| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 引言 | 第8页 |
| 1.2 课题研究的背景和意义 | 第8-9页 |
| 1.3 眼底图像视网膜血管分割研究现状 | 第9-11页 |
| 1.3.1 基于匹配滤波的分割方法 | 第9页 |
| 1.3.2 基于血管跟踪的分割方法 | 第9-10页 |
| 1.3.3 基于形态学处理的分割方法 | 第10页 |
| 1.3.4 基于形变模型的分割方法 | 第10-11页 |
| 1.3.5 基于机器学习的分割方法 | 第11页 |
| 1.4 本文主要研究内容 | 第11-12页 |
| 1.5 本文章节安排 | 第12-13页 |
| 第2章 视网膜血管分割基础 | 第13-25页 |
| 2.1 RGB彩色空间 | 第13-14页 |
| 2.2 灰度变换 | 第14-19页 |
| 2.2.1 直方图均衡化 | 第14-17页 |
| 2.2.2 自适应直方图均衡化 | 第17-19页 |
| 2.3 空间滤波 | 第19-20页 |
| 2.4 图像分割 | 第20-24页 |
| 2.4.1 边缘检测分割法 | 第20-21页 |
| 2.4.2 区域生长分割法 | 第21-22页 |
| 2.4.3 阈值分割法 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于BP神经网络的彩色眼底图像视网膜血管分割算法 | 第25-42页 |
| 3.1 绿色通道灰度特征 | 第25-27页 |
| 3.2 形态学特征 | 第27-31页 |
| 3.2.1 膨胀与腐蚀 | 第27-28页 |
| 3.2.2 开操作和闭操作 | 第28-29页 |
| 3.2.3 视网膜血管的形态学特征提取 | 第29-31页 |
| 3.3 高斯匹配滤波特征 | 第31-32页 |
| 3.4 Hessian矩阵增强特征 | 第32-35页 |
| 3.5 BP神经网络血管分割 | 第35-37页 |
| 3.6 实验结果对比分析 | 第37-41页 |
| 3.6.1 彩色眼底图像库简介 | 第37-38页 |
| 3.6.2 算法分割性能对比分析 | 第38-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第4章 基于图块聚类映射的彩色眼底图像视网膜血管分割算法 | 第42-54页 |
| 4.1 图像的预处理 | 第42-43页 |
| 4.2 图块划分 | 第43-44页 |
| 4.3 图块聚类 | 第44-45页 |
| 4.4 图块映射函数 | 第45-46页 |
| 4.5 眼底图像血管分割 | 第46-48页 |
| 4.6 实验结果对比分析 | 第48-52页 |
| 4.6.1 图块尺寸对分割效果的影响 | 第48-49页 |
| 4.6.2 聚类数目对分割效果的影响 | 第49页 |
| 4.6.3 图块重叠度对分割效果的影响 | 第49-50页 |
| 4.6.4 算法分割性能对比分析 | 第50-52页 |
| 4.7 本章小结 | 第52-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表(录用)论文 | 第60-61页 |
| 致谢 | 第61-62页 |