基于支持向量机的医学图像分割
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| ·选题背景及研究意义 | 第8-9页 |
| ·图像分割简介 | 第9-13页 |
| ·图像分割定义 | 第9页 |
| ·图像分割方法 | 第9-10页 |
| ·图像分割应用 | 第10-11页 |
| ·图像分割发展趋势 | 第11-12页 |
| ·医学图像分割现状 | 第12-13页 |
| ·支持向量机现状 | 第13-14页 |
| ·本文的主要工作与内容安排 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 SVM理论 | 第16-30页 |
| ·统计学习理论 | 第16-21页 |
| ·VC维 | 第17页 |
| ·推广性的界 | 第17-19页 |
| ·结构风险最小化 | 第19-21页 |
| ·支持向量机 | 第21-28页 |
| ·线性可分情况下的最优分类面 | 第22-25页 |
| ·线性不可分条件下的广义最优分类面 | 第25-26页 |
| ·非线性情况与核函数 | 第26-28页 |
| ·SVM的基本特点 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于SVM的血细胞图像分割 | 第30-51页 |
| ·分割样本图 | 第30-31页 |
| ·样本信息 | 第31页 |
| ·归一化处理 | 第31-32页 |
| ·使用工具介绍 | 第32-33页 |
| ·实验分析与结论 | 第33-50页 |
| ·训练样本获取 | 第33页 |
| ·分割参数选择设置 | 第33-39页 |
| ·不同参数实验结果 | 第39-42页 |
| ·训练样本数对分割性能的影响 | 第42-44页 |
| ·噪声影响 | 第44-46页 |
| ·比较实验 | 第46-48页 |
| ·实验总结 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 在读期间所发论文 | 第56-57页 |
| 致谢 | 第57页 |
