书籍详情
皮肤镜图像处理技术
作者：谢凤英
出版社：电子工业出版社
出版时间：2015-05-01
ISBN：9787121258985
定价：¥65.00
购买这本书可以去
内容简介
本书系统地介绍了皮肤镜图像处理的基础理论和关键技术，注重涵盖当前的最新研究方法，并总结皮肤镜图像分析领域的发展动态。全书共分8章，第1章为概述，介绍皮肤镜的工作原理、皮肤镜图像处理的发展现状和未来趋势；第2章和第3章为皮肤镜图像的预处理部分，包括皮肤镜图像的采集质量评价、皮肤镜图像增强复原中用到的预处理方法；第4～8章涵盖了皮肤镜图像的分割、皮损目标的特征提取和分类识别等内容。本书将图像处理的基本理论与皮肤镜图像分析应用相结合，内容系统，重点突出，前后贯穿。
作者简介
2002年毕业留校任教，一直从事图像处理相关的教学和研究工作，讲授本科生和研究生两门数字图像处理课程已10年，主持或参加包括国家重点自然基金在内的课题十余项，从中积累了丰富的教学和科研经验，熟悉图像处理技术的发展。2010年5月至2011年5月在美国德州大学奥斯汀分校做访问学者。
目录
目 录
第1章 概述 1
1．1 皮肤镜技术 1
1．2 皮肤镜图像计算机辅助诊断 3
1．3 皮肤镜数字图像处理 6
1．4 皮肤镜图像处理的发展趋势 11
小结 12
第2章 皮肤镜图像的质量评价 13
2．1 散焦模糊评价 13
2．1．1 散焦模糊的退化函数 13
2．1．2 散焦模糊的退化原理 14
2．1．3 散焦模糊评价指标设计 15
2．2 基于梯度的模糊评价 17
2．2．1 梯度原理 17
2．2．2 模糊评价指标设计 19
2．3 光照不均评价 21
2．3．1 Retinex变分模型 21
2．3．2 光照分量提取 22
2．3．3 光照评价指标设计 22
2．4 模糊和光照不均混合失真情况下的评价 24
2．4．1 模糊和光照不均的频谱特性分析 24
2．4．2 模糊和光照不均测度的设计 26
2．4．3 评价模型修正 27
2．5 毛发遮挡评价 28
2．5．1 毛发提取 28
2．5．2 毛发遮挡评价指标设计 33
小结 35
第3章 皮肤镜图像的预处理 36
3．1 散焦模糊的复原 37
3．1．1 图像的退化与复原过程 37
3．1．2 连续函数的退化模型 38
3．1．3 离散函数的退化模型 39
3．1．4 图像复原的基本步骤 42
3．1．5 维纳滤波图像复原方法 43
3．2 光照不均的去除 45
3．2．1 基于光照估计的光照去除 45
3．2．2 基于图像增强的光照去除 46
3．3 毛发的去除 52
3．3．1 基于偏微分方程的毛发去除 53
3．3．2 基于Criminisi修复算法的毛发去除 54
3．4 平滑去噪 56
3．4．1 邻域平均法 56
3．4．2 中值滤波法 59
小结 61
第4章 皮肤镜图像的非监督分割 62
4．1 大津阈值分割 62
4．1．1 阈值分割的原理 63
4．1．2 大津阈值选择 64
4．2 K均值聚类分割 67
4．3 Mean Shift聚类分割 70
4．3．1 核估计 70
4．3．2 密度梯度估计 71
4．3．3 Mean Shift图像聚类 74
4．3．4 子区合并后处理 75
4．4 基于SGNN的分割 76
4．4．1 SGNN算法原理 77
4．4．2 改进的SGNN分割算法 78
4．5 基于JSEG的分割 80
4．5．1 颜色量化 80
4．5．2 空间分割 82
4．6 基于SRM的分割 85
4．6．1 融合预测 86
4．6．2 融合顺序 87
4．6．3 统计区域融合算法 88
4．7 水平集活动轮廓模型 89
4．7．1 Mumford-Shah模型 89
4．7．2 Chan-Vese模型 89
4．7．3 Chan-Vese模型的数值实现 91
4．8 图像分割的性能评价 92
4．8．1 监督评价法 93
4．8．2 有监督评价法 95
小结 96
第5章 常用的皮肤镜图像特征描述方法 98
5．1 形状描述 98
5．1．1 图像矩 99
5．1．2 常用的形状描述 101
5．2 颜色描述 104
5．2．1 彩色空间 104
5．2．2 直方图 110
5．2．3 颜色直方图距离 112
5．2．4 其他颜色描述 112
5．3 纹理描述 114
5．3．1 灰度共生矩阵 115
5．3．2 Gabor小波纹理描述 118
5．3．3 可控金字塔变换 125
小结 127
第6章 皮肤镜图像的分类识别方法 128
6．1 图像识别系统 128
6．2 学习与分类 130
6．2．1 机器学习的基本模型 130
6．2．2 监督学习 131
6．3 人工神经元网络 131
6．3．1 基本原理 131
6．3．2 BP神经网络 133
6．3．3 模糊神经网络 135
6．3．4 组合神经网络 139
6．4 支持向量机 142
6．4．1 最优分类面 142
6．4．2 SVM方法 144
6．4．3 核函数的选择 145
6．5 AdaBoost算法 146
小结 147
第7章 基于机器学习的皮肤镜图像分割 148
7．1 基于监督学习的分割 148
7．1．1 同质子区 149
7．1．2 同质子区的特征提取 153
7．1．3 基于SVM监督学习的分割 154
7．2 基于多分类模型的自适应分割 155
7．2．1 图像模式与分割方法之间的匹配 155
7．2．2 特征提取 157
7．2．3 自适应分割 158
小结 161
第8章 典型皮损目标的计算机辅助诊断 162
8．1 黑色素瘤的诊断标准 162
