顶部
收藏

医学图像处理 第二版


作者:
丁明跃等
定价:
37.60元
ISBN:
978-7-04-055235-5
版面字数:
350.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2021-04-02
读者对象:
高等教育
一级分类:
电气/电子信息/自动化类
二级分类:
电子信息/通信专业课
三级分类:
其他

本次修订后的教材主要分为两个部分:第一部分包含图像滤波、图像恢复、边缘检测、轮廓提取、图像编码等传统图像处理内容,以及对于图像分析中广泛涉及的两个最为重要的内容——图像分割与图像配准的详细介绍;第二部分重点介绍深度学习、非局部均值等近年来广泛应用的新的图像处理方法在医学图像处理中的应用实例,从而使读者在掌握最新图像处理方法的基础上,对于图像处理在医学领域的应用也有所了解。本教材在课程内容介绍过程中,特别注重加入了作者多年来从事医学图像处理相关的研究工作内容,从而使该教材与传统的图像处理教材相比,更具实用性和先进性,为读者了解和掌握医学图像处理的主要理论和技术方法奠定了基础。

本书适用于生物医学工程专业本科生、硕士研究生以及其他非电类专业毕业的博士研究生,也可以作为从事生物医学工程专业研究工作的青年教师的自学用书。

本书为新形态教材,用手机扫描二维码,输入封底的20位密码(刮开涂层可见),完成与教材的绑定后可观看学习网上资源。与教材绑定后,网上资源的使用有效期为一年。

  • 前辅文
  • 第一章 引言
    • 1.1 图像的定义
    • 1.2 图像的分类
    • 1.3 图像处理的定义
    • 本章小结
    • 参考文献
    • 习题
  • 第二章 图像处理基本知识
    • 2.1 人眼的结构
    • 2.2 四邻域与八邻域
    • 2.3 图像的二维与一维表示
    • 2.4 图像直方图
    • 2.5 图像质量评价与度量
    • 2.6 不同类型医学图像特点分析
    • 本章小结
    • 参考文献
    • 习题
  • 第三章 图像滤波、恢复与增强
    • 3.1 图像噪声
    • 3.2 常用的图像滤波方法
    • 3.3 图像增强
    • 3.4 图像恢复的定义
    • 3.5 图像恢复方法
    • 3.6 图像插值
    • 本章小结
    • 参考文献
    • 习题
  • 第四章 边缘检测
    • 4.1 图像边缘的定义
    • 4.2 图像梯度
    • 4.3 图像边缘梯度算子
    • 4.4 高斯-拉普拉斯算子
    • 4.5 Canny算子
    • 4.6 边缘与轮廓
    • 本章小结
    • 参考文献
    • 习题
  • 第五章 图像分割
    • 5.1 图像分割的定义
    • 5.2 基于门限的图像分割方法
    • 5.3 区域生长方法
    • 5.4 分水岭方法
    • 5.5 基于纹理的图像分割方法
    • 本章小结
    • 参考文献
    • 习题
  • 第六章 图像轮廓提取
    • 6.1 主动轮廓模型
    • 6.2 水平集方法
    • 6.3 主动形状模型方法
    • 本章小结
    • 参考文献
    • 习题
  • 第七章 图像配准
    • 7.1 图像配准的定义
    • 7.2 图像配准的主要应用
    • 7.3 图像配准方法的分类
    • 7.4 基于区域的配准方法
    • 7.5 基于特征的配准方法
    • 7.6 点映射的配准方法
    • 7.7 基于互信息的配准方法
    • 7.8 非刚性医学图像配准
    • 7.9 基于水平集的非线性配准
    • 本章小结
    • 参考文献
    • 习题
  • 第八章 数学形态学
    • 8.1 简介
    • 8.2 一些基本定义
    • 8.3 形态学算子
    • 本章小结
    • 参考文献
    • 习题
  • 第九章 基于偏微分方程的图像处理方法
    • 9.1 偏微分方程理论及其在图像处理中的应用
    • 9.2 各向异性图像模型
    • 9.3 基于异质扩散的图像边缘特征提取
    • 9.4 基于异质扩散的图像噪声抑制
    • 本章小结
    • 参考文献
    • 习题
  • 第十章 图像压缩
    • 10.1 图像压缩的一般过程
    • 10.2 图像压缩方法的分类
    • 10.3 无损压缩方法
    • 10.4 有损压缩方法
    • 10.5 常用的医学图像压缩格式
    • 本章小结
    • 参考文献
    • 习题
  • 第十一章 基于非局部均值的医学图像降噪
    • 11.1 非局部均值算法原理
    • 11.2 基于非局部均值的超声图像降噪
    • 11.3 基于非局部均值的MR图像降噪
    • 11.4 CT图像非局部均值降噪
    • 11.5 PET图像非局部均值降噪
    • 本章小结
    • 参考文献
    • 习题
  • 第十二章 深度学习方法
    • 12.1 机器学习方法
    • 12.2 人工神经网络
    • 12.3 深度学习和卷积神经网络
    • 12.4 深度学习在医学图像处理中的应用
    • 本章小结
    • 参考文献
    • 习题
  • 附录

相关图书