皮膚鏡圖像分析與識別

皮膚鏡圖像分析與識別讀書筆記模板01思維導(dǎo)圖目錄分析讀書筆記內(nèi)容摘要作者介紹精彩摘錄目錄0305020406思維導(dǎo)圖皮膚鏡圖像圖像方法皮膚領(lǐng)域發(fā)展圖像皮膚小結(jié)參考文獻(xiàn)模型算法評價設(shè)計原理分類實例光照本書關(guān)鍵字分析思維導(dǎo)圖內(nèi)容摘要內(nèi)容摘要本書系統(tǒng)地介紹了皮膚鏡圖像處理的基礎(chǔ)理論和關(guān)鍵技術(shù)，注重涵蓋當(dāng)前的最新研究方法，總結(jié)皮膚鏡圖像分析與識別領(lǐng)域的發(fā)展動態(tài)。全書共8章，第1章為概述，介紹皮膚鏡的工作原理、皮膚鏡圖像處理的發(fā)展現(xiàn)狀和未來趨勢；第2章和第3章為皮膚鏡圖像的預(yù)處理部分，包括皮膚鏡圖像的質(zhì)量評價、皮膚鏡圖像增強(qiáng)復(fù)原中用到的預(yù)處理方法；第4～8章涵蓋了皮膚鏡圖像的分割、皮損目標(biāo)的特征提取和分類識別，以及基于卷積神經(jīng)網(wǎng)絡(luò)的皮膚鏡圖像分析等內(nèi)容。本書將圖像處理的基本理論、模式識別方法與皮膚鏡圖像分析應(yīng)用相結(jié)合，內(nèi)容系統(tǒng)，重點突出。本書是國內(nèi)少有的關(guān)于皮膚鏡圖像分析與識別的著作，適合從事該領(lǐng)域研究的科技工作者及工程技術(shù)人員閱讀參考。目錄分析1.1皮膚鏡技術(shù)1.2皮膚鏡圖像計算機(jī)輔助診斷1.3皮膚鏡數(shù)字圖像處理1.4皮膚鏡圖像處理技術(shù)的發(fā)展趨勢第1章概述本章參考文獻(xiàn)本章小結(jié)第1章概述2.1散焦模糊評價2.2基于梯度的模糊評價2.3光照不均評價2.4模糊和光照不均混合失真情況下的評價2.5毛發(fā)遮擋評價12345第2章皮膚鏡圖像的質(zhì)量評價本章參考文獻(xiàn)本章小結(jié)第2章皮膚鏡圖像的質(zhì)量評價2.1散焦模糊評價2.1.1散焦模糊的退化函數(shù)2.1.2散焦模糊的退化原理2.1.3散焦模糊評價指標(biāo)設(shè)計2.2基于梯度的模糊評價2.2.1梯度原理2.2.2模糊評價指標(biāo)設(shè)計2.3光照不均評價2.3.1Retinex變分模型2.3.2光照分量提取2.3.3光照不均評價指標(biāo)設(shè)計2.4模糊和光照不均混合失真情況下的評價2.4.1模糊和光照不均的頻譜特性分析2.4.2模糊和光照不均程度的設(shè)計2.4.3評價模型修正2.5毛發(fā)遮擋評價2.5.1毛發(fā)提取2.5.2毛發(fā)遮擋評價指標(biāo)設(shè)計3.1散焦模糊的復(fù)原3.3毛發(fā)的去除3.2光照不均的去除第3章皮膚鏡圖像的預(yù)處理3.4平滑去噪本章參考文獻(xiàn)本章小結(jié)第3章皮膚鏡圖像的預(yù)處理3.1散焦模糊的復(fù)原3.1.1圖像的退化與復(fù)原過程3.1.2連續(xù)函數(shù)的退化模型3.1.3離散函數(shù)的退化模型3.1.4圖像復(fù)原的基本步驟3.1.5維納濾波圖像復(fù)原方法3.2光照不均的去除3.2.1基于光照估計的光照去除3.2.2基于圖像增強(qiáng)的光照去除3.3毛發(fā)的去除3.3.1基于偏微分方程的毛發(fā)去除3.3.2基于Criminisi修復(fù)算法的毛發(fā)去除3.4平滑去噪3.4.1鄰域平均法3.4.2中值濾波法4.1大津閾值分割4.2K-均值聚類分割4.3MeanShift聚類分割4.4基于SGNN的分割4.5基于JSEG的分割12345第4章皮膚鏡圖像的分割4.6基于SRM的分割4.7水平集活動輪廓模型4.8分割實例對比4.9圖像分割的性能評價本章小結(jié)本章參考文獻(xiàn)010302040506第4章皮膚鏡圖像的分割4.1大津閾值分割4.1.1閾值分割的原理4.1.2大津閾值選擇4.3MeanShift聚類分割4.3.1核密度估計4.3.2密度梯度估計4.3.3MeanShift圖像聚類4.3.4子區(qū)域合并后處理4.4基于SGNN的分割4.4.1SGNN算法原理4.4.2改進(jìn)的SGNN分割算法4.5基于JSEG的分割4.5.1顏色量化4.5.2空間分割4.6基于SRM的分割4.6.1融合預(yù)測4.6.