第1章  绪论

  1.1  数字图像处理在医学中的应用

    1.1.1  超声

    1.1.2  x射线及x射线负片

    1.1.3  X.CT

    1.1.4  磁共振成像

    1.1.5  显微图像分析测量系统

    1.1.6  电子内窥镜系统

    1.1.7  PACS

    1.1.8  数字人体

  1.2  医学数字图像处理系统

  1.3  本书的主要内容

    1.3.1  医学图像成像机理和临床应用

    1.3.2  医学数字图像处理基础

    1.3.3  医学图像增强

    1.3.4  医学图像分割

    1.3.5  医学图像配准

    1.3.6  医学图像融合

    1.3.7  医学数字图像特征分析与提取

  1.4  医学数字图像处理要解决的问题

  1.5  医学数字图像处理的发展方向

  1.6  本章小结

第2章  医学图像成像机理和临床应用

  2.1  基本名词解释

  2.2  x射线影像

  2.3  超声影像

  2.4  CT影像

  2.5  MRI影像

  2.6  核医学影像

    2.6.1  PET医学影像

    2.6.2  SPECT医学影像

    2.6.3  fMRI医学影像

  2.7  分子影像学

    2.8  本章小结

第3章医学数字图像处理基础

  3.1  图像的表示

    3.1.1  图像和图像处理

    3.1.2  数字图像的矩阵表示

  3.2  图像的数字化

    3.2.1  采样

    3.2.2  量化

    3.2.3  空间和灰度分辨率

  3.3  像素间的邻域和邻接

    3.3.1  邻域

    3.3.2  邻接

    3.3.3  连通性和距离

  3.4  图像灰度直方图及其运算

    3.4.1  灰度直方图

    3.4.2  灰度直方图的应用

    3.4.3  灰度直方图的均衡化

  3.5  基于像素的图像运算

    3.5.1  基于像素的灰度变换——点运算

    3.5.2  基于像素的图像代数运算

    3.5.3  基于像素的图像逻辑运算

    3.5.4  基于像素的图像几何运算

  3.6  本章小结

第4章  医学图像增强

  4.1  医学图像增强概述

  4.2  医学图像的空域增强

    4.2.1  空域增强

    4.2.2  空域平滑滤波器

    4.2.3  空域锐化滤波器

    4.2.4  基于多幅图像的平均方法

  4.3  医学图像的频域增强

    4.3.1  傅里叶变换及图像的频域特征

    4.3.2  频域增强

    4.3.3  频域平滑滤波器

    4.3.4  频域锐化滤波器

  4.4  本章小结

第5章  医学图像分割

  5.1  医学图像分割的概念

  5.2  基于阈值的分割方法

    5.2.1  基于阈值分割方法的定义

    5.2.2  简单直方图分割法

    5.2.3  最佳阂值分割法

    5.2.4  0TSU算法

  5.3  基于边缘检测的分割方法

    5.3.1  图像边缘的定义

    5.3.2  图像边缘与导数(微分)的关系

    5.3.3  一阶微分锐化

    5.3.4  二阶微分锐化

    5.3.5  微分锐化的实现程序

  5.4  基于边界跟踪的分割方法

    5.4.1  边界连接

    5.4.2  边界跟踪的基本方法

    5.4.3  基于光栅跟踪的边界分割方法

  5.5  基于区域的分割方法

    5.5.1  区域生长

    5.5.2  区域分裂合并

  5.6  基于轮廓模型的分割方法

    5.6.1  Snake模型

    5.6.2  传统Snake模型的离散形式

    5.6.3  Snake模型初始轮廓的确定

    5.6.4  传统Snake模型举例计算

    5.6.5  传统Snake模型的缺点

    5.6.6  GVF Snake模型

  5.7  基于数学形态学的分割方法

    5.7.1  数学形态学基本知识

    5.7.2  基本概念

    5.7.3  二值形态学

    5.7.4  灰度形态学

    5.7.5  灰度形态学梯度

  5.8  本章小结

第6章  医学图像配准

  6.1  序言

    6.1.1  医学图像配准的基本概念

    6.1.2  医学图像配准方法的分类

    6.1.3  医学图像配准的步骤

    6.1.4  医学图像配准的基本框架

  6.2  图像的基本变换

    6.2.1  刚体变换

    6.2.2  仿射变换

    6.2.3  投影变换

    6.2.4  非线性变换

  6.3  医学图像配准的一些关键问题

    6.3.1  医学图像配准的特征提取

    6.3.2  基于物理模型配准方法的改进

    6.3.3  结合图像分层和特征约束的策略

    6.3.4  应用智能优化方法.

  6.4  基于角点检测的配准方法

    6.4.1  角点检测的概念

    6.4.2  Harris角点检测的原理

    6.4.3  Harris角点的性质

  6.5  基于SIFT的配准方法

    6.5.1  尺度空间极值检测

    6.5.2  关键点定位

    6.5.3  方向确定

    6.5.4  关键点描述

    6.5.5  特征点匹配

    6.5.6  剔除误配点

    6.5.7  基于SIFT算法的配准实验

  6.6  基于灰度的配准方法——力矩主轴法

    6.6.1  概述

    6.6.2  力矩主轴法

  6.7  医学图像配准的评估

  6.8  本章小结

第7章  医学图像融合

  7.1  序言

    7.1.1  医学图像融合的基本概念

    7.1.2  医学图像融合的分类

    7.1.3  融合优势

    7.1.4  图像融合方法的分类

  7.2  四种医学图像融合的融合现状

    7.2.1  PET／CT融合技术

    7.2.2  PET／MRI融合技术

    7.2.3  SPECT／CT融合技术

    7.2.4  SPECT／MRI融合技术

  7.3  像素级融合方法

    7.3.1  像素级融合概述

    7.3.2  基于空域的融合算法

    7.3.3  基于频域的融合算法

  7.4  特征级融合方法

    7.4.1  特征级融合概述

    7.4.2  主成分分析法

  7.5  决策级融合方法

  7.6  医学图像融合效果的评价

    7.6.1  基于信息量的评价

    7.6.2  基于统计特性的评价

    7.6.3  基于相关性的评价

    7.6.4  基于信噪比的评价

    7.6.5  基于梯度值的评价

  7.7  本章小结

第8章  医学数字图像特征分析与提取

  8.1  图像的几何形状特征

    8.1.1  常见的几何形状特征

    8.1.2  基于圆形度的几何形状特征

    8.1.3  基于形状描述子的几何形状特征

  8.2  基于灰度直方图的统计特征

  8.3  基于不变矩的形状特征

    8.3.1  Hu七阶不变矩的解释

    8.3.2  连续状态下的不变矩

    8.3.3  离散状态下的不变矩

    8.3.4  Hu七阶不变矩举例

  8.4  纹理特征

    8.4.1  基于灰度共生矩阵的纹理特征

    8.4.2  Tamura纹理特征

    8.4.3  基于小波包的纹理特征

  8.5  特征提取实验结果及分析

  8.6  仿真实验程序

    8.6.1  提取几何特征程序

    8.6.2  提取统计特征程序

    8.6.3  提取七阶不变矩特征程序

    8.6.4  提取GLCM特征程序

    8.6.5  提取小波特征程序

    8.6.6  提取Tamura纹理特征程序

  8.7  本章小结

主要参考文献