第1章 基于Hessian矩阵的球形区域检测方法及其应用 1
1.1 基于二维Hessian矩阵的圆点滤波器 1
1.2 基于三维Hessian矩阵的圆点滤波器 1
1.3 圆点滤波器理论在图像处理中的应用实例 3
1.4 实验结果及分析 6
1.4.1 实验数据 6
1.4.2 实验环境 7
1.4.3 实验方案 7
1.4.4 实验结果 7
第2章 基于组合优化和SVM的图像球形区域检测方法 10
2.1 求解组合优化问题的智能计算方法 10
2.1.1 遗传算法 10
2.1.2 分散搜索算法 11
2.2 基于组合优化的特征选择模型 11
2.3 基于改进GA和SVM的求解模型 13
2.4 基于SS和SVM求解模型 14
2.5 基于改进GA和SVM模型及其应用 15
2.5.1 肺分割 16
2.5.2 自适应感兴趣区域获取 17
2.5.3 特征提取 18
2.6 实验结果及分析 20
2.6.1 实验数据 20
2.6.2 参数的选取 20
2.6.3 实验结果及讨论 21
第3章 基于多尺度和Mean-Shift的分割方法研究 29
3.1 多尺度层次聚类方法 29
3.2 均值漂移算法 31
3.3 均值漂移算法带宽参数选取现状 33
3.4 基于多尺度的带宽参数选取方法 35
3.5 基于多尺度和Mean-Shift分割在图像处理中的应用 36
3.5.1 初始区域的获取 36
3.5.2 初始带宽参数的选取 37
3.5.3 最佳带宽参数的选取 38
3.5.4 Mean-Shift二维分割结节过程 39
3.6 实验结果及分析 40
3.6.1 实验方案 40
3.6.2 人造实验数据及结果 40
3.6.3 肺CT影像实验数据 42
3.6.4 实验结果与讨论 42
第4章 基于EM和Mean-Shift的分割方法研究 45
4.1 期望最大算法 45
4.1.1 算法原理 45
4.1.2 算法步骤 46
4.2 基于EM和Mean-Shift在图像分割中的应用 46
4.2.1 基于EM的带宽选取方法流程 46
4.2.2 预处理 48
4.2.3 基于关系矩阵的流向特征提取 49
4.2.4 基于EM估计粘连血管型结节模型参数 51
4.2.5 最佳带宽参数选取 51
4.3 Mean-Shift三维分割结节过程 52
4.4 结果及分析 53
4.4.1 实验方案 53
4.4.2 人造实验数据及结果 53
4.4.3 肺CT影像实验数据 55
4.4.4 实验结果与讨论 56
第5章 基于改进主动形状模型的分割方法研究 58
5.1 主动形状模型 58
5.2 改进ASM在肺区分割上的应用 59
5.2.1 肺区分割研究现状 59
5.2.2 提取标记点 61
5.2.3 建立形状模型 61
5.2.4 异常标记点选择 62
5.2.5 搜索肺区边缘 63
5.3 数据集及分割结果 64
5.3.1 数据集 64
5.3.2 分割结果 64
5.3.3 分割结果评价与讨论 65
参考文献 67