2融合順序4.6.3統(tǒng)計區(qū)域融合算法4.7水平集活動輪廓模型4.7.1Mumford-Shah模型4.7.2Chan-Vese模型4.7.3Chan-Vese模型的數(shù)值實現(xiàn)4.9圖像分割的性能評價4.9.1無監(jiān)督評價法4.9.2有監(jiān)督評價法5.1形狀描述5.3紋理描述5.2顏色描述第5章常用的皮膚鏡圖像特征描述方法本章參考文獻(xiàn)本章小結(jié)第5章常用的皮膚鏡圖像特征描述方法5.1形狀描述5.1.1圖像矩5.1.2常用的形狀描述5.2顏色描述5.2.1彩色空間5.2.2直方圖5.2.3顏色直方圖距離5.2.4其他顏色描述5.3紋理描述5.3.1灰度共生矩陣5.3.2Gabor小波紋理描述5.3.3可控金字塔變換6.1圖像識別系統(tǒng)6.2學(xué)習(xí)與分類6.3人工神經(jīng)元網(wǎng)絡(luò)6.4支持向量機(jī)6.5AdaBoost算法12345第6章皮膚鏡圖像的分類識別方法本章參考文獻(xiàn)本章小結(jié)第6章皮膚鏡圖像的分類識別方法6.2學(xué)習(xí)與分類6.2.1機(jī)器學(xué)習(xí)的基本模型6.2.2監(jiān)督學(xué)習(xí)6.3人工神經(jīng)元網(wǎng)絡(luò)6.3.1基本原理6.3.2BP神經(jīng)網(wǎng)絡(luò)6.3.3模糊神經(jīng)網(wǎng)絡(luò)6.3.4組合神經(jīng)網(wǎng)絡(luò)6.4支持向量機(jī)6.4.1最優(yōu)分類面6.4.2SVM方法6.4.3核函數(shù)的選擇7.1黑色素瘤的診斷標(biāo)準(zhǔn)7.2白色人種皮損目標(biāo)的分類識別7.3黃色人種皮損目標(biāo)的分類識別本章小結(jié)本章參考文獻(xiàn)12345第7章典型皮損目標(biāo)的計算機(jī)輔助診斷7.1黑色素瘤的診斷標(biāo)準(zhǔn)7.1.1ABCD準(zhǔn)則7.1.2Menzies打分法7.1.3七點檢測法7.2白色人種皮損目標(biāo)的分類識別7.2.1特征提取7.2.2基于相關(guān)性的特征優(yōu)選7.2.3基于SVM的分類器設(shè)計7.3黃色人種皮損目標(biāo)的分類識別7.3.1特征提取7.3.2基于遺傳算法的特征優(yōu)選7.3.3基于組合神經(jīng)網(wǎng)絡(luò)的分類器設(shè)計8.1卷積神經(jīng)網(wǎng)絡(luò)8.2基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理框架8.3基于多尺度特征融合的皮膚鏡圖像分割8.4基于區(qū)域池化的皮膚鏡圖像分類第8章基于卷積神經(jīng)網(wǎng)絡(luò)的皮膚鏡圖像分析8.5基于深度哈希編碼的皮膚鏡圖像檢索本章參考文獻(xiàn)本章小結(jié)第8章基于卷積神經(jīng)網(wǎng)絡(luò)的皮膚鏡圖像分析8.1卷積神經(jīng)網(wǎng)絡(luò)8.1.1卷積神經(jīng)網(wǎng)絡(luò)原理8.1.2典型的卷積神經(jīng)網(wǎng)絡(luò)模型8.1.3卷積神經(jīng)網(wǎng)絡(luò)的設(shè)計方法8.2基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理框架8.2.1基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分割框架8.2.2基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類框架8.2.3基于卷積神經(jīng)網(wǎng)絡(luò)的深度哈希圖像檢索框架8.3基于多尺度特征融合的皮膚鏡圖像分割8.3.1稠密塊和過渡塊8.3.2多尺度特征融合8.3.3損失函數(shù)設(shè)計8.3.4分割實例分析8.4基于區(qū)域池化的皮膚鏡圖像分類8.4.1區(qū)域池化層設(shè)計8.4.2基于AUC的分類器訓(xùn)練8.4.3分類實例分析8.5基于深度哈希編碼的皮膚鏡圖像檢索8.5.1皮膚鏡圖像檢索流程8.5.2深度哈希殘差網(wǎng)絡(luò)8.5.3基于哈希表查找的從粗到精檢索策略