8．1．1 ABCD准则 162
8．1．2 Menzies打分法 164
8．1．3 七点检测法 164
8．2 白色人种皮损目标的分类识别 165
8．2．1 特征提取 165
8．2．2 基于相关性的特征优选 168
8．2．3 基于SVM的分类器设计 168
8．3 黄色人种皮损目标的分类识别 169
8．3．1 特征提取 169
8．3．2 基于遗传算法的特征优选 173
8．3．3 基于组合神经网络的分类器设计 175
小结 178
参考文献 179
第1章 概述 1
1．1 皮肤镜技术 1
1．2 皮肤镜图像计算机辅助诊断 3
1．3 皮肤镜数字图像处理 6
1．4 皮肤镜图像处理的发展趋势 11
小结 12
第2章 皮肤镜图像的质量评价 13
2．1 散焦模糊评价 13
2．1．1 散焦模糊的退化函数 13
2．1．2 散焦模糊的退化原理 14
2．1．3 散焦模糊评价指标设计 15
2．2 基于梯度的模糊评价 17
2．2．1 梯度原理 17
2．2．2 模糊评价指标设计 19
2．3 光照不均评价 21
2．3．1 Retinex变分模型 21
2．3．2 光照分量提取 22
2．3．3 光照评价指标设计 22
2．4 模糊和光照不均混合失真情况下的评价 24
2．4．1 模糊和光照不均的频谱特性分析 24
2．4．2 模糊和光照不均测度的设计 26
2．4．3 评价模型修正 27
2．5 毛发遮挡评价 28
2．5．1 毛发提取 28
2．5．2 毛发遮挡评价指标设计 33
小结 35
第3章 皮肤镜图像的预处理 36
3．1 散焦模糊的复原 37
3．1．1 图像的退化与复原过程 37
3．1．2 连续函数的退化模型 38
3．1．3 离散函数的退化模型 39
3．1．4 图像复原的基本步骤 42
3．1．5 维纳滤波图像复原方法 43
3．2 光照不均的去除 45
3．2．1 基于光照估计的光照去除 45
3．2．2 基于图像增强的光照去除 46
3．3 毛发的去除 52
3．3．1 基于偏微分方程的毛发去除 53
3．3．2 基于Criminisi修复算法的毛发去除 54
3．4 平滑去噪 56
3．4．1 邻域平均法 56
3．4．2 中值滤波法 59
小结 61
第4章 皮肤镜图像的非监督分割 62
4．1 大津阈值分割 62
4．1．1 阈值分割的原理 63
4．1．2 大津阈值选择 64
4．2 K均值聚类分割 67
4．3 Mean Shift聚类分割 70
4．3．1 核估计 70
4．3．2 密度梯度估计 71
4．3．3 Mean Shift图像聚类 74
4．3．4 子区合并后处理 75
4．4 基于SGNN的分割 76
4．4．1 SGNN算法原理 77
4．4．2 改进的SGNN分割算法 78
4．5 基于JSEG的分割 80
4．5．1 颜色量化 80
4．5．2 空间分割 82
4．6 基于SRM的分割 85
4．6．1 融合预测 86
4．6．2 融合顺序 87
4．6．3 统计区域融合算法 88
4．7 水平集活动轮廓模型 89
4．7．1 Mumford-Shah模型 89
4．7．2 Chan-Vese模型 89
4．7．3 Chan-Vese模型的数值实现 91
4．8 图像分割的性能评价 92
4．8．1 监督评价法 93
4．8．2 有监督评价法 95
小结 96
第5章 常用的皮肤镜图像特征描述方法 98
5．1 形状描述 98
5．1．1 图像矩 99
5．1．2 常用的形状描述 101
5．2 颜色描述 104
5．2．1 彩色空间 104
5．2．2 直方图 110
5．2．3 颜色直方图距离 112
5．2．4 其他颜色描述 112
5．3 纹理描述 114
5．3．1 灰度共生矩阵 115
5．3．2 Gabor小波纹理描述 118
5．3．3 可控金字塔变换 125
小结 127
第6章 皮肤镜图像的分类识别方法 128
6．1 图像识别系统 128
6．2 学习与分类 130
6．2．1 机器学习的基本模型 130
6．2．2 监督学习 131
6．3 人工神经元网络 131
6．3．1 基本原理 131
6．3．2 BP神经网络 133
6．3．3 模糊神经网络 135
6．3．4 组合神经网络 139
6．4 支持向量机 142
6．4．1 最优分类面 142
6．4．2 SVM方法 144
6．4．3 核函数的选择 145
6．5 AdaBoost算法 146
小结 147
第7章 基于机器学习的皮肤镜图像分割 148
7．1 基于监督学习的分割 148
7．1．1 同质子区 149
7．1．2 同质子区的特征提取 153
7．1．3 基于SVM监督学习的分割 154
7．2 基于多分类模型的自适应分割 155
7．2．1 图像模式与分割方法之间的匹配 155
7．2．2 特征提取 157
7．2．3 自适应分割 158
小结 161
第8章 典型皮损目标的计算机辅助诊断 162
8．1 黑色素瘤的诊断标准 162
8．1．1 ABCD准则 162
8．1．2 Menzies打分法 164
8．1．3 七点检测法 164
8．2 白色人种皮损目标的分类识别 165
8．2．1 特征提取 165
8．2．2 基于相关性的特征优选 168
8．2．3 基于SVM的分类器设计 168
8．3 黄色人种皮损目标的分类识别 169
8．3．1 特征提取 169
8．3．2 基于遗传算法的特征优选 173
8．3．3 基于组合神经网络的分类器设计 175
小结 178
参考文献 179
猜您喜欢
