基于D-S理论与信息融合的神经图像分类方法

摘要

周围神经切片显微图像复杂、提取特征的不确定性,使得经典的模式识别方法难以直接利用.不同染色方法得到的神经切片图像具有多信息源的特点,通过将D-S理论推理决策引入图像的特征分类和多源染色图像信息融合中,完成神经纤维的分类.对3种染色图像得到的训练样本求取距离矩阵,并结合测试样本求取概率分配函数的方法完成单种图像神经纤维的分类,再对概率分配函数使用合成规则得到最终分类结果.实验结果表明,融合3种染色图像信息的神经纤维分类准确率较单种图像有很大提升.