彩色图像中计算分数属性的方法

软件影响14（2022）100387原创软件PublicationPercolation Features：在彩色图像中计算分数属性的方法Guilherme Freire Robertoa，★，Leandro Alves Nevesb，Leonardo Henrique da Costa Longob，Guilherme Botazzo Rozendob，Thaína Aparecida Azevedo Tostac，Paulo Rogério de Fariad，巴西亚历山德罗·桑塔纳·马丁斯和Marcelo Zanchetta do NascimentoF国际数学与计算机科学研究所（ICMC），圣保罗大学（USP），Av。Ávador São Carlense，400，13566-590，São Carlos-SP，巴西b Department ofComputer Science and Statistics（DCCE），圣保罗州立大学（UNESP），克里斯多弗·哥伦布大街，2265，15054-000，圣若瑟·里约热内卢，巴西Preto-SP，巴西CScience and Technology Institute，Federal University of São Paulo（UNIFESP），Avenida Cesare Mansueto Giulio Lattes，1201，12247-014，圣若瑟杜斯坎波斯-SP，巴西d历史学和形态学系，生物医学科学研究所，乌贝兰迪亚联邦大学（UFU），AV。亚马逊，S/N，38405-320，乌贝兰迪亚-MG，巴西eFederal Institute of Education，Science and Technology of Triangle Mineiro（IFTM），Rua Belarmino Vilela Junqueira，38305-200，Ituiutaba-MG，巴西fFaculty of Computer Science（FACOM）-乌贝兰迪亚联邦大学（UFU），Avenida João Naves de Ávila 2121，Bl.B，38400-902，乌贝兰迪亚-MG，巴西A R T I C L E I N F O我不英文名称：PercolationFractal geometryFeature extractionPattern Recognition模式识别Code元数据A B S T R A C T T TPercolation是描述流体通过多孔媒体的运输的物理现象。 我们现在提出了一个新的方法，用于从RGB图像中提取本地和全球性能。该建议方法基于多尺度和多维方法，用于从历史图像中提取其他分形方法。我们的方法可以获得三个性能项：集群数量，百分比数量和最大集群的数量。此方法可提供替代性至分形次元和lafunarity作为evaluating分形资产在一个图像的方式当前代码版本v1Permanent link to code/repository used for this code versionhttps://github.com/SoftwareImpacts/SIMPAC-2022-101永久链接到ReproducibleCapsulehttps://codeocean.com/capsule/2522280/tree/v1MIT法律代码许可证Code versioning system used git代码版本系统使用软件代码语言，工具，和服务使用MATLAB编译器要求，operating environments dependenciesMATLABIf available Link to developer documentation/手册Not provided如果有链接到开发者文档支持电子邮件，问题guilherme.freire@ unesp.br1. 导言Percolation是一个物理现象，它是关于多孔媒体中流体的运输。Several natural systems exhibit this type西番莲从行为上说，Suchas water flowing through coffee powder or gas through rocks。如果流体是可以从一个跨越虫洞系统我们的目的是为了纪念一个虚构的人物--一个虚构的人物，一个虚构的人物，一个虚构的人物。这些概念还可以适应图像分析。In natural systems，the distribution of pores happens randomly在自然系统中，随机分配每件事根据这一原则，研究人员已经建立了一个具有价值的系统，以及 空间是或不是一个很大的概率。添加到Indicating What the Ratio Between the Existence中这篇文章中的代码（和数据）已经被证明是代码海洋的可复制品：（https://codeocean.com/）。More information on重复性Badge Initiative是可用的在https://www.elsevier.com/physical-sciences-and-engineering/computer-science/journals。- -Corresponding author。电子邮件addresses：guilherme.freire@ unesp.br（G.F.）罗伯特），leandro. unesp.br（L.A.。），leonardo. unesp.br（L.H.）从Costa Longo），guilherme.botazzo@ unesp.br（G.B.Rozendo），tosta. unifesp.br（T.A.A.。），paulo. ufu.br（P.R.的Faria），alessandro@iftm.edu.br（A.S.）marcelo.ufu.br（M.Z.）出生）。https://doi.org/10.1016/j.simpa.2022.100387接收19六月2022;接收已修订形式12七月2022;接受16七月2022Contents lists available atScienceDirect软件影响journal主页：www.journals.elsevier.com/software-impacts2019 - 05 - 26作者（The Author）Elsevier B. V. This是CC BY许可下的开放访问文章（http://creativecommons.org/licenses/by/4.0/）。G. F。罗伯特，洛杉矶雪，L.H.《漫长的海岸和阿尔》软件影响14（2022）1003872（L）∑������0，<0。59275。⎩（L）∑������|∑−||were given as input to classifiers such as Random Forest andMultilayer Perceptron，which provided accuracy values ranking fromL2L22（L）of pores and non-pores in a system is ， has an important propertyknown as the percolation threshold. of pores and non-pores in asystem is ， has an important property known as the percolationthreshold. of pores and non-pores in a system is，has an important属性已经知道作为一个值。