科技>计算机>图形图像
皮肤镜图像分析与识别  

皮肤镜图像分析与识别  "

作者:谢凤英
ISBN:9787121437137
定价:¥98.0
字数:350千字
页数:236
出版时间:2022-06
开本:16开
版次:01-01
装帧:
出版社:电子工业出版社
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,注重涵盖当前的最新研究方法,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。

前言

前 言 皮肤镜是一种观察活体皮肤表面以下微细结构及色素的无创性显微图像分析技术,它是皮肤癌早期诊断的有效工具,同时也是其他多种皮肤疾病的一种常规检查手段,有关皮肤镜图像处理的研究与开发正日益受到生物医学工程和计算机视觉工作者的重视。作者从事皮肤镜图像分析领域相关的科研工作十余年,从中积累了丰富的研究成果和经验,本书是作者在皮肤镜图像分析领域的研究经验总结。 本书以数字图像处理和模式识别的理论为基础,全面而系统地介绍了皮肤镜图像分析与识别的关键技术,包括皮肤镜图像的采集质量评价、预处理、图像分割、皮损目标的特征提取和分类识别、基于卷积神经网络的皮肤镜图像分析等。书中的内容安排注重图像处理的基础理论与皮肤镜图像分析的实际应用紧密结合,力求做到基础理论系统、研究算法先进、内容前后贯穿统一。书中的各种分析实例来源于作者所在实验室的科研实践和研究课题。本书内容经过了精心编排,适合相关科学工作者及工程技术人员学习和参考。 本书由北京航空航天大学图像处理中心的谢凤英编写,由北京航空航天大学图像处理中心的姜志国教授主审。感谢姜志国教授在百忙之中为本书进行审核,并提出了许多宝贵意见。本书所涉及的部分研究方法以及用到的部分图表来自作者与中国人民解放军空军特色医学中心(原中国人民解放军空军总医院)孟如松主任技师和北京协和医院刘洁教授的合作论文,在这些研究工作中,孟如松和刘洁两位大夫提供了无私帮助和大力支持,在此向孟如松和刘洁两位大夫表示衷心感谢。感谢北京航空航天大学图像处理中心的邱林伟、杨怡光、丁海东、张漪澜等同学,他们为本书的成稿做了大量工作。另外,在编写本书的过程中参考了大量国内外书籍和论文,在此向本书中所引用书籍和论文的作者深表感谢。 由于作者水平有限,书中难免存在不当之处,敬请读者批评指正。 作 者

