7、基于新型容差粗糙集方法的 COVID-19 CT 扫描图像分类

基于新型容差粗糙集方法的 COVID-19 CT 扫描图像分类

1. 图像分割与特征提取

在处理 COVID 和 NON - COVID 的 CT 图像时，首先要进行图像分割和特征提取。

1.1 图像分割

大津法（Otsu）是一种全局自适应二值化阈值图像分割算法，由日本研究人员在 1979 年开发。该算法以背景和目标图像之间的最大类间方差作为阈值选择规则，根据图像的灰度特征将其分为前景和背景。当使用合适的阈值时，这两部分之间的差异最大。大津法使用了较为常见的度量标准——最大类间方差。

在本研究中，对图像应用大津阈值法进行自动阈值处理，分割图像后，再对图像进行腐蚀操作。腐蚀过程会增加值为 0（背景）的像素数量，同时减少值为 1（前景）的像素数量。

以下是不同处理步骤的简单操作流程：
1. 对 CT 图像应用大津阈值法进行分割。
2. 对分割后的图像进行腐蚀操作。

1.2 特征提取

灰度共生矩阵（GLCM）是一种突出的基于纹理的特征提取方法。它通过对图像的二阶统计量进行操作，定义像素之间的纹理关系。通常使用一个行数和列数与灰度值数量相同的矩阵来表示图像的 GLCM 属性。

本研究中使用的 GLCM 特征包括：对比度、相异性、同质性、能量、相关性和角二阶矩（ASM）。GLCM 在四个空间维度（0°、45°、90°和 135°）上构建。对所有分割后的 COVID 和 NON - COVID 图像，应用灰度共生矩阵在这四个方向上提取特征。

操作步骤如下：
1. 对分割后的 COVID 和 NON - COVID 图像。
2.