皮肤镜图像分析与识别

图书标准信息

• 作者 谢凤英 著
• 出版社 电子工业出版社
• 出版时间 2022-06
• 版次 1
• ISBN 9787121437137
• 定价 98.00元
• 装帧 平装
• 开本 16开
• 页数 236页
• 字数 350千字
• 正文语种 简体中文

【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