注冊(cè) | 登錄讀書(shū)好,好讀書(shū),讀好書(shū)!
讀書(shū)網(wǎng)-DuShu.com
當(dāng)前位置: 首頁(yè)出版圖書(shū)科學(xué)技術(shù)計(jì)算機(jī)/網(wǎng)絡(luò)圖形圖像、多媒體、網(wǎng)頁(yè)制作視頻/音頻/流媒體圖像檢測(cè)與分割方法及其應(yīng)用

圖像檢測(cè)與分割方法及其應(yīng)用

圖像檢測(cè)與分割方法及其應(yīng)用

定 價(jià):¥69.00

作 者: 任會(huì)之
出版社: 機(jī)械工業(yè)出版社
叢編項(xiàng):
標(biāo) 簽: 暫缺

購(gòu)買這本書(shū)可以去


ISBN: 9787111597018 出版時(shí)間: 2018-08-01 包裝:
開(kāi)本: 頁(yè)數(shù): 字?jǐn)?shù):  

內(nèi)容簡(jiǎn)介

  本書(shū)主要介紹關(guān)于圖像檢測(cè)與分割方法及其應(yīng)用的一些新研究。即在圖像檢測(cè)與分割方法的基本概念、研究進(jìn)展進(jìn)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(shí)別、人工智能方面的前沿理論,提出了圖像檢測(cè)與分割的新算法。本書(shū)共分5章。章為基于Hessian矩陣的球形區(qū)域檢測(cè)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(cè)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(jìn)主動(dòng)形狀模型的分割方法研究。本書(shū)內(nèi)容既有理論算法,又有典型應(yīng)用,理論聯(lián)系實(shí)際,具有廣泛的參考價(jià)值。

作者簡(jiǎn)介

  任會(huì)之 博士,研究方向?yàn)橄到y(tǒng)工程、模式識(shí)別和圖像處理。 主持國(guó)家自然科學(xué)基金青年基金項(xiàng)目1項(xiàng),曾受中國(guó)博士后基金委員會(huì)二等資助。攻讀博士學(xué)位期間,曾參與國(guó)家自然科學(xué)基金項(xiàng)目、“863”計(jì)劃項(xiàng)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(dòng)化學(xué)報(bào)》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(jì)算機(jī)輔助診斷產(chǎn)品中。

圖書(shū)目錄

前 言
第1章 基于Hessian矩陣的球形區(qū)域檢測(cè)方法及其應(yīng)用1
1.1 基于二維Hessian矩陣的圓點(diǎn)濾波器1
1.2 基于三維Hessian矩陣的圓點(diǎn)濾波器1
1.3 圓點(diǎn)濾波器理論在圖像處理中的應(yīng)用實(shí)例3
1.4 實(shí)驗(yàn)結(jié)果及分析6
1.4.1 實(shí)驗(yàn)數(shù)據(jù)6
1.4.2 實(shí)驗(yàn)環(huán)境7
1.4.3 實(shí)驗(yàn)方案7
1.4.4 實(shí)驗(yàn)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(cè)方法10
2.1 求解組合優(yōu)化問(wèn)題的智能計(jì)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(jìn)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(jìn)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(shí)驗(yàn)結(jié)果及分析20
2.6.1 實(shí)驗(yàn)數(shù)據(jù)20
2.6.2 參數(shù)的選取20
2.6.3 實(shí)驗(yàn)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(guò)程39
3.6 實(shí)驗(yàn)結(jié)果及分析40
3.6.1 實(shí)驗(yàn)方案40
3.6.2 人造實(shí)驗(yàn)數(shù)據(jù)及結(jié)果40
3.6.3 肺CT影像實(shí)驗(yàn)數(shù)據(jù)42
3.6.4 實(shí)驗(yàn)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(jì)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(guò)程52
4.4 結(jié)果及分析53
4.4.1 實(shí)驗(yàn)方案53
4.4.2 人造實(shí)驗(yàn)數(shù)據(jù)及結(jié)果53
4.4.3 肺CT影像實(shí)驗(yàn)數(shù)據(jù)55
4.4.4 實(shí)驗(yàn)結(jié)果與討論56
第5章 基于改進(jìn)主動(dòng)形狀模型的分割方法研究58
5.1 主動(dòng)形狀模型58
5.2 改進(jìn)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(diǎn)61
5.2.3 建立形狀模型61
5.2.4 異常標(biāo)記點(diǎn)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(píng)價(jià)與討論65
參考文獻(xiàn)67

本目錄推薦

掃描二維碼
Copyright ? 讀書(shū)網(wǎng) ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號(hào) 鄂公網(wǎng)安備 42010302001612號(hào)