了得網計算機/網絡_皮膚鏡圖像分析與識別

內容簡介

本書繫統地介紹了皮膚鏡圖像處理的基礎理論和關鍵技術，注重涵蓋當前的研究方法，總結皮膚鏡圖像分析與識別領域的發展動態。全書共8章，第1章為概述，介紹皮膚鏡的工作原理、皮膚鏡圖像處理的發展現狀和未來趨勢；第2章和第3章為皮膚鏡圖像的預處理部分，包括皮膚鏡圖像的質量評價、皮膚鏡圖像增強復原中用到的預處理方法；第4～8章涵蓋了皮膚鏡圖像的分割、皮損目標的特征提取和分類識別，以及基於卷積神經網絡的皮膚鏡圖像分析等內容。本書將圖像處理的基本理論、模式識別方法與皮膚鏡圖像分析應用相結合，內容繫統，重點突出。本書是國內少有的關於皮膚鏡圖像分析與識別的著作，適合從事該領域研究的科技工作者及工程技術人員閱讀參考。

作者簡介

謝鳳英，中國體視學學會理事、中國圖像圖形學會醫學影像專業委員會委員，北京航空航天大學宇航學院副院長。2002年畢業留校任教，一直從事圖像處理相關的教學和研究工作，講授模式識別、C語言程序設計、數字圖像處理等本科生和研究生課程，主持或參加包括國家重點研發計劃項目、國家自然基金等在內的課題30餘項，從中積累了豐富的教學和科研經驗，熟悉圖像處理技術的發展。2010年5月至2011年5月在美國德州大學奧斯汀分校做訪問學者。

目錄
第1章概述1
1.1 皮膚鏡技術1
1.2 皮膚鏡圖像計算機輔助診斷3
1.3 皮膚鏡數字圖像處理6
1.4 皮膚鏡圖像處理技術的發展趨勢12
本章小結14
本章參考文獻15
第2章皮膚鏡圖像的質量評價19
2.1 散焦模糊評價19
2.1.1 散焦模糊的退化函數19
2.1.2 散焦模糊的退化原理20
2.1.3 散焦模糊評價指標設計21
2.2 基於梯度的模糊評價23目錄

