基于Gabor滤波特征的喉癌细胞图像分类系统设计与实现开题报告

1. 文献综述

课题研究的背景和依据：随着科学技术的不断进步，近两三百年才出现的现代医学开始了迅猛发展。

一个多世纪以前，基本的诊断主要依靠对病人自诉、症状和体征的判断，望闻问切依然是医生们悬壶济世、治病救人的传统手段。

随着生命科学的深入，医学器械和新型药物的出现，人类对于疾病的了解认识逐渐进入较深的层面和清晰的水平，临床疾病的预防治疗手段有了突飞猛进的发展，诊疗效果也得到显著的提高。

2. 研究内容和问题

二 课题的主要研究内容主要研究内容：本课题利用gabor滤波变换技术对图像特征的提取，来提高系统图像分类效果。

gabor滤波变换技术的优点在于其结合了时域和频域最佳分辨率，可以提取不同尺度、不同方向的纹理信息，将图像在多个尺度、方向上进行频带分解，加快图像分类效率，提高喉癌细胞数据集的分类准确率。

gabor滤波器的主要思想为：不同纹理通常具有不同的中心频率和带宽，那么根据这些不同的频率和带宽可以设计出一组gabor滤波器来对纹理图像进行滤波。

3. 设计方案和技术路线

本实验基于windows平台下的PyCharm数学软件作为主要软件工具。

本课题拟计划利用Gabor滤波方法提取喉癌细胞数据集里的图像特征，把滤波后的特征图像转成NumPy矩阵并累加起来，存储到pkl文件中，再把矩阵拉平，将3*100*100的矩阵拉成30000的特征向量。将训练集导入SVM模型中训练，保存模型；将测试集导入到训练好的SVM分类器中对其分类；最后用5折交叉验证获取验证集的准确率。

4. 研究的条件和基础

1、硬件平台： 笔记本电脑2、软件平台： Windows 10系统3、系统开发基础： 开发工具：PyCharm开发语言：Python4、知识技能储备： 搜集与课题相关的资料与文献资料，进行学习和练习，做好理论基础准备；掌握PyCharm软件的使用，熟练使用Python语言；参加相关技术指导讲座；学校图书馆文献刊物，网络文献。