紅細(xì)胞SEM圖像的三維重構(gòu)及形狀特征提?。夯赩XL開(kāi)源視覺(jué)庫(kù)

第1章　緒論
1．1　紅細(xì)胞機(jī)理與形狀特征
1．2　掃描電子顯微鏡成像原理
1．3　紅細(xì)胞圖像處理研究綜述
1．4　本書(shū)主要研究?jī)?nèi)容
第2章　VXL概述
2．1　Linux Uubuntu操作系統(tǒng)
2．2　CMake
2．3　VXL簡(jiǎn)介
2．4　VXL的幾個(gè)核心庫(kù)簡(jiǎn)述
2．4．1　vnl數(shù)字化容器
2．4．2　vil圖像管理類庫(kù)
2．4．3　vgl幾何圖形類庫(kù)
2．4．4　vsl數(shù)據(jù)流輸入／輸出類庫(kù)
2．5　VXL安裝與配置
2．6　VXL庫(kù)在計(jì)算機(jī)視覺(jué)中的簡(jiǎn)單應(yīng)用
2．6．1　VXL用于數(shù)學(xué)形態(tài)學(xué)操作
2．6．2　VXL用于基本圖像處理運(yùn)算
2．6．3　VXL用于實(shí)現(xiàn)圖像處理中的算法和數(shù)據(jù)結(jié)構(gòu)
第3章　邊界輪廓跟蹤與細(xì)胞圖像提取
3．1　圖像預(yù)處理
3．2　輪廓跟蹤
3．3　細(xì)胞圖像提取
3．4　邊界輪廓數(shù)據(jù)存儲(chǔ)與訪問(wèn)的XML解析器Expat
3．5　附錄：區(qū)域生長(zhǎng)算法實(shí)現(xiàn)代碼
3．6　附錄：用于XML保存數(shù)據(jù)與解析的參考代碼
第4章　醫(yī)學(xué)圖像SFS三維重建
4．1　Shape from X
4．2　基于線性逼近的IRE求解
4．2．1　泰勒展開(kāi)
4．2．2　雅可比迭代
4．3　SEM成像條件下的明暗度恢復(fù)重建
4．3．1　光照模型
4．3．2　SFS與IRE
4．3．3　SEM紅血細(xì)胞圖像
4．4　線性逼近方法求解IRE
4．4．1　線性逼近
4．4．2　SEM成像條件下的線性逼近
4．5　其他
4．6　附錄：主要代碼
第5章　微分幾何與紅細(xì)胞圖像曲率計(jì)算
5．1　最小二乘法
5．2　多項(xiàng)式擬合
5．3　高斯消去法
5．4　曲面定義與曲率
5．4．1　曲面的第一基本形式
5．4．2　曲面的第二基本形式
5．4．3　曲面上的曲率
5．5　曲面擬合與曲率計(jì)算
5．6　曲率計(jì)算的自適應(yīng)方法
5．6．1　自適應(yīng)算法求解
5．6．2　函數(shù)描述
5．6．3　算法流程圖與偽代碼描述
5．6．4　結(jié)果分析
5．7　附錄：主要代碼
第6章　基于曲面擬合的醫(yī)學(xué)圖像表面分割
6．1　常用的圖像分割算法簡(jiǎn)介
6．1．1　區(qū)域分割
6．1．2　邊緣檢測(cè)
6．2　曲率計(jì)算與初始分割
6．2．1　數(shù)字曲面的導(dǎo)數(shù)計(jì)算
6．2．2　基于曲率的曲面類型劃分
6．3　多尺度二元多項(xiàng)式曲面擬合分割
6．3．1　自適應(yīng)多尺度曲面函數(shù)的擬合思想
6．3．2　算法描述
6．3．3　分割結(jié)果
6．4　附錄：主要代碼
參考文獻(xiàn)