Як отримати текстуру за допомогою GLCM та класифікувати за допомогою SVM Classifier?

Я над проектом сегментації та класифікації пухлин печінки. Я використовував регіональне вирощування та FCM для сегментації печінки та пухлини відповідно. Тоді я використовував матрицю сірого рівня спільної появи для вилучення текстури. Мені потрібно використовувати підтримку векторної машини для класифікації. Але я не знаю, як нормалізувати функціональні вектори, щоб я міг дати це як вхід до SVM. Хтось може сказати, як запрограмувати його в Matlab?

Програмі GLCM я подав зображення в якості сегмента пухлини. Чи я був прав? Якщо так, я думаю, значить, і мій результат буде правильним.

Наскільки я спробував моє кодування в glcm,

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

Це була правильна реалізація? Також я отримую помилку в останньому рядку.

Мій вихід:

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 =

Стовпці з 1 по 6

0.0510    0.0503    0.9513    0.9519    0.8988    0.8988

Стовпці 7 - 12

0.9930    0.9935    0.0345    0.0339    0.8223    0.8255

Стовпці з 13 по 18

0.9616    0.9617    0.9957    0.9957    0.0230    0.0246

Стовпці з 19 по 24

0.7450    0.7270    0.9815    0.9813    0.9971    0.9970

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

Вхідні зображення:

Ви використовуєте Matlab? Якщо так, то вам знадобиться або Bioinformatics Toolbox, який включає класифікатор SVM, або ви можете завантажити libsvm, який має обгортки Matlab для навчання та тестування.

Тоді вам знадобляться деякі мічені дані. Ви класифікуєте пухлини печінки на відміну від здорової печінки? Тоді вам знадобляться зображення пухлин печінки та здорової печінки, кожен із яких позначений як такий.

Потім потрібно обчислити деякі функції. Що це таке, залежить від природи проблеми. Особливості текстури здаються гарним початком. Подумайте про використання матриць спільного виникнення або локальних бінарних шаблонів.

Редагувати: На момент випуску R2014a в панелі інструментів статистики та машинного навчання є функція fitcsvm для навчання бінарному класифікатору SVM. Також є фітнес-кок для тренувань багатокласного SVM.

Ця стаття стосується точно такого ж типу контрольованої класифікації на основі маркованих GLCMкласів: Текстурні особливості GLCM для класифікації мозкових пухлин