医学显微图像获取及识别

　　《医学显微图像获取及识别》共分为三个部分：一部分主要介绍基于图像处理的显微镜自动聚焦，重点解决医学显微图像的自动获取问题；第二部分针对结核杆菌的图像分割及识别展开研究，从图像增强、图像分割、目标特征提取及识别等多个方面展开研究；第三部分针对宫颈细胞图像处理展开研究，分别研究了单细胞图像分割、多细胞图像分割、重叠细胞图像分割、细胞的分类识别等问题。

暂缺《医学显微图像获取及识别》作者简介

第一章 绪论
1．1 医学显微图像处理系统组成
1．2 医学显微图像获取及识别关键技术
1．2．1 光学显微镜自动聚焦技术
1．2．2 医学显微图像分割技术
1．2．3 图像特征提取与识别技术
1．3 主要内容与结构安排

第一部分 光学显微镜自动聚焦技术
第二章 聚焦函数设计及其性能优化
2．1 聚焦函数设计
2．1．1 聚焦函数设计原理
2．1．2 基于梯度的聚焦函数
2．1．3 频域聚焦函数
2．1．4 基于自相关及灰度方差的聚焦函数
2．2 聚焦函数性能评价指标设计及最优函数选取
2．2．1 性能评价指标设计
2．2．2 聚焦函数性能定量评估
2．2．3 最优函数选取
2．3 聚焦曲线陡峭度增强
2．3．1 问题的提出
2．3．2 陡峭度增强算法
2．3．3 算法性能评估
2．3．4 算法复杂度分析
2．3．5 自动聚焦实验
2．4 本章小结
第三章 焦平面搜索算法
3．1 显微镜大范围聚焦
3．1．1 聚焦相对范围数
3．1．2 聚焦类型分析
3．1．3 F值变化的有效性
3．1．4 聚焦类型判决及转换
3．2 陡峭区极值搜索
3．2．1 盲人爬山算法
3．2．2 曲线拟合算法
3．3 基于视频连续反馈的显微镜自动聚焦算法
3．3．1 连续聚焦模型的建立
3．3．2 适用范围及运动速度控制
3．3．3 聚焦初始方向的选取
3．4 自动聚焦系统及实验
3．4．1 全自动显微镜系统
3．4．2 Z轴回程误差标定
3．4．3 自动聚焦实验及讨论
3．5 本章小结

第二部分 结核杆菌显微图像的增强、分割与识别
第四章 结核杆菌显微图像增强技术
4．1 基于直方图均衡化的增强算法概述
4．1．1 直方图均衡化增强算法原理
4．1．2 直方图均衡化的改进算法描述
4．2 基于WTHE的彩色图像增强算法
4．2．1 直方图计算
4．2．2 PDF变换与灰度映射
4．2．3 亮度规范化
4．3 实验结果与讨论
4．3．1 实验平台与参数设置
4．3．2 图像增强结果
4．4 本章小结
第五章 结核杆菌显微图像分割技术
5．1 基于颜色特征的分割
5．1．1 多阶段多层次图像分割框架
5．1．2 颜色空间分析及选取
5．1．3 结核杆菌目标颜色特征建模
5．1．4 基于HSV颜色空间的图像初始分割
5．1．5 基于彩色图像梯度分析和局部自适应闽值的图像分割
5．1．6 分割结果后处理
5．1．7 实验结果分析
5．2 基于分水岭算法的图像分割
5．2．1 分水岭算法概述
5．2．2 基于gPb分水岭的结核杆菌图像分割算法
5．2．3 基于自动标记分水岭的结核杆菌图像分割算法
5．3 本章小结
第六章 基于形状几何统计特征及决策树的结核杆菌目标识别
6．1 基于形状几何统计特征及决策树的目标分类
6．1．1 目标样本库的建立
6．1．2 目标特征分析及形态描述子选取
6．1．3 基于决策树的目标分类
6．2 综合实验与讨论
6．2．1 典型样本实验
6．2．2 大样本实验
6．3 本章小节
第七章 基于变形模型的结核杆菌目标建模及识别
7．1 结核杆菌目标形状建模
7．1．1 结核杆菌目标形状的点分布模型
7．1．2 训练样本对齐
7．1．3 形状模型建立
7．1．4 模型参数控制
7．2 断裂目标连接及重叠目标分离
7．2．1 基于目标骨架的断裂目标连接算法
7．2．2 基于目标骨架的重叠结核杆菌目标分离算法
7．3 基于变形模型的目标分类及形状分析
7．3．1 结核杆菌目标关键点自动标注
7．3．2 基于形状模型的识别准则
7．3．3 实验结果与讨论
7．4 本章小结