目录

目 录 第1章 概述 1 1.1 皮肤镜技术 1 1.2 皮肤镜图像计算机辅助诊断 3 1.3 皮肤镜数字图像处理 6 1.4 皮肤镜图像处理技术的发展趋势 12 本章小结 14 本章参考文献 15 第2章 皮肤镜图像的质量评价 19 2.1 散焦模糊评价 19 2.1.1 散焦模糊的退化函数 19 2.1.2 散焦模糊的退化原理 20 2.1.3 散焦模糊评价指标设计 21 2.2 基于梯度的模糊评价 23 2.2.1 梯度原理 23 2.2.2 模糊评价指标设计 26 2.3 光照不均评价 27 2.3.1 Retinex变分模型 27 2.3.2 光照分量提取 28 2.3.3 光照不均评价指标设计 29 2.4 模糊和光照不均混合失真情况下的评价 30 2.4.1 模糊和光照不均的频谱特性分析 30 2.4.2 模糊和光照不均程度的设计 33 2.4.3 评价模型修正 33 2.5 毛发遮挡评价 34 2.5.1 毛发提取 35 2.5.2 毛发遮挡评价指标设计 40 本章小结 42 本章参考文献 42 第3章 皮肤镜图像的预处理 44 3.1 散焦模糊的复原 45 3.1.1 图像的退化与复原过程 45 3.1.2 连续函数的退化模型 46 3.1.3 离散函数的退化模型 48 3.1.4 图像复原的基本步骤 50 3.1.5 维纳滤波图像复原方法 51 3.2 光照不均的去除 53 3.2.1 基于光照估计的光照去除 53 3.2.2 基于图像增强的光照去除 54 3.3 毛发的去除 61 3.3.1 基于偏微分方程的毛发去除 61 3.3.2 基于Criminisi修复算法的毛发去除 63 3.4 平滑去噪 65 3.4.1 邻域平均法 65 3.4.2 中值滤波法 69 本章小结 71 本章参考文献 71 第4章 皮肤镜图像的分割 73 4.1 大津阈值分割 73 4.1.1 阈值分割的原理 73 4.1.2 大津阈值选择 75 4.2 K-均值聚类分割 78 4.3 Mean Shift聚类分割 81 4.3.1 核密度估计 82 4.3.2 密度梯度估计 82 4.3.3 Mean Shift图像聚类 85 4.3.4 子区域合并后处理 86 4.4 基于SGNN的分割 88 4.4.1 SGNN算法原理 88 4.4.2 改进的SGNN分割算法 90 4.5 基于JSEG的分割 91 4.5.1 颜色量化 92 4.5.2 空间分割 94 4.6 基于SRM的分割 97 4.6.1 融合预测 97 4.6.2 融合顺序 99 4.6.3 统计区域融合算法 99 4.7 水平集活动轮廓模型 100 4.7.1 Mumford-Shah模型 101 4.7.2 Chan-Vese模型 101 4.7.3 Chan-Vese模型的数值实现 103 4.8 分割实例对比 104 4.9 图像分割的性能评价 106 4.9.1 无监督评价法 106 4.9.2 有监督评价法 108 本章小结 111 本章参考文献 111 第5章 常用的皮肤镜图像特征描述方法 114 5.1 形状描述 114 5.1.1 图像矩 115 5.1.2 常用的形状描述 117 5.2 颜色描述 120 5.2.1 彩色空间 120 5.2.2 直方图 126 5.2.3 颜色直方图距离 128 5.2.4 其他颜色描述 129 5.3 纹理描述 131 5.3.1 灰度共生矩阵 131 5.3.2 Gabor小波纹理描述 135 5.3.3 可控金字塔变换 142 本章小结 145 本章参考文献 145 第6章 皮肤镜图像的分类识别方法 147 6.1 图像识别系统 147 6.2 学习与分类 149 6.2.1 机器学习的基本模型 149 6.2.2 监督学习 150 6.3 人工神经元网络 150 6.3.1 基本原理 150 6.3.2 BP神经网络 152 6.3.3 模糊神经网络 154 6.3.4 组合神经网络 159 6.4 支持向量机 161 6.4.1 最优分类面 161 6.4.2 SVM方法 163 6.4.3 核函数的选择 165 6.5 AdaBoost算法 166 本章小结 167 本章参考文献 167 第7章 典型皮损目标的计算机辅助诊断 169 7.1 黑色素瘤的诊断标准 169 7.1.1 ABCD准则 169 7.1.2 Menzies打分法 171 7.1.3 七点检测法 171 7.2 白色人种皮损目标的分类识别 172 7.2.1 特征提取 172 7.2.2 基于相关性的特征优选 175 7.2.3 基于SVM的分类器设计 176 7.3 黄色人种皮损目标的分类识别 176 7.3.1 特征提取 177 7.3.2 基于遗传算法的特征优选 180 7.3.3 基于组合神经网络的分类器设计 183 本章小结 185 本章参考文献 185 第8章 基于卷积神经网络的皮肤镜图像分析 188 8.1 卷积神经网络 188 8.1.1 卷积神经网络原理 188 8.1.2 典型的卷积神经网络模型 193 8.1.3 卷积神经网络的设计方法 200 8.2 基于卷积神经网络的图像处理框架 203 8.2.1 基于卷积神经网络的图像分割框架 204 8.2.2 基于卷积神经网络的图像分类框架 204 8.2.3 基于卷积神经网络的深度哈希图像检索框架 205 8.3 基于多尺度特征融合的皮肤镜图像分割 207 8.3.1 稠密块和过渡块 207 8.3.2 多尺度特征融合 209 8.3.3 损失函数设计 210 8.3.4 分割实例分析 210 8.4 基于区域池化的皮肤镜图像分类 212 8.4.1 区域池化层设计 212 8.4.2 基于AUC的分类器训练 212 8.4.3 分类实例分析 214 8.5 基于深度哈希编码的皮肤镜图像检索 215 8.5.1 皮肤镜图像检索流程 215 8.5.2 深度哈希残差网络 216 8.5.3 基于哈希表查找的从粗到精检索策略 217 8.5.4 检索实例分析 219 本章小结 221 本章参考文献 221

作者简介

编辑推荐

作者寄语

电子资料

www.luweidong.cn

下一个