关键词：粒子群 医学图像 分类 sift 词袋模型 

摘要：针对医学图像具有较大的相似性和交叉性,易造成归属类别混乱的问题,提出了一种基于粒子群算法的医学图像分类方法。该方法使用形态学滤波和阈值法进行预处理;使用SIFT特征描述子来提取图像的局部特征,并使用聚类的方法得到SIFT特征的“视觉词汇”;使用粒子群算法选出一些列多样性和精度更高的SVM、KNN和AdaBoost分类器对特征进行分类。对15种不同类型的医学图像进行分类的结果表明,所提出的方法取得了94.72%的分类精度,且相比于单个分类器的方法具有较大的性能提升。

电子设计工程杂志要求:

{1}摘要直接概括论文的学术观点和结论，一般不超过300字。

{2}来稿应具有原创性，内容符合本单位保密规定。论文的主要研究工作应由作者独立完成，引用他人成果时，须按《著作权法》中的有关规定标明其出处，由此引发的一切著作权责任由作者自负。

{3}本刊对来稿保留修改权，不同意者请预先声明。

{4}参考文献按引文先后在文中标出序号，并与文后参考文献序号一致，参考文献著录项目要齐全。

{5}静态图:图或照片应另附于文后,分别按其在正文中出现的先后次序连续编码。图题和图说明应简洁明确,具有自明性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社