书籍详情
皮肤镜图像分析与识别
作者：谢凤英
出版社：电子工业出版社
出版时间：2022-06-01
ISBN：9787121437137
定价：¥98.00
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**研究方法，总结皮肤镜图像分析与识别领域的发展动态。全书共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，以及基于卷积神经网络的皮肤镜图像分析等内容。 本书将图像处理的基本理论、模式识别方法与皮肤镜图像分析应用相结合，内容系统，重点突出。本书是国内少有的关于皮肤镜图像分析与识别的著作，适合从事该领域研究的科技工作者及工程技术人员阅读参考。
作者简介
谢凤英，中国体视学学会理事、中国图象图形学会医学影像专业委员会委员，北京航空航天大学宇航学院副院长。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，讲授模式识别、C语言程序设计、数字图像处理等本科生和研究生课程，主持或参加包括国家重点研发计划项目、国家自然基金等在内的课题30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\t1
1．1 皮肤镜技术\t1
1．2 皮肤镜图像计算机辅助诊断\t3
1．3 皮肤镜数字图像处理\t6
1．4 皮肤镜图像处理技术的发展趋势\t12
本章小结\t14
本章参考文献\t15
第2章 皮肤镜图像的质量评价\t19
2．1 散焦模糊评价\t19
2．1．1 散焦模糊的退化函数\t19
2．1．2 散焦模糊的退化原理\t20
2．1．3 散焦模糊评价指标设计\t21
2．2 基于梯度的模糊评价\t23
2．2．1 梯度原理\t23
2．2．2 模糊评价指标设计\t26
2．3 光照不均评价\t27
2．3．1 Retinex变分模型\t27
2．3．2 光照分量提取\t28
2．3．3 光照不均评价指标设计\t29
2．4 模糊和光照不均混合失真情况下的评价\t30
2．4．1 模糊和光照不均的频谱特性分析\t30
2．4．2 模糊和光照不均程度的设计\t33
2．4．3 评价模型修正\t33
2．5 毛发遮挡评价\t34
2．5．1 毛发提取\t35
2．5．2 毛发遮挡评价指标设计\t40
本章小结\t42
本章参考文献\t42
第3章 皮肤镜图像的预处理\t44
3．1 散焦模糊的复原\t45
3．1．1 图像的退化与复原过程\t45
3．1．2 连续函数的退化模型\t46
3．1．3 离散函数的退化模型\t48
3．1．4 图像复原的基本步骤\t50
3．1．5 维纳滤波图像复原方法\t51
3．2 光照不均的去除\t53
3．2．1 基于光照估计的光照去除\t53
3．2．2 基于图像增强的光照去除\t54
3．3 毛发的去除\t61
3．3．1 基于偏微分方程的毛发去除\t61
3．3．2 基于Criminisi修复算法的毛发去除\t63
3．4 平滑去噪\t65
3．4．1 邻域平均法\t65
3．4．2 中值滤波法\t69
本章小结\t71
本章参考文献\t71
第4章 皮肤镜图像的分割\t73
4．1 大津阈值分割\t73
4．1．1 阈值分割的原理\t73
4．1．2 大津阈值选择\t75
4．2 K-均值聚类分割\t78
4．3 Mean Shift聚类分割\t81
4．3．1 核密度估计\t82
4．3．2 密度梯度估计\t82
4．3．3 Mean Shift图像聚类\t85
4．3．4 子区域合并后处理\t86
4．4 基于SGNN的分割\t88
4．4．1 SGNN算法原理\t88
4．4．2 改进的SGNN分割算法\t90
4．5 基于JSEG的分割\t91
4．5．1 颜色量化\t92
4．5．2 空间分割\t94
4．6 基于SRM的分割\t97
4．6．1 融合预测\t97
4．6．2 融合顺序\t99
4．6．3 统计区域融合算法\t99
4．7 水平集活动轮廓模型\t100
4．7．1 Mumford-Shah模型\t101
4．7．2 Chan-Vese模型\t101
4．7．3 Chan-Vese模型的数值实现\t103
4．8 分割实例对比\t104
4．9 图像分割的性能评价\t106
4．9．1 无监督评价法\t106
4．9．2 有监督评价法\t108
本章小结\t111
本章参考文献\t111
第5章 常用的皮肤镜图像特征描述方法\t114
5．1 形状描述\t114
5．1．1 图像矩\t115
5．1．2 常用的形状描述\t117
5．2 颜色描述\t120
