| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 分数阶微分在图像处理中的研究现状 | 第10-11页 |
| 1.3 肺结节检测的研究现状 | 第11-13页 |
| 1.4 本文研究内容及章节概述 | 第13-15页 |
| 第2章 分数阶微分的理论知识 | 第15-23页 |
| 2.1 分数阶微分的基本定义 | 第15-17页 |
| 2.1.1 Grunwald-Letnikov定义 | 第16页 |
| 2.1.2 Riemann-Liouville定义 | 第16-17页 |
| 2.1.3 Caputo定义 | 第17页 |
| 2.2 分数阶微分对信号的作用分析 | 第17-19页 |
| 2.3 分数阶微分用于图像增强的分析 | 第19-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 基于分数阶微分的图像增强算法 | 第23-44页 |
| 3.1 图像增强算法概述 | 第23-30页 |
| 3.1.1 空域图像增强 | 第23-27页 |
| 3.1.2 频域图像增强 | 第27-30页 |
| 3.2 基于分数阶微分的肺部图像增强算法 | 第30-37页 |
| 3.2.1 分数阶微分掩模的构造 | 第30-32页 |
| 3.2.2 数字图像分数阶微分掩模的数值运算 | 第32页 |
| 3.2.3 评价标准的选择 | 第32-34页 |
| 3.2.4 实验结果与分析 | 第34-37页 |
| 3.3 基于自适应分数阶微分的肺部图像增强算法 | 第37-42页 |
| 3.3.1 改进的Ostu算法求最优梯度阈值 | 第39页 |
| 3.3.2 自适应分数阶微分阶数函数的构造 | 第39-41页 |
| 3.3.3 实验结果与分析 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 基于分数阶微分的肺结节检测算法 | 第44-55页 |
| 4.1 肺部图像分割算法概述 | 第44-46页 |
| 4.1.1 阈值法 | 第44-45页 |
| 4.1.2 区域生长法 | 第45页 |
| 4.1.3 数学形态学 | 第45-46页 |
| 4.2 肺实质的分割 | 第46-51页 |
| 4.2.1 肺部图像的预处理 | 第47-48页 |
| 4.2.2 基于迭代阈值的肺实质分割算法 | 第48-49页 |
| 4.2.3 基于区域生长的气管及支气管的剔除 | 第49-50页 |
| 4.2.4 基于数学形态学的肺实质修补 | 第50-51页 |
| 4.3 肺结节的检测算法 | 第51-54页 |
| 4.3.1 肺结节候选区域的初步识别算法 | 第51-53页 |
| 4.3.2 肺结节的识别 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63页 |