医学数字图像处理PDF|Epub|txt|kindle电子书版本网盘下载

医学数字图像处理PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1数字图像处理在医学中的应用2

1.1.1超声2

1.1.2 X射线及X射线负片3

1.1.3 X-CT4

1.1.4磁共振成像5

1.1.5显微图像分析测量系统8

1.1.6电子内窥镜系统8

1.1.7 PACS9

1.1.8数字人体10

1.2医学数字图像处理系统11

1.3本书的主要内容13

1.3.1医学图像成像机理和临床应用13

1.3.2医学数字图像处理基础13

1.3.3医学图像增强14

1.3.4医学图像分割14

1.3.5医学图像配准15

1.3.6医学图像融合15

1.3.7医学数字图像特征分析与提取16

1.4医学数字图像处理要解决的问题16

1.5医学数字图像处理的发展方向17

1.6本章小结17

第2章 医学图像成像机理和临床应用18

2.1基本名词解释19

2.2 X射线影像19

2.3超声影像23

2.4 CT影像26

2.5 MRI影像31

2.6核医学影像33

2.6.1 PET医学影像33

2.6.2 SPECT医学影像35

2.6.3 fMRI医学影像37

2.7分子影像学38

2.8本章小结40

第3章 医学数字图像处理基础41

3.1图像的表示41

3.1.1图像和图像处理41

3.1.2数字图像的矩阵表示42

3.2图像的数字化46

3.2.1采样46

3.2.2量化47

3.2.3空间和灰度分辨率47

3.3像素间的邻域和邻接48

3.3.1邻域48

3.3.2邻接49

3.3.3连通性和距离52

3.4图像灰度直方图及其运算54

3.4.1灰度直方图54

3.4.2灰度直方图的应用56

3.4.3灰度直方图的均衡化58

3.5基于像素的图像运算63

3.5.1基于像素的灰度变换——点运算63

3.5.2基于像素的图像代数运算72

3.5.3基于像素的图像逻辑运算75

3.5.4基于像素的图像几何运算76

3.6本章小结87

第4章 医学图像增强88

4.1医学图像增强概述88

4.2医学图像的空域增强89

4.2.1空域增强89

4.2.2空域平滑滤波器93

4.2.3空域锐化滤波器99

4.2.4基于多幅图像的平均方法105

4.3医学图像的频域增强106

4.3.1傅里叶变换及图像的频域特征106

4.3.2频域增强109

4.3.3频域平滑滤波器111

4.3.4频域锐化滤波器117

4.4本章小结121

第5章 医学图像分割122

5.1医学图像分割的概念122

5.2基于阈值的分割方法124

5.2.1基于阈值分割方法的定义124

5.2.2简单直方图分割法125

5.2.3最佳阈值分割法126

5.2.4 OTSU算法127

5.3基于边缘检测的分割方法132

5.3.1图像边缘的定义132

5.3.2图像边缘与导数（微分）的关系134

5.3.3一阶微分锐化136

5.3.4二阶微分锐化141

5.3.5微分锐化的实现程序145

5.4基于边界跟踪的分割方法148

5.4.1边界连接148

5.4.2边界跟踪的基本方法149

5.4.3基于光栅跟踪的边界分割方法150

5.5基于区域的分割方法151

5.5.1区域生长152

5.5.2区域分裂合并155

5.6基于轮廓模型的分割方法157

5.6.1 Snake模型157

5.6.2传统Snake模型的离散形式158

5.6.3 Snake模型初始轮廓的确定159

5.6.4传统Snake模型举例计算161

5.6.5传统Snake模型的缺点164

5.6.6 GVF Snake模型165

5.7基于数学形态学的分割方法167

5.7.1数学形态学基本知识167

5.7.2基本概念169

5.7.3二值形态学171

5.7.4灰度形态学176

5.7.5灰度形态学梯度177

5.8本章小结178

第6章 医学图像配准179

6.1序言179

6.1.1医学图像配准的基本概念179

6.1.2医学图像配准方法的分类180

6.1.3医学图像配准的步骤182

6.1.4医学图像配准的基本框架183

6.2图像的基本变换184

6.2.1刚体变换186

6.2.2仿射变换191

6.2.3投影变换192

6.2.4非线性变换193

6.3医学图像配准的一些关键问题194

6.3.1医学图像配准的特征提取194

6.3.2基于物理模型配准方法的改进194

6.3.3结合图像分层和特征约束的策略195

6.3.4应用智能优化方法195

6.4基于角点检测的配准方法195

6.4.1角点检测的概念195

6.4.2 Harris角点检测的原理197

6.4.3 Harris角点的性质201

6.5基于SIFT的配准方法202

6.5.1尺度空间极值检测203

6.5.2关键点定位205

6.5.3方向确定206

6.5.4关键点描述206

6.5.5特征点匹配206

6.5.6剔除误配点207

6.5.7基于SIFT算法的配准实验207

6.6基于灰度的配准方法——力矩主轴法212

6.6.1概述212

6.6.2力矩主轴法212

6.7医学图像配准的评估213

6.8本章小结215

第7章 医学图像融合216

7.1序言216

7.1.1医学图像融合的基本概念216

7.1.2医学图像融合的分类217

7.1.3融合优势218

7.1.4图像融合方法的分类219

7.2四种医学图像融合的融合现状221

7.2.1 PET/CT融合技术221

7.2.2 PET/MRI融合技术222

7.2.3 SPECT/CT融合技术223

7.2.4 SPECT/MRI融合技术224

7.3像素级融合方法225

7.3.1像素级融合概述225

7.3.2基于空域的融合算法225

7.3.3基于频域的融合算法229

7.4特征级融合方法238

7.4.1特征级融合概述238

7.4.2主成分分析法240

7.5决策级融合方法241

7.6医学图像融合效果的评价242

7.6.1基于信息量的评价242

7.6.2基于统计特性的评价244

7.6.3基于相关性的评价245

7.6.4基于信噪比的评价245

7.6.5基于梯度值的评价246

7.7本章小结247

第8章 医学数字图像特征分析与提取248

8.1图像的几何形状特征248

8.1.1常见的几何形状特征248

8.1.2基于圆形度的几何形状特征251

8.1.3基于形状描述子的几何形状特征252

8.2基于灰度直方图的统计特征254

8.3基于不变矩的形状特征255

8.3.1 Hu七阶不变矩的解释255

8.3.2连续状态下的不变矩256

8.3.3离散状态下的不变矩257

8.3.4 Hu七阶不变矩举例258

8.4纹理特征260

8.4.1基于灰度共生矩阵的纹理特征260

8.4.2 Tamura纹理特征263

8.4.3基于小波包的纹理特征265

8.5特征提取实验结果及分析266

8.6仿真实验程序267

8.6.1提取几何特征程序267

8.6.2提取统计特征程序268

8.6.3提取七阶不变矩特征程序270

8.6.4提取GLCM特征程序271

8.6.5提取小波特征程序280

8.6.6提取Tamura纹理特征程序282

8.7本章小结286

主要参考文献287