首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

多模态视网膜图像血管分割及配准研究

摘要第3-4页
Abstract第4-5页
1 绪论第8-16页
    1.1 人眼结构以及视网膜眼底图像第8页
    1.2 研究背景和意义第8-10页
    1.3 国内外研究现状第10-14页
        1.3.1 视网膜图像血管分割研究现状第10-12页
        1.3.2 视网膜图像配准研究现状第12-14页
    1.4 本文研究内容第14页
    1.5 论文组织结构第14-16页
2 SD-OCT成像技术及医学图像配准概述第16-25页
    2.1 SD-OCT成像技术第16-17页
    2.2 医学图像配准概述第17-24页
        2.2.1 医学图像配准基本框架第17-21页
        2.2.2 医学图像配准分类第21-23页
        2.2.3 医学图像配准方法第23-24页
    2.3 本章小结第24-25页
3 基于随机森林高低概率值的视网膜血管分割第25-45页
    3.1 引言第25页
    3.2 公开的彩色眼底图像库第25-27页
    3.3 图像预处理第27-28页
    3.4 分类器选取第28-30页
    3.5 特征选取第30-35页
        3.5.1 Gabor特征第30-31页
        3.5.2 灰度及梯度特征第31页
        3.5.3 不变矩特征第31-32页
        3.5.4 灰度共生矩阵特征第32-33页
        3.5.5 相位一致性特征第33-34页
        3.5.6 卷积核函数特征第34页
        3.5.7 Hessian矩阵特征第34-35页
        3.5.8 不同特征贡献度第35页
    3.6 基于随机森林高低概率及连通域的细小血管修复第35-39页
        3.6.1 随机森林初始分类第35-36页
        3.6.2 缺失血管填补第36-37页
        3.6.3 断裂血管修补第37-39页
    3.7 实验结果及分析第39-44页
        3.7.1 评价准则第39页
        3.7.2 随机森林高低概率值确定第39-40页
        3.7.3 定性分析第40-42页
        3.7.4 定量分析第42-44页
    3.8 本章小结第44-45页
4 基于特征不变性的SD-OCT眼底图像与彩色眼底图像配准第45-60页
    4.1 引言第45-46页
    4.2 图像预处理第46-51页
        4.2.1 彩色眼底图像对比度增强第46-48页
        4.2.2 SD-OCT眼底图像去噪第48-51页
    4.3 眼底图像血管提取第51-55页
        4.3.1 计算脊线图像第52页
        4.3.2 计算基于脊点的特征向量第52-53页
        4.3.3 计算基于分段的特征向量第53页
        4.3.4 判别血管脊线像素点和非血管脊线像素点第53-55页
        4.3.5 提取血管第55页
    4.4 局部特征匹配点检测第55页
    4.5 变换模型参数估计第55-56页
    4.6 实验结果与分析第56-59页
        4.6.1 实验数据集及评价标准第56-57页
        4.6.2 定性分析第57-58页
        4.6.3 定量分析第58-59页
    4.7 本章小结第59-60页
5 总结与展望第60-62页
    5.1 论文总结第60-61页
    5.2 工作展望第61-62页
致谢第62-63页
参考文献第63-70页
附录第70页

论文共70页,点击 下载论文
上一篇:基于智能车平台的高速公路指路标志检测和分割方法研究
下一篇:可见光/日盲紫外双光谱电晕探测技术研究