5．2．1 彩色空间\t120
5．2．2 直方图\t126
5．2．3 颜色直方图距离\t128
5．2．4 其他颜色描述\t129
5．3 纹理描述\t131
5．3．1 灰度共生矩阵\t131
5．3．2 Gabor小波纹理描述\t135
5．3．3 可控金字塔变换\t142
本章小结\t145
本章参考文献\t145
第6章 皮肤镜图像的分类识别方法\t147
6．1 图像识别系统\t147
6．2 学习与分类\t149
6．2．1 机器学习的基本模型\t149
6．2．2 监督学习\t150
6．3 人工神经元网络\t150
6．3．1 基本原理\t150
6．3．2 BP神经网络\t152
6．3．3 模糊神经网络\t154
6．3．4 组合神经网络\t159
6．4 支持向量机\t161
6．4．1 最优分类面\t161
6．4．2 SVM方法\t163
6．4．3 核函数的选择\t165
6．5 AdaBoost算法\t166
本章小结\t167
本章参考文献\t167
第7章 典型皮损目标的计算机辅助诊断\t169
7．1 黑色素瘤的诊断标准\t169
7．1．1 ABCD准则\t169
7．1．2 Menzies打分法\t171
7．1．3 七点检测法\t171
7．2 白色人种皮损目标的分类识别\t172
7．2．1 特征提取\t172
7．2．2 基于相关性的特征优选\t175
7．2．3 基于SVM的分类器设计\t176
7．3 黄色人种皮损目标的分类识别\t176
7．3．1 特征提取\t177
7．3．2 基于遗传算法的特征优选\t180
7．3．3 基于组合神经网络的分类器设计\t183
本章小结\t185
本章参考文献\t185
第8章 基于卷积神经网络的皮肤镜图像分析\t188
8．1 卷积神经网络\t188
8．1．1 卷积神经网络原理\t188
8．1．2 典型的卷积神经网络模型\t193
8．1．3 卷积神经网络的设计方法\t200
8．2 基于卷积神经网络的图像处理框架\t203
8．2．1 基于卷积神经网络的图像分割框架\t204
8．2．2 基于卷积神经网络的图像分类框架\t204
8．2．3 基于卷积神经网络的深度哈希图像检索框架\t205
8．3 基于多尺度特征融合的皮肤镜图像分割\t207
8．3．1 稠密块和过渡块\t207
8．3．2 多尺度特征融合\t209
8．3．3 损失函数设计\t210
8．3．4 分割实例分析\t210
8．4 基于区域池化的皮肤镜图像分类\t212
8．4．1 区域池化层设计\t212
8．4．2 基于AUC的分类器训练\t212
8．4．3 分类实例分析\t214
8．5 基于深度哈希编码的皮肤镜图像检索\t215
8．5．1 皮肤镜图像检索流程\t215
8．5．2 深度哈希残差网络\t216
8．5．3 基于哈希表查找的从粗到精检索策略\t217
8．5．4 检索实例分析\t219
本章小结\t221
本章参考文献\t221
第1章 概述\t1
1．1 皮肤镜技术\t1
1．2 皮肤镜图像计算机辅助诊断\t3
1．3 皮肤镜数字图像处理\t6
1．4 皮肤镜图像处理技术的发展趋势\t12
本章小结\t14
本章参考文献\t15
第2章 皮肤镜图像的质量评价\t19
2．1 散焦模糊评价\t19
2．1．1 散焦模糊的退化函数\t19
2．1．2 散焦模糊的退化原理\t20
2．1．3 散焦模糊评价指标设计\t21
2．2 基于梯度的模糊评价\t23
2．2．1 梯度原理\t23
2．2．2 模糊评价指标设计\t26
2．3 光照不均评价\t27
2．3．1 Retinex变分模型\t27
2．3．2 光照分量提取\t28
2．3．3 光照不均评价指标设计\t29
2．4 模糊和光照不均混合失真情况下的评价\t30
2．4．1 模糊和光照不均的频谱特性分析\t30
2．4．2 模糊和光照不均程度的设计\t33
2．4．3 评价模型修正\t33
2．5 毛发遮挡评价\t34
2．5．1 毛发提取\t35
2．5．2 毛发遮挡评价指标设计\t40
本章小结\t42
本章参考文献\t42
第3章 皮肤镜图像的预处理\t44
3．1 散焦模糊的复原\t45
3．1．1 图像的退化与复原过程\t45
3．1．2 连续函数的退化模型\t46
3．1．3 离散函数的退化模型\t48
3．1．4 图像复原的基本步骤\t50
3．1．5 维纳滤波图像复原方法\t51
3．2 光照不均的去除\t53
3．2．1 基于光照估计的光照去除\t53
3．2．2 基于图像增强的光照去除\t54
3．3 毛发的去除\t61
3．3．1 基于偏微分方程的毛发去除\t61
