toolbox가 필요하거나 교육 및 테스트를 위해 Matlab 래퍼가있는 libsvm을 다운로드 할 수 있습니다.

그런 다음 레이블이 지정된 데이터가 필요합니다. 건강한 간과 반대로 간암을 분류하고 있습니까? 그런 다음 간 종양 및 건강한 간 이미지가 각각 필요합니다.

그런 다음 일부 기능을 계산해야합니다. 그것들은 문제의 본질에 달려 있습니다. 텍스처 기능은 좋은 시작처럼 보입니다. 동시 발생 행렬 또는 로컬 이진 패턴 사용을 고려하십시오.

편집 : R2014a 릴리스 부터 통계 및 기계 학습 도구 상자에는 이진 SVM 분류기를 훈련시키는 fitcsvm 기능이 있습니다. 멀티 클래스 SVM 교육을위한 fitcecoc 도 있습니다 .

이 기사는 분류 된 GLCM클래스를 기반으로 한 동일한 유형의 감독 분류를 다룹니다 . 뇌종양 분류를위한 GLCM 텍스처 특징