第1章 数字图像处理 1
1.1 引言 1
1.1.1 图像的概念 1
1.1.2 图像处理技术的发展 2
1.2 图像处理技术的分类、特点和应用 3
1.2.1 图像处理技术的分类 3
1.2.2 数字图像处理的特点 3
1.2.3 数字图像处理的应用 4
1.3 数字图像处理概述 6
1.3.1 数字图像处理系统 6
1.3.2 数字图像处理的空域和频域方法 6
1.3.3 数字图像处理的主要内容 7
1.3.4 数字图像处理中的若干术语 8
第2章 图的基本概念 10
2.1 图的基本概念 11
2.1.1 图的定义 11
2.1.2 子图 12
2.1.3 路径 13
2.1.4 连通图 13
2.1.5 平面图 14
2.2 图的矩阵表示 15
2.2.1 邻接矩阵 15
2.2.2 关联矩阵 17
2.3 图的优化理论 17
2.3.1 最短路径 18
2.3.2 最小生成树 19
2.3.3 最大流－最小割 20
2.4 图与图像 22
2.4.1 图与图像的关系 22
2.4.2 图像映射为图 23
第3章 图像分割算法 25
3.1 图像分割的必要性 25
3.2 图像分割原理及图像分割算法分类 27
3.2.1 图像分割原理 27
3.2.2 图像分割算法分类 27
3.3 图像分割质量评价 34
3.3.1 评价准则 34
3.3.2 3种常规性能评价 39
第4章 基于图论的图像分割算法 40
4.1 图分割与图像分割的关系 41
4.1.1 人类视觉和图像分割 41
4.1.2 图像到图的映射关系 42
4.1.3 对图像I构造与之对应的图G 43
4.2 基于图论的分割方法概述 45
4.2.1 基本原理 45
4.2.2 现有算法分析 46
4.2.3 基于图论的图像分割方法的特点 48
4.2.4 基于图论的图像分割方法的缺陷和不足 49
4.3 基于图论的图像分割技术的应用 50
4.3.1 基于智能剪的图像分割 51
4.3.2 基于图切割的图像分割 52
4.3.3 基于归一化切分的图像分割 54
4.3.4 基于随机游走的图像分割 55
4.3.5 基于等周算法的图像分割 55
4.4 基于二次分水岭和归一化割的彩色图像分割技术 56
4.4.1 图像的预处理 56
4.4.2 方法改进与实现 58
4.4.3 获取分割结果 62
4.4.4 对比实验及数据分析 67
4.5 基于金字塔模型的快速Graph Cut分割 71
4.5.1 GraphCut图像分割方法 71
4.5.2 快速Graph Cut图像分割算法 75
4.6 基于图论和正则化扩散的图像分割方法 78
4.6.1 图上的扩散算法与图像分割算法的共同特征 78
4.6.2 扩散算法的离散框架 80
4.6.3 生成特征方法 82
4.6.4 核方法 83
4.6.5 正则化扩散应用于全监督图像分割的原理分析 84
4.6.6 实验中使用的特征提取方法 86
4.6.7 图像分割算法流程 87
4.6.8 实验结果及分析 87
第5章 基于正则化的图像扩散去噪算法 93
5.1 概述 93
5.1.1 背景及研究意义 93
5.1.2 图像去噪算法国内外研究现状 94
5.1.3 算法评价标准 100
5.2 基于图上自适应正则化的图像扩散去噪算法 102
5.2.1 图像扩散的正则化模型 102
5.2.2 图上的自适应正则化模型 106
5.2.3 图上正则化算法的具体实现 109
第6章 基于图论的医学图像处理 115
6.1 概述 115
6.1.1 医学图像处理的目的和意义 115
6.1.2 医学图像分割的意义和特点 115
6.1.3 医学图像分割方法概述 118
6.1.4 细胞运动追踪的研究意义及研究背景 125
6.1.5 目标跟踪算法介绍 127
6.1.6 细胞追踪研究现状 128
6.2 基于图论与四叉树理论的肝脏CT图像分割方法 130
6.2.1 肝脏的三维重建 131
6.2.2 医学图像预处理 135
6.2.3 改进的基于Graph-Based分割方法 137
6.3 基于图论的龋齿X线图像分割方法 141
6.3.1 医学X线图像分割特性分析 142
6.3.2 图论算法局限性 144
6.3.3 基于最小生成树的医学图像分割算法 146
6.4 基于图论的细胞追踪 151
6.4.1 从细胞图像到图的映射 151
6.4.2 细胞图像的图论描述 152
6.4.3 算法实现 153
6.4.4 图论算法的主要特点 155
参考文献 156