第1章概述1

1.1 皮膚鏡技術1

1.2 皮膚鏡圖像計算機輔助診斷3

1.3 皮膚鏡數字圖像處理6

1.4 皮膚鏡圖像處理技術的發展趨勢12

本章小結14

本章參考文獻15

第2章皮膚鏡圖像的質量評價19

2.1 散焦模糊評價19

2.1.1 散焦模糊的退化函數19

2.1.2 散焦模糊的退化原理20

2.1.3 散焦模糊評價指標設計21

2.2 基於梯度的模糊評價23

2.2.1 梯度原理23

2.2.2 模糊評價指標設計26

2.3 光照不均評價27

2.3.1 Retinex變分模型27

2.3.2 光照分量提取28

2.3.3 光照不均評價指標設計29

2.4 模糊和光照不均混合失真情況下的評價30

2.4.1 模糊和光照不均的頻譜特性分析30

2.4.2 模糊和光照不均程度的設計33

2.4.3 評價模型修正33

2.5 毛發遮擋評價34

2.5.1 毛發提取35

2.5.2 毛發遮擋評價指標設計40

本章小結42

本章參考文獻42

第3章皮膚鏡圖像的預處理44

3.1 散焦模糊的復原45

3.1.1 圖像的退化與復原過程45

3.1.2 連續函數的退化模型46

3.1.3 離散函數的退化模型48

3.1.4 圖像復原的基本步驟50

3.1.5 維納濾波圖像復原方法51

3.2 光照不均的去除53

3.2.1 基於光照估計的光照去除53

3.2.2 基於圖像增強的光照去除54

3.3 毛發的去除61

3.3.1 基於偏微分方程的毛發去除61

3.3.2 基於Criminisi修復算法的毛發去除63

3.4 平滑去噪65

3.4.1 鄰域平均法65

3.4.2 中值濾波法69

本章小結71

本章參考文獻71

第4章皮膚鏡圖像的分割73

4.1 大津閾值分割73

4.1.1 閾值分割的原理73

4.1.2 大津閾值選擇75

4.2 K-均值聚類分割78

4.3 Mean Shift聚類分割81

4.3.1 核密度估計82

4.3.2 密度梯度估計82

4.3.3 Mean Shift圖像聚類85

4.3.4 子區域合並後處理86

4.4 基於SGNN的分割88

4.4.1 SGNN算法原理88

4.4.2 改進的SGNN分割算法90

4.5 基於JSEG的分割91

4.5.1 顏色量化92

4.5.2 空間分割94

4.6 基於SRM的分割97

4.6.1 融合預測97

4.6.2 融合順序99

4.6.3 統計區域融合算法99

4.7 水平集活動輪廓模型100

4.7.1 Mumford-Shah模型101

4.7.2 Chan-Vese模型101

4.7.3 Chan-Vese模型的數值實現103

4.8 分割實例對比104

4.9 圖像分割的性能評價106

4.9.1 無監督評價法106

4.9.2 有監督評價法108

本章小結111

本章參考文獻111

第5章常用的皮膚鏡圖像特征描述方法114

5.1 形狀描述114

5.1.1 圖像矩115

5.1.2 常用的形狀描述117

5.2 顏色描述120

5.2.1 彩色空間120

5.2.2 直方圖126

5.2.3 顏色直方圖距離128

5.2.4 其他顏色描述129

5.3 紋理描述131

5.3.1 灰度共生矩陣131

5.3.2 Gabor小波紋理描述135

5.3.3 可控金字塔變換142

本章小結145

本章參考文獻145

第6章皮膚鏡圖像的分類識別方法147

6.1 圖像識別繫統147

6.2 學習與分類149

6.2.1 機器學習的基本模型149

6.2.2 監督學習150

6.3 人網絡150

6.3.1 基本原理150

6.3.2 BP神經網絡152

6.3.3 模糊神經網絡154

6.3.4 組合神經網絡159

6.4 支持向量機161

6.4.1 分類面161

6.4.2 SVM方法163

6.4.3 核函數的選擇165

6.5 AdaBoost算法166

本章小結167

本章參考文獻167

第7章典型皮損目標的計算機輔助診斷169

7.1 黑色素瘤的診斷標準169

7.1.1 ABCD準則169

7.1.2 Menzies打分法171

7.1.3 七點檢測法171

7.2 白色人種皮損目標的分類識別172

7.2.1 特征提取172

7.2.2 基於相關性的特征優選175

7.2.3 基於SVM的分類器設計176

7.3 黃色人種皮損目標的分類識別176

7.3.1 特征提取177

7.3.2 基於遺傳算法的特征優選180

7.3.3 基於組合神經網絡的分類器設計183

本章小結185

本章參考文獻185

第8章基於卷積神經網絡的皮膚鏡圖像分析188

8.1 卷積神經網絡188

8.1.1 卷積神經網絡原理188

8.1.2 典型的卷積神經網絡模型193

8.1.3 卷積神經網絡的設計方法200

8.2 基於卷積神經網絡的圖像處理框架203

8.2.1 基於卷積神經網絡的圖像分割框架204

8.2.2 基於卷積神經網絡的圖像分類框架204

8.2.3 基於卷積神經網絡的深度哈希圖像檢索框架205

8.3 基於多尺度特征融合的皮膚鏡圖像分割207

8.3.1 稠密塊和過渡塊207

8.3.2 多尺度特征融合209

8.3.3 損失函數設計210

8.3.4 分割實例分析210

8.4 基於區域池化的皮膚鏡圖像分類212

8.4.1 區域池化層設計212

8.4.2 基於AUC的分類器訓練212

8.4.3 分類實例分析214

8.5 基於深度哈希編碼的皮膚鏡圖像檢索215

8.5.1 皮膚鏡圖像檢索流程215

8.5.2 深度哈希殘差網絡216

8.5.3 基於哈希表查找的從粗到精檢索策略217

8.5.4 檢索實例分析219

本章小結221

本章參考文獻221

商品搜索

商品分类

【醫學】

【各大出版社】