3．3．2 基于Criminisi修复算法的毛发去除\t63
3．4 平滑去噪\t65
3．4．1 邻域平均法\t65
3．4．2 中值滤波法\t69
本章小结\t71
本章参考文献\t71
第4章 皮肤镜图像的分割\t73
4．1 大津阈值分割\t73
4．1．1 阈值分割的原理\t73
4．1．2 大津阈值选择\t75
4．2 K-均值聚类分割\t78
4．3 Mean Shift聚类分割\t81
4．3．1 核密度估计\t82
4．3．2 密度梯度估计\t82
4．3．3 Mean Shift图像聚类\t85
4．3．4 子区域合并后处理\t86
4．4 基于SGNN的分割\t88
4．4．1 SGNN算法原理\t88
4．4．2 改进的SGNN分割算法\t90
4．5 基于JSEG的分割\t91
4．5．1 颜色量化\t92
4．5．2 空间分割\t94
4．6 基于SRM的分割\t97
4．6．1 融合预测\t97
4．6．2 融合顺序\t99
4．6．3 统计区域融合算法\t99
4．7 水平集活动轮廓模型\t100
4．7．1 Mumford-Shah模型\t101
4．7．2 Chan-Vese模型\t101
4．7．3 Chan-Vese模型的数值实现\t103
4．8 分割实例对比\t104
4．9 图像分割的性能评价\t106
4．9．1 无监督评价法\t106
4．9．2 有监督评价法\t108
本章小结\t111
本章参考文献\t111
第5章 常用的皮肤镜图像特征描述方法\t114
5．1 形状描述\t114
5．1．1 图像矩\t115
5．1．2 常用的形状描述\t117
5．2 颜色描述\t120
5．2．1 彩色空间\t120
5．2．2 直方图\t126
5．2．3 颜色直方图距离\t128
5．2．4 其他颜色描述\t129
5．3 纹理描述\t131
5．3．1 灰度共生矩阵\t131
5．3．2 Gabor小波纹理描述\t135
5．3．3 可控金字塔变换\t142
本章小结\t145
本章参考文献\t145
第6章 皮肤镜图像的分类识别方法\t147
6．1 图像识别系统\t147
6．2 学习与分类\t149
6．2．1 机器学习的基本模型\t149
6．2．2 监督学习\t150
6．3 人工神经元网络\t150
6．3．1 基本原理\t150
6．3．2 BP神经网络\t152
6．3．3 模糊神经网络\t154
6．3．4 组合神经网络\t159
6．4 支持向量机\t161
6．4．1 最优分类面\t161
6．4．2 SVM方法\t163
6．4．3 核函数的选择\t165
6．5 AdaBoost算法\t166
本章小结\t167
本章参考文献\t167
第7章 典型皮损目标的计算机辅助诊断\t169
7．1 黑色素瘤的诊断标准\t169
7．1．1 ABCD准则\t169
7．1．2 Menzies打分法\t171
7．1．3 七点检测法\t171
7．2 白色人种皮损目标的分类识别\t172
7．2．1 特征提取\t172
7．2．2 基于相关性的特征优选\t175
7．2．3 基于SVM的分类器设计\t176
7．3 黄色人种皮损目标的分类识别\t176
7．3．1 特征提取\t177
7．3．2 基于遗传算法的特征优选\t180
7．3．3 基于组合神经网络的分类器设计\t183
本章小结\t185
本章参考文献\t185
第8章 基于卷积神经网络的皮肤镜图像分析\t188
8．1 卷积神经网络\t188
8．1．1 卷积神经网络原理\t188
8．1．2 典型的卷积神经网络模型\t193
8．1．3 卷积神经网络的设计方法\t200
8．2 基于卷积神经网络的图像处理框架\t203
8．2．1 基于卷积神经网络的图像分割框架\t204
8．2．2 基于卷积神经网络的图像分类框架\t204
8．2．3 基于卷积神经网络的深度哈希图像检索框架\t205
8．3 基于多尺度特征融合的皮肤镜图像分割\t207
8．3．1 稠密块和过渡块\t207
8．3．2 多尺度特征融合\t209
8．3．3 损失函数设计\t210
8．3．4 分割实例分析\t210
8．4 基于区域池化的皮肤镜图像分类\t212
8．4．1 区域池化层设计\t212
8．4．2 基于AUC的分类器训练\t212
8．4．3 分类实例分析\t214
8．5 基于深度哈希编码的皮肤镜图像检索\t215
8．5．1 皮肤镜图像检索流程\t215
8．5．2 深度哈希残差网络\t216
8．5．3 基于哈希表查找的从粗到精检索策略\t217
8．5．4 检索实例分析\t219
本章小结\t221
本章参考文献\t221
猜您喜欢