此属性denotes that，after 这里是的价值，这里是学院的守护者。这些概念还可以适应图像和避免对发现指示percolation 集 群 的 影 响 。 Each type of system has a differentpercolationthresholdvalue，whereinthethresholdforsquarematrices，which also fits for images，is 0.59275 [ 2 ].不同类型的系统具有不同的百分比值，而其他类型的平方矩阵的阈值，哪个适合图像，是0.59275 [ 2]。Thus，percolation-based features have more exploited to quantifyimages due to the ability to analysis percolating structures andcluster ， complementingobservationsmadewithotherfractalmeasures such as Fractal Dimension（FD）and Lacunarity（LAC）.Thus，percolation-based features已经越来越受到量化图像的影响，分析结构和群集的能力，用其他分形方法补充观测，并与分形维度（FD）和不对称性（LAC）。[3]《般若波罗蜜多经》云：“诸佛世尊，及诸佛世尊。However，these applications have been limited for quantifyingbinary or greyscale images. However ， these applications have beenlimited for quantifying binary or greyscale images.实际上，应用程序是有限的，用于量化二进制或灰度图像。因此，我们提出了一个可行的方法，基于经验-分享理论，以提取颜色图像的特性。这一方法使用了多尺度和多维度观察，以计算后续性能：集群的平均值;百分比;和覆盖率的宽度集群。我们应用于不同历史学的方法影像数据集和被赋予的功能3.1. 当地特色为了evaluate percolation properties，我们考虑了满足闵可夫斯基距离作为孔的像素。Then，the MATLAB func- tionbwlabel is applied toeach box to label all cluster.然后，MATLAB功能bwlabel应用于所有集群。Each规模L，三种不同的特性被提取：每个集群的平均数量，每箱的百分比值，和最大集群的平均区域。集群的平均数（L）是由EQ生成的。（3），which consists of the total number of clusters in eachbox this divided by the total number of boxes.（3），which consists ofthe sum of the total number of clustersin each box this divided by thetotal number of boxes .（3），which consists of the total number ofthe total number of boxes .（在each box this框中的total number ofboxes）的总数量一致性。（L）=this=1.（3）在EQ。2.计算出percolation occurence rate（L）的概率。这对应于框中的sum，其中像素的数字标签为pores（），满足该百分比阈值，作为Given由Eq. （4）。⎧⎪1,������0.59275？80%[6]。2. Fractal features for colour images彩色图像(L)=（L）=1。（5）Fractal features can be obtained from coloured images initially byapplying thegliding-box algorithm [7].无法从已收集的图像中获得。algorithm consists in（英语：Algorithm consists in）EQ。（6）对应于大群（L）的平均覆盖区域的计算，由Occupancyrates的总和of the largest clusters in each boxthis divided by the totalnumber of.的总数目Positioning a box of sizeL × L in the upper left corner of theimage，，在图像上的垂直角这里L代表了盒子的侧面尺寸。This box moves from left to right to thebottom region of the image，passing图片从右到右到图像底区域Boxes .L【解析】this通 过 所 有 像 素 。 4. THE BOX IS THE BOX IS THE BOX IS THEENTERIRE IMAGE，THE BOX ISRepositioned to the starting point and the value ofL is incremented的起点，L的价值是不断提高的两个units。L必须始终是一个确定的数字，因为一个中央像素的存在是为方法的下一个步骤所需。In an image of size×，the total numberofboxes this as a function ofL is given by Eq.在一个大小×的图像中，框的总数是_this作为一个函数的L的函数是由EQ生成的。（1）：（）���������（）（）（1）Each time the box thisis shifted，a colour similarity analysis isperformed for each pixel of这是一个彩色相似性分析的例子。此分析已被修复（L） =1L2。（6）3.2. 全球特性全球percolation values can be obtained by generating a curve fromthe values���������L× ，wherein responds to one of the three localpercolation features（L），（L）or（L）.（全球值生成一个曲线来自价值L ×，wherein对应于三个本地值的一个（L））。