圖像檢測與分割方法及其應(yīng)用

定　價：￥69.00

作　者：	任會之
出版社：	機械工業(yè)出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787111597018	出版時間：	2018-08-01	包裝：
開本：		頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　本書主要介紹關(guān)于圖像檢測與分割方法及其應(yīng)用的一些新研究。即在圖像檢測與分割方法的基本概念、研究進展進行總結(jié)分析的基礎(chǔ)上，以人體特別是肺部的醫(yī)學(xué)影像后處理為應(yīng)用案例，結(jié)合現(xiàn)有模式識別、人工智能方面的前沿理論，提出了圖像檢測與分割的新算法。本書共分5章。章為基于Hessian矩陣的球形區(qū)域檢測方法及其應(yīng)用；第2章為基于組合優(yōu)化和SVM的圖像球形區(qū)域檢測方法；第3章為基于多尺度和Mean—Shift分割方法研究；第4章為基于EM和Mean—Shift的分割方法研究；第5章為基于改進主動形狀模型的分割方法研究。本書內(nèi)容既有理論算法，又有典型應(yīng)用，理論聯(lián)系實際，具有廣泛的參考價值。

作者簡介

　　任會之博士，研究方向為系統(tǒng)工程、模式識別和圖像處理。主持國家自然科學(xué)基金青年基金項目1項，曾受中國博士后基金委員會二等資助。攻讀博士學(xué)位期間，曾參與國家自然科學(xué)基金項目、“863”計劃項目等。先后在《Computer and Operations Research》、《International Journal of Production Research》、《Discrete Dynamics in Nature and Society》、《Journal of Medical Imaging and Health》、《自動化學(xué)報》等期刊上發(fā)表論文多篇。在生物醫(yī)學(xué)方面研究成果已應(yīng)用于東軟肺癌計算機輔助診斷產(chǎn)品中。

圖書目錄

前　言
第1章　基于Hessian矩陣的球形區(qū)域檢測方法及其應(yīng)用1
1.1　基于二維Hessian矩陣的圓點濾波器1
1.2　基于三維Hessian矩陣的圓點濾波器1
1.3　圓點濾波器理論在圖像處理中的應(yīng)用實例3
1.4　實驗結(jié)果及分析6
1.4.1　實驗數(shù)據(jù)6
1.4.2　實驗環(huán)境7
1.4.3　實驗方案7
1.4.4　實驗結(jié)果7
第2章　基于組合優(yōu)化和SVM的圖像球形區(qū)域檢測方法10
2.1　求解組合優(yōu)化問題的智能計算方法10
2.1.1　遺傳算法10
2.1.2　分散搜索算法11
2.2　基于組合優(yōu)化的特征選擇模型11
2.3　基于改進GA和SVM的求解模型13
2.4　基于SS和SVM求解模型14
2.5　基于改進GA和SVM模型及其應(yīng)用15
2.5.1　肺分割16
2.5.2　自適應(yīng)感興趣區(qū)域獲取17
2.5.3　特征提取18
2.6　實驗結(jié)果及分析20
2.6.1　實驗數(shù)據(jù)20
2.6.2　參數(shù)的選取20
2.6.3　實驗結(jié)果及討論21
第3章　基于多尺度和Mean-Shift的分割方法研究29
3.1　多尺度層次聚類方法29
3.2　均值漂移算法31
3.3　均值漂移算法帶寬參數(shù)選取現(xiàn)狀33
3.4　基于多尺度的帶寬參數(shù)選取方法35
3.5　基于多尺度和Mean-Shift分割在圖像處理中的應(yīng)用36
3.5.1　初始區(qū)域的獲取36
3.5.2　初始帶寬參數(shù)的選取37
3.5.3　帶寬參數(shù)的選取38
3.5.4　Mean-Shift二維分割結(jié)節(jié)過程39
3.6　實驗結(jié)果及分析40
3.6.1　實驗方案40
3.6.2　人造實驗數(shù)據(jù)及結(jié)果40
3.6.3　肺CT影像實驗數(shù)據(jù)42
3.6.4　實驗結(jié)果與討論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　算法步驟46
4.2　基于EM和Mean-Shift在圖像分割中的應(yīng)用46
4.2.1　基于EM的帶寬選取方法流程46
4.2.2　預(yù)處理48
4.2.3　基于關(guān)系矩陣的流向特征提取49
4.2.4　基于EM估計粘連血管型結(jié)節(jié)模型參數(shù)51
4.2.5　帶寬參數(shù)選取51
4.3　Mean-Shift三維分割結(jié)節(jié)過程52
4.4　結(jié)果及分析53
4.4.1　實驗方案53
4.4.2　人造實驗數(shù)據(jù)及結(jié)果53
4.4.3　肺CT影像實驗數(shù)據(jù)55
4.4.4　實驗結(jié)果與討論56
第5章　基于改進主動形狀模型的分割方法研究58
5.1　主動形狀模型58
5.2　改進ASM在肺區(qū)分割上的應(yīng)用59
5.2.1　肺區(qū)分割研究現(xiàn)狀59
5.2.2　提取標(biāo)記點61
5.2.3　建立形狀模型61
5.2.4　異常標(biāo)記點選擇62
5.2.5　搜索肺區(qū)邊緣63
5.3　數(shù)據(jù)集及分割結(jié)果64
5.3.1　數(shù)據(jù)集64
5.3.2　分割結(jié)果64
5.3.3　分割結(jié)果評價與討論65
參考文獻67