本书主要介绍关于图像检测与分割方法及其应用的一些新研究。即在图像检测与分割方法的基本概念、研究进展进行总结分析的基础上，以人体特别是肺部的医学影像后处理为应用案例，结合现有模式识别、人工智能方面的前沿理论，提出了图像检测与分割的新算法。本书共分5章。靠前章为基于Hessian矩阵的球形区域检测方法及其应用；第2章为基于组合优化和SVM的图像球形区域检测方法；第3章为基于多尺度和Mean-Shift分割方法研究；第4章为基于EM和Mean-Shift的分割方法研究；第5章为基于改进主动形状模型的分割方法研究。本书内容既有理论算法，又有典型应用，理论联系实际，具有广泛的参考价值。

任会之博士，研究方向为系统工程、模式识别和图像处理。主持国家自然科学基金青年基金项目1项，曾受中国博士后基金委员会二等资助。攻读博士学位期间，曾参与国家自然科学基金项目、“863”计划项目等。先后在《Computer and Operations Research》、《International Journal of Production Research》、《Discrete Dynamics in Nature and Society》、《Journal of Medical Imaging and Health》、《自动化学报》等期刊上发表论文多篇。在生物医学方面研究成果已应用于东软肺癌计算机辅助诊断产品中。

前言
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
3.5.4Mean-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期望优选算法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
4.3Mean-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