���Using themethodpro-posed in [8] ， global values can be obtained by applying thefollowing metrics to such curve ： area under curve （ A （ ） ） ，skewness（），area（），area [8]使用���首页>外文书>人文>科普> TheCentral Pixel and Assigning It to aVector），where。x x（x） ，最大值，x（x），以及最大值， 和《色彩之源》（The Luminous Intensity of Each of theColour）点（）。channels，考虑RGB图像。 The other pixels of the box are（英语：Theother pixels of the box are）assigned to another vector this={， ，}and compared to the centralpixel by calculating the Minkowski distance ，which allows verifyingwhich pixels belong to the RGB hyperpace formed by the central pixelmixel，which allows to the RGB hyperpace由中央像素形而成当前位置：线上翻译>英语翻译>英语翻译> The area under thefunction Curve can be obtained by appling the这是一种陷阱方法，由Eq提出（7）在此处和是L的最小值和最大值分别，是值的percolation函数并且是观测值范围的数字：of the box↓this。《明考斯基的距离》是由Eq创造的。（2）：���−1阴影天秤座+1���=���������(������(��� ���) −��� ��� (������) ),��� ∈ {���,���,���}.���（2）A（）=2、一片花=一片花（）+（）这=这（4G. F。罗伯特，洛杉矶雪，L.H.《漫长的海岸和阿尔》软件影响14（2022）10038732-1这=∑））.（7）If the value of corresponding to the distance betweenandis lessthan or equal to the scaleL, thenis labelled1, otherwiseis labelled0.After calculating the number of pixels thatexperient for different后，计算出满足不同的像素数values ofL，different operations can be applied to the labelled boxes不同的操作可以被应用到标签箱第二个全球性的分数分数是最优的，什么是符合标准的。4.对于一个曲线是wherein当地价值观是计算，该skewness是获得在ED according到EQ.（8），wherein thisis the value of the sample andis its averagevalue.（在这两个样本中，这是一个平均值。���在FD和LAC的地方。1（）3������（√）=√◎片名Seen.（8）3. 我们的方法：感知功能该方法基于Ivanovici和Richard的模型，用于这篇文章的作者介绍了Minkowski在中心像素之间的差异和颜色类似性分析的框的其他像素之间的差异和计算的玻璃盒算法和步骤因为盒子里的所有像素都是实验室，计算属性的过程已经启动。我们从中提取两种类型的功能：本地和全球。2 [1���（）2]3������另一个可以被计算的特性是曲线如枪杀在EQ之间的比率。（9）。H（+1）A（）=2.（9）A（，）该值的（）和（）can also be obtained，which gives a total of 5global percolation features.（）和（）的值可以被接收，而5个全球percolation features的总值是什么？G. F。罗伯特，洛杉矶雪，L.H.《漫长的海岸和阿尔》软件影响14（2022）1003874Table 1Software Functions的描述。Function Input description功能输入输出描述���������‘‘percolation.m’’input image输入‘‘getLocalFeatures.m’’L价值观Three arrays containing the localfeatures三个数组容纳本地特性Calculates the features by applying theprocess described in Section3第3节中描述的过程计算的功能‘‘getGlobalFeatures.m’’Function4. 软件描述Struct containing the 15 global features Applies the procedures described in 15.结构容器15个全球功能应用程序程序the procedures described in第3.2节投资利益声明代码是写在MATLAB R2019 a和它是可在海洋平台代码.软件开发三个功能和 一个剧本函数在表1中被描述。从一个RGB图像的局部和全球性能描述脚本main.mextracts local和global percolation features given asinput according to the parametermaxL. Although not mandatory，thevalue for the parametermaxL should be between 41 and 65 forgenerating a good sample of local values without the increasing therunning cost by more than necessary.（如果没有按更多的必要增加运行成本，则可以创造一个良好的局部价值样本）This script can be usedby pathologists这篇文章可以被病理学家使用 或计算机视觉研究人员评估医疗成像的性能，或使用诊断支持的分类系统的相关功能。5. Impact影响计算机视觉方法应该可以代表一个对象级分析的功能目前在历史图像，基于标准使用的路径学家such作为形状或大小的细胞nuclei.量化的Such信息存在于时间，计算的东西-节奏必须是可利用的提取功能，从历史图像，探索他们的形态，文本，拓扑和颜色。Fractal measuressuch as FD and LAC have often been used in this context for the pastdecade.在这段背景下，有一些成功的因素。性能的概念可以被利用来定义图像的分形特性。The informationobtained with percolation has the ability相关信息描述图像中集群的存在，维度和数量相关的性能。这些特性与组织病理学专家的相关信息有关，如形状，大小和数量的物体。