第三部分 宫颈细胞图像的分割与识别
第八章 基于灰度边缘信息的单细胞图像分割
8．1 基于断点抑制梯度向量场的闭合轮廓提取方法
8．1．1 闭合轮廓提取方法概览
8．1．2 断点标注
8．1．3 断点抑制梯度向量场
8．1．4 改进的均值向量差分方法
8．1．5 仿真图像的实验结果
8．2 断点抑制梯度向量场在细胞轮廓提取中的应用
8．2．1 细胞轮廓提取
8．2．2 关于图像噪声影响的讨论
8．3 本章小结
第九章 基于色差向量场的单细胞图像分割
9．1 色差向量场
9．2 基于色差向量场提取细胞轮廓
9．2．1 色差向量场下的细胞边缘特性分析
9．2．2 色差向量模板提取
9．2．3 细胞轮廓的提取
9．3 实验结果
9．3．1 实验平台及图像数据获取
9．3．2 细胞分割结果
9．4 本章小结
第十章 基于稀疏动态搜索与GVF Snake模型的重叠细胞图像分割
10．1 本章的分割方法概览
10．2 预分割与边缘增强
10．2．1 预处理
10．2．2 形态学滤波与K均值算法结合的预分割
10．2．3 基于梯度分解的边缘增强
10．3 细胞轮廓的精确提取
10．3．1 基准轮廓提取
10．3．2 稀疏动态轮廓搜索
10．3．3 细胞轮廓点初始位置估计
10．3．4 动态搜索准则
10．3．5 采用GVFSnake模型提取细胞轮廓
10．4 实验结果与讨论
10．4．1 测试数据集
10．4．2 细胞分割结果
10．4．3 讨论
10．5 本章小结
第十一章 多细胞图像分割
11．1 多细胞图像中细胞核区域的增强
11．1．1 基于灰度信息的细胞核区域增强
11．1．2 基于彩色信息的细胞核区域增强
11．1．3 融合灰度与彩色信息的细胞核区域增强
11．2 多细胞图像中的细胞核分割
11．2．1 细胞核粗分割
11．2．2 基于局域CVFSnake模型的细胞核精细分割
11．3 重叠细胞核分割
11．3．1 重叠细胞核的分离
11．3．2 缺失细胞核轮廓的重构
11．4 多细胞图像中的细胞质分割
11．4．1 细胞质区域的粗分割
11．4．2 重叠细胞质的分割
11．5 实验结果与讨论
11．5．1 细胞核分割结果与讨论
11．5．2 细胞质分割结果与讨论
11．6 本章小结
第十二章 细胞图像的特征参数提取与分类识别
12．1 细胞图像的特征参数提取
12．1．1 正常宫颈细胞与异常宫颈细胞的典型特点
12．1．2 细胞图像的特征参数提取
12．2 正常细胞与异常细胞的分类
12．2．1 四种基本分类器简介
12．2．2 基于细胞核面积的两级分类方法
12．3 实验结果
12．3．1 实验样本库及分类评价指标
12．3．2 Herlev数据集测试
12．3．3 自有数据集测试
12．4 本章小结
参考文献