图像检测与分割方法及其应用

　　本书主要介绍关于图像检测与分割方法及其应用的一些新研究。即在图像检测与分割方法的基本概念、研究进展进行总结分析的基础上，以人体特别是肺部的医学影像后处理为应用案例，结合现有模式识别、人工智能方面的前沿理论，提出了图像检测与分割的新算法。本书共分5章。章为基于Hessian矩阵的球形区域检测方法及其应用；第2章为基于组合优化和SVM的图像球形区域检测方法；第3章为基于多尺度和Mean—Shift分割方法研究；第4章为基于EM和Mean—Shift的分割方法研究；第5章为基于改进主动形状模型的分割方法研究。本书内容既有理论算法，又有典型应用，理论联系实际，具有广泛的参考价值。

　　任会之 博士，研究方向为系统工程、模式识别和图像处理。 主持国家自然科学基金青年基金项目1项，曾受中国博士后基金委员会二等资助。攻读博士学位期间，曾参与国家自然科学基金项目、“863”计划项目等。先后在《Computer and Operations Research》、《International Journal of Production Research》、《Discrete Dynamics in Nature and Society》、《Journal of Medical Imaging and Health》、《自动化学报》等期刊上发表论文多篇。 在生物医学方面研究成果已应用于东软肺癌计算机辅助诊断产品中。

前　言
第1章　基于Hessian矩阵的球形区域检测方法及其应用1
1.1　基于二维Hessian矩阵的圆点滤波器1
1.2　基于三维Hessian矩阵的圆点滤波器1
1.3　圆点滤波器理论在图像处理中的应用实例3
1.4　实验结果及分析6
1.4.1　实验数据6
1.4.2　实验环境7
1.4.3　实验方案7
1.4.4　实验结果7
第2章　基于组合优化和SVM的图像球形区域检测方法10
2.1　求解组合优化问题的智能计算方法10
2.1.1　遗传算法10
2.1.2　分散搜索算法11
2.2　基于组合优化的特征选择模型11
2.3　基于改进GA和SVM的求解模型13
2.4　基于SS和SVM求解模型14
2.5　基于改进GA和SVM模型及其应用15
2.5.1　肺分割16
2.5.2　自适应感兴趣区域获取17
2.5.3　特征提取18
2.6　实验结果及分析20
2.6.1　实验数据20
2.6.2　参数的选取20
2.6.3　实验结果及讨论21
第3章　基于多尺度和Mean-Shift的分割方法研究29
3.1　多尺度层次聚类方法29
3.2　均值漂移算法31
3.3　均值漂移算法带宽参数选取现状33
3.4　基于多尺度的带宽参数选取方法35
3.5　基于多尺度和Mean-Shift分割在图像处理中的应用36
3.5.1　初始区域的获取36
3.5.2　初始带宽参数的选取37
3.5.3　带宽参数的选取38
3.5.4　Mean-Shift二维分割结节过程39
3.6　实验结果及分析40
3.6.1　实验方案40
3.6.2　人造实验数据及结果40
3.6.3　肺CT影像实验数据42
3.6.4　实验结果与讨论42
第4章　基于EM和Mean-Shift的分割方法研究45
4.1　期望算法45
4.1.1　算法原理45
4.1.2　算法步骤46
4.2　基于EM和Mean-Shift在图像分割中的应用46
4.2.1　基于EM的带宽选取方法流程46
4.2.2　预处理48
4.2.3　基于关系矩阵的流向特征提取49
4.2.4　基于EM估计粘连血管型结节模型参数51
4.2.5　带宽参数选取51
4.3　Mean-Shift三维分割结节过程52
4.4　结果及分析53
4.4.1　实验方案53
4.4.2　人造实验数据及结果53
4.4.3　肺CT影像实验数据55
4.4.4　实验结果与讨论56
第5章　基于改进主动形状模型的分割方法研究58
5.1　主动形状模型58
5.2　改进ASM在肺区分割上的应用59
5.2.1　肺区分割研究现状59
5.2.2　提取标记点61
5.2.3　建立形状模型61
5.2.4　异常标记点选择62
5.2.5　搜索肺区边缘63
5.3　数据集及分割结果64
5.3.1　数据集64
5.3.2　分割结果64
5.3.3　分割结果评价与讨论65
参考文献67