When percolation features weregiven as input to the classification of non-Hodgkin lymphomas，breasttumours ， colorectal tumours and liver tissue datasets ， accuracyvalues of 94.2%，86.2%，97.6% and 99.6% were obtained，分别[9，10].当percoloration features的特性被引入到非霍奇金淋巴瘤，颜色肿瘤和活着的数据集的分类时，准确率分别为94.2%，86.2%，97.6%和99.6%。这些结果代表了17%更高的改进，与其他分形测量相比[1]。我们认为这个新方法可以作为FD和LAC的补充措施，以提高CAD系统的性能6. 未来工作的局限在这项工作中，我们已经通过应用它来估算RGB图像所证明的技术。在几个最小适应性下，使用我们的方法是可能的，其他颜色的模型可以重新计算Minkowski距离计算的主要变化。Moreover说，一个研究可以为投入参数maxL重新计算理想值，可以产生更多的功能，但意味着fi- cantly increase computing cost。这个技术的应用程序可能也会被引用在非医学图像上。作者声明，他们没有任何已知的有限利益或个人关系的能力，可能已经影响了本文中报道的工作Acknowledgets的这研究是为以下部分提供资金：巴西高级人才改进协调-CAPES-Finance Code 001;巴西国家科学技术发展委员会（CNPq）（赠款#311404/2021-9和#313643/2021-0）;和米纳斯吉拉斯州研究基金会的状态-FABEMIG，巴西（赠款#APQ-00578-18和#APQ-01129-21）。References的[1]Krzysztof Malarz ， Simple cubic random-site percolation thresholds for neigh-borhoods containing fourth-nearest neighbors ， Phys. Rev. （ 译 注 ： 拉 丁 文 ：Krzysztof Malarz ， 《 简 单 的 cubic randomat percolation threshold for neigh-borhoods containing fourth-nearest neighbors，Phys. Rev.》）E 91（4）（2015）043301。[2] N. R. A 。 Bird ， Edith Perrier ， Multscale percolation properties of a fractalporenetwork，Geoderma 160（1）（2010）105-110。[3] LorettaIchim ， RaduDobrescu ， Characterizationof tumorangiogenesisusingfractal measures，in：2013第19届国际控制系统和计算机科学大会，IEEE，2013年，第 1 9 页。345-349号[4] VO Carvalho，LA Neves，MF De Godoy，RD Moreira，AR Moriel，LO Junior，Apren-被称为符号机器和分形技术，用于表征拒绝在心肌活检，在：V拉丁美洲议会生物医学工程，CLAIB 2011年5月16-21日，2011年，哈瓦那，古巴，施普林格，2013年，页。272-275[5] S. Sangeetha ， M 。 苏 扎 ， D 。 Manamalli ， Characterization of trabecular ar-chitecture in femur bone radiographs using succcolarity，in：2013第39届年度北欧生物工程会议，IEEE，2013年，第 3 1 页。225-226号[6] DavidCandelero ， GuilhermeFreireRoberto ， MarceloZanchettaDoNascimento ， Guilherme Botazzo Rozendo ， Leandro Alves Neves ， Selection ofCNN ， haralickandfractalfeaturesbasedonevolutionaryalgorithmsforclassification ofhistological images，in：2020 IEEE International Conference onBioinformaticsandBiomedicine，BIBM，IEEE，2020，pp.大卫·坎德洛·坎德洛·坎德罗，2020年 ， 生 物 信 息 学 和 生 物 信 息 学 国 际 会 议 ， B I B M ， I E E E ， 第4 页。2709- 16？[7] M. 伊 万 诺 维 奇 ， N 。 理 查 德 H 。 Decean ， Fractal dimension and lacunarityofpsyoriaticdafens-a colour approach，Medicine 6（4），2009。[8] Alexandru Cıliman ， Mihai Ivanovici ， Psoriasis image analysis using color lacu-narity ， in ： Optimization of Electrical and Electronic Equipment （ OPTIM ） ，2012年 第13届国际会议上 ，IEEE，2012年，页。1401-1406[9] Guilherme F 罗 伯 托 ， 马 塞 洛 Z Nascimento ， 亚 历 山 德 罗 S 马 丁 斯 ， ThaínaAATosta ， Paulo R Faria ， 莱 安 德 罗 A 内 维 斯 ， Classification of breast andcolorectaltumors based on percolation of color normalized images ， Commut.Graph。2019年（134-143）[10] 吉约 姆·弗莱 雷·罗伯 托， Alessandra Lumini ，Leandro 的阿尔 维斯雪，Marcelo Zanchetta of Nascimento ， Fractal neural network ： A new ensembleoffractalgeometryandconvolutionalneuralnetworksfortheclassificationofhistology images，Expert System. Appl. 166（2021 ）114103. （2021 年），第14103页。[11]Guilherme F Roberto ， Leandro A Neves ， Marcelo Z Nascimento ， Thaina AATosta，Leonardo C Longo，Alessandro S Martins，Paulo R Faria，基于非hodgkinlymphomas，数据量化的理论。生物2017年